基于Curvelet的图像去噪方法

本 科 毕 业 论 文 （设 计 ）题目：基于 Curvelet 的图像去噪方法学生姓名 胡玥 学 号 2008118074 指导教师 贺小伟 院 系 信息科学与技术学院 专 业 电子信息工程 年 级 2008 级 教务处制二一二年五月诚信声明本人郑重声明：本人所呈交的毕业论文（设计） ，是在导师的指导下独立进行研究所取得的成果。毕业论文（设计）中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或在网上发表的论文。特此声明。论文作者签名： 日 期： 年 月 日摘 要将 Curvelet 变换应用于图像去噪能够较好地保留图像的纹理等细节信息，但是 Curvelet 变换中的阈值去噪会产生振铃、Gibbs 伪影和边缘模糊等视觉失真。为了避免这种视觉失真，在 Curvelet 变换去噪方法的基础上将其与另一种去噪方法全变差方法(Total Variation)结合起来。利用全变差方法可以保持边缘的特点来改进 Curvelet 变换去噪方法的效果。该方法先对含噪图像分别进行 Curvelet 阈值去噪和全变差去噪，然后将得到的两幅去噪图像进行 Curvelet 融合。最后对各部分做 Curvelet 逆变换得到最终的去噪图像。MATLAB 仿真实验显示，这种方法在有效地降低噪声的同时，较好地保持了边缘和图像细节信息，并且其效果要好于 Curvelet 变换阈值法和全变差方法这两种单一去噪方法。关键词：图像去噪； Curvelet 变换； 全变差； 图像融合AbstractCurvelet transform denoising method is better to retain the image details as grain, but Curvelet transform hard threshold denoising caused ringing,Gibbs artifacts and blurred edges.In order to avoid these kind of visual distortion, we combined the Curvelet transform method with another denoising method,the Total Variation method,on the basis of the Curvelet transform method.Because Total Variation can keep the edge features to improve the denoising.firstly,the image is denoised by Curvelet threshold method and Total Variation method.Then fuse these two denoised images with Curvelet transform. Finally,each part of the fusion use Curvelet inverse transform to get the final denoised image. MATLAB experiments showed this method can effectively reduce noise and better to keep the edges and image information, the effect is better than the the Curvelet threshold value method and total variation method，these two single denoising method.Keywords：Image denoising; Curvelet transform; Total Variation; Image fusion目 录1 引言 .11.1 研究背景和意义 .11.2 本文工作 .12 Cuevelet变换去噪方法 .22.1 建立含噪图像模型 .22.2 Curvelet 变换去噪方法分析 .22.2.1 Curvelet 变换去噪方法的步骤 .22.2.2 Curvelet 变换去噪方法的优缺点 .33 全变差去噪方法 .33.1 全变差去噪方法分析 .33.2 全变差去噪方法的优缺点 .44 Curvelet变换和全变差相结合的图像去噪方法 .44.1 图像融合 .44.2 Curvelet变换应用于图像融合的优