基于contourlet变换的图像去噪方法研究-通信与信息系统专业论文.docxVIP

华北电力大学硕士学位论文 华北电力大学硕士学位论文 I I 摘 要 人类社会信息化时代已经来临，以前信息的形式比较单一，主要就是语音形式， 而现在信息形式多种多样：包括数据、视频、图像、文字等。据不完全统计，人类 通过图像获取外界信息量占从外界接受的信息总量约 70%。与此对应，在人类日常 生活各个方面中图像处理技术的作用逐渐变得越来越重要。然而，由于日常生活中 各种不利因素的困扰，人们取得的图像通常会受到不同程度的噪声污染。这些都要 求进一步发展图像去噪技术。 近年来小波理论发展迅速，应用领域越来越广泛。目前，在图像去噪中小波的 应用也慢慢多了起来。但由于常用的二维张量积小波方向选择性差，并且是各向同 性的，对于图像中点的奇异性它可以刻画出来，但对于图像的高维几何特性，例如 纹理和边缘，它难以进行描述。随着多尺度变换的发展，Contourlet 变换逐渐崭露 头角，它能进行多方向多尺度的分解，尤其擅长描述图像中的方向性纹理和轮廓等 信息，很好地克服了小波变换的缺点。本文主要工作如下： 介绍了 Contourlet 变换的基本理论，为后续描述和实验做好铺垫。描述了小波 阈值去噪方法和 Contourlet 阈值去噪方法的基本理论，重点描述了各自的软、硬阈 值去噪并用 matlab 做了仿真去噪实验，对比了各自的 PSNR 值和 MSE 值，结合图 像效果，初步分析了各自的优势和不足。针对所存在的不足，提出了基于多参数的 收缩函数，并通过实验验证该收缩函数在小波、Contourlet 阈值去噪中的效率和有 效性。最后阐述了分层阈值去噪方法的原理与实现方法，并将多参数收缩函数应用 到其中，进一步证明多参数收缩函数的有效性。 关键字：图像去噪；Contourlet 变换；收缩函数；分层阈值 II II Abstract As we enter the information age, the forms of information is no longer only speech, it evolves to include data, text, images, video and other multimedia forms. According to statistics, seventy percenet of the information people accept outside comes from pictures. The technology of image processing is becoming more and more important. However, the images obtained by people are always polluted, which recuries higher demands for image de-noising. In recent years,wavelet theory has been greatly developed and has been widely used in image denoising. However,as it’s isotropic and its directional selectivity is poor, it can only portray the singularity of an image midpoint, it can’t portray the high-dimensional geometry characteristics such as the texture and the edge. As a relatively new multi-scale transformation, the contourlet transform can achieve relolution in any direction at any scale,it has good performance at portray the contours and directional texture information of the picture, it can make up the lack of the wavelet. This paper’s main work is as follows: We will make a detailed introduction to the basic principles of contourlet transform, laying the foundation for the study of the subsequent de-n