基于Contourlet变换和残差分析的各向异性扩散去噪方法

方庆欢

摘要：利用concoudet变换分解图像获得系数矩阵，对系数矩阵进行不同程度的各向异性扩散，经contoudet逆变换实现图像重构，最后采用残差分析对图像进行处理。实验表明，该方法能够有效地抑制图像噪声，同时保留了图像的结构信息。

关键词：各向异性扩散;Contourlet变换;残差分析

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2020）05-0124-01

0引言

提高图像的质量需要性能好的去噪方法，大部分去噪算法都能够有效的抑制噪声，但会丢失图像的纹理和细节。现有的基于空间域的去噪方法包括偏微分方程、变分法、均值滤波等。偏微分方程和变分法是求解偏微分方程问题或泛函极小化问题，其缺点是对于高程度噪声图像易丢失细小边缘和纹理信息。基于频域的去噪方法包括傅里叶变换、小波变换、Contourlet变换，采用有阈关值的算法进行图像去噪，最后通过逆变换得到去噪图像。本文针对各向异性扩散的缺点，结合Contourlet变换和残差分析提出新方法。

1各向异性扩散去噪方法

传统的各向异性扩散模型去噪效果良好，其基本思想就是根据原始图像的内容采取不同的平滑策略，利用图像的梯度信息来检测边缘区域和平坦区域，根据不同的区域实现不同程度的扩散，表达式如下：

2残差分析

文献[2]的方法可以很好地保留原图像结构信息，即方法噪声（Method Noise），又被称为残差分析，是表示噪声图像被滤波算法去除的部分。经性能优异的滤波算法处理后，方法噪声中不会出现任何图像结构信息。……