多尺度几何分析的图像建模及去噪技术研究-计算机技术专业论文.docxVIP

摘 要 现有的图像系数建模算法大多基于小波变换，然而小波分析虽然能够较好地 处理含“点奇异”的函数类型，但对含“线奇异”或者“面奇异”的二维或者高 维函数则不能达到最优的非线性逼近阶。而事实上包含线或者面奇异的函数在高 维空间非常普遍，自然图像的不连续性往往体现为光滑曲线上的奇异性。因此在 图像理解和处理应用中，多尺度几何分析方法作为一种新的图像表示方法，具备 多尺度、多方向性特征，在这些不同方向和不同尺度的子带系数间存在较强相关 性，同时更能表现自然图像的本质特征。 本文以多尺度几何分析 Contourlet 变换为理论基础，以 Contourlet 变换图像去 噪为研究对象，较深入地研究了基于 Contourlet 变换系数的统计分析和建模，并将 该多尺度几何分析模型成功应用于图像去噪处理中。本文主要工作概况如下： 提出了一种基于 Contourlet 域高斯混合尺度模型的去噪算法——CT-GSM。将 几何多尺度分析工具 Contourlet 变换用于自然图像的统计建模研究，并应用于自然 图像去噪技术。通过与传统基于小波变换和 Contourlet 变换的阈值算法对比表明， 该方法在细节及轮廓信息保持上均有改进，较好地改善了图像的视觉效果，提高 了峰值信噪比，是一种行之有效的方法。 本文还利用 Contourlet 变换系数中父子节点相关性，引入双变量概率分布模 型。通过双变量收缩函数，基于层内方差估计，得到局域自适应的图像去噪算法 ——CT-BivShrink，另外，通过循环平移策略为算法引入了平移不变性。实验结果 验证了本文方法的有效性，比较基于小波变换的双变量去噪方法，本文提出的 CT-BivShrink 方法能够完整地保留了图像信息，增强了图像的可视性，取得了较高 的峰值信噪比，同时能有效消除去噪后图像的伪吉布斯效应。 关键词：图像去噪 Contourlet 变换 系数建模 GSM BivShrink Abstract Recently, wavelets theory is widely used in image processing and coefficients modeling. Wavelet analysis can be used to effectively describe the signal with point singularities. However, for the signals with singularities distributed along various curves, curve surface and hyper-curve-surface in high dimensional space, wavelet analysis loses its advantages, but these characteristics are what we are most interested in. Therfore, wavelet transform is not the best describing method. In the last several years, a similar theory, multiscale geometry analysis possesses a better performance in detecting the singularities of the signal with straight line or curve in high dimensional space, and can be used to express signals with sparse coefficients. Based on the multiscale geometry analysis theory, we studied a multiscale geometry analysis tool contourlet transform, which can capture the anisotropic geometrical structures of real image efficiently. Because of its multiscale and multi-directional property, this paper presented the related coefficients modeling algorithms and applications in image denoising. The main work of the dissertation can be summ