curvee变换多尺度几何去噪方法.docxVIP

curvee变换多尺度几何去噪方法 运而生的图像 近年来，小波理论在数据处理中的应用得到了广泛应用，这主要是因为它的信号时间、频率范围的分析能力以及一维有界变差函数的最佳强迫接近性能，这主要是因为它的最佳频域分析能力。但遗憾的是,由一维小波所张成的可分离小波只具有有限的方向,无法最优表示含线奇异或者面奇异的高维函数。 为了克服这一局限性,多尺度几何分析应运而生,其代表就是脊波变换(Ridgelet Transform)和Curvelet变换。尤其对Curvelet变换而言,其基的支撑区间满足各向异性尺度关系(Anisotropy Scale Relation),可以很好地逼近图像中的奇异曲线。所以,Curvelet变换在图像的去噪,对比度增强以及边缘检测等领域得到了广泛的应用。图1表示用二维可分离小波和多尺度几何分析方法对图像中奇异曲线的逼近过程。 Starck等人将Curvelet变换应用于图像去噪中并取得了良好的效果,该方法虽然能有效地去除噪声,但往往会“过扼杀”Curvelet系数,导致在消除噪声的同时丢失了图像的部分细节,图像出现模糊。针对这种情况,我们对Starck等人的去噪算法进行了改进,通过窗口操作,自适应对Curvelet系数进行萎缩处理,即WindowShrink算法,提出了基于WindowShrink的Curvelet去噪法。 1 丘鹿变换 1.1 维脊波变换