基于非下采样Contourlet变换的图像自适应阈值去噪算法

摘要

利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑非下采样Contourlet变换域内相邻尺度间和同一尺度、不同方向间图像系数和噪声系数之间不同的相关性,根据子带含有信息量的多少,自适应地调节BayesShrink阈值大小,不仅使弱的边缘细节被从噪声中提选了出来,而且避免了将较大的噪声系数判定为图像细节的错误.实验结果表明,该算法克服了恢复图像中的伪Gibbs失真,实现了信号和噪声的有效分离,在去除噪声的同时尽可能多地保留了图像的边缘细节,提高了恢复图像的PSNR值.

关键词

非下采样Contourlet变换 / 广义高斯分布 / Bayes Shrink / 相关性