Contourlet变换及其在图像去噪中应用研究.docVIP

Contourlet变换及其在图像去噪中应用研究 　　 (1.西北工业大学 理学院， 西安 710072；2.西安理工大学 理学院， 西安 710054) 　　?? 　　摘 要：Contourlet变换是小波变换的新发展，具有多分辨、局部性和多方向性等优良特性，能更有效地捕捉图像中的几何结构。分析了Contourlet变换的原理和性质，重点探讨了其在图像去噪领域的应用及改进，最后给出了未来Contourlet变换值得研究的若干方向。?? 　　关键词：Contourlet变换;图像去噪;平移不变性?? 　　中图分类号：TP317.4 文献标志码：A 　　 文章编号：1001?B3695(2009)02?B0401?B05 　　?? 　　Research on Contourlet transform and its application to image denoising?? 　　XU Huanan1，LIU Zhe1，HU Gang1,2 　　??(1.School of Science, Northwestern Polytechnical University, Xi’an 710072, China；2.School of Science, Xi’an University of Technology, Xi’an 710054, China) 　　 　　??Abstract:The Contourlet transform is a new development of wavelet transformation, with multiresolution, local and multidirection. It can be more effective in capturing geometric structure of images.Analysed the principle and characters of the Con-tourlet transform, focusing on its application to image denosing and its improvement.Finally,gave a few future research topics in details. 　　?? 　　Key words:Contourlet transform; image denoising; translation invariance 　　?お? 　　0 引言?? 　　 　　现实中的图像在采集、转换和传输中，常常受到成像设备与外部环境噪声干扰等影响而产生降质，因此大多数的现实图像都是含噪图像。图像噪声对图像分析、图像压缩等的影响很大，图像降噪是图像预处理阶段最重要的任务之一。图像去噪就是如何将噪声与有用信息在某一个特定的空间内区分开。由于噪声和图像的细节信息都具有高频特性，图像去噪存在一个如何兼顾降低图像噪声和保留细节的难题。?? 　　近二十年来，小波变换以其良好的时频特性被广泛地应用于图像、信号等信息处理领域，成为继傅里叶分析之后的又一强有力的分析工具。对一维分段光滑信号，由于小波变换在某种意义上能为其提供最优表示，并且小波变换具有方便的树状分解快速算法，小波变换是最合适的工具。这些都是小波变换在信号处理中成功的原因。但自然图像并不是一维信号的简单堆砌，它的间断点（如边缘）是沿着曲线（如轮廓线）进行排列的。由一维小波变换张成的二维可分离小波变换(2D separable wavelet transform)能有效地捕获这些不连续的间断点，但是却不能有效地表示出这些点之间的排列关系。二维图像中的几何结构是非常重要的特征，但是二维可分离小波变换只有水平、垂直和对角线有限的方向表示，不能很好地表示图像中的方向信息。这些缺点表明小波变换不是最优的图像稀疏表示法。?? 　　为了获得高维函数的最优表示，众多学者提出了多尺度几何分析方法，目前主要有Candes[1]提出的脊波变换(Ridgelet transform)、单尺度脊波变换(monoscale Ridgelet transform)[2]，Candes等人[3]提出的Curvelet变换、Pennec等人[4]提出的Bandelet变换等。不同于其他方法，如Curvelet，先在连续域建立，然后对采样数据离散化这种变换，2002年Do等人[5]提出了一种“真正”的二维图像稀疏表示方法――Contourlet变换，它是在离散域构造的，然后推广到连续域并在其中讨论Contourlet的收敛性。?? 　　目前，Contourlet变换已经被应用于图像的去噪、水印、特征提取、编码、分割、检索、融合