敬学热您与率用
应用研究
基于自适应shearlet域约束下的图像去噪研究
王丰斌1杨珂巍2
(1.信阳农林学院河南信阳464000;2.信阳广据电视大学河南信阳464000)
摘要着计算机工程学科研究及其相关技水的不断发展,各实践领域发生着翻天覆地的变化。充其在当今信息大爆炸的时代,诸多工作的究成部依赖信息传输，国此，信息传输效累加何则直接影响到整个信息传通过程能否顺利完成。从现实来盾，信息工程的实践应用领域十分广泛，其效能突显。在研究中发现,图像信息在获取及其传输时难免受到噪声的影响,因此,在实际操作中,要尽可能采取有效措施来避免噪声对图像的干抗。本文就基于自遗应shearlet域约束下的图像去噪的相关内容进符阐述,探究其中的奥秘及其对实践领或的影响
关键词：自遗应shearlet城药求图像去噪
中图分类号：TN919.73
文献标识码：A
文章编号:1007-9416(2014)08-0063-02
经长期专业化的研究，科研人员对于图像去噪的研究不断深入，且取得了有益的科研成果，并将其应用于实践过程当中，其效能显著，在这种情形之下，在实际的研究工作中，建立了一种基于自适应shearlet域约束下的图像去噪模型。结果表明，基于自适应shearlet 域约束下的图像去噪算法的运用能够在一定程度上削弱图像边缘
模糊的现象，从面令图像信息的呈现效果更佳。 1图像去噪概述
为了更高效地去除所获取到的信息图像噪声，令图像边缘的细节部位更为清晰的呈现出来，则采取了诸多图像去噪的方法，经实践可知，每种图像去噪方式都存在一定的局限性，这也是技术革新所难以避免的问题。因此，在研究过程中，需要本着令图像去噪效果更佳的原则，不断探究新型去噪策略，以使于更好地为实践领域服务。
(A)原图
(C)ROF
(B)含噪图
(D)Prob Shrink
(F)BLS-GSM
(E)SURE
(G)自适应shearlet域去噪效果
图1噪声均方差为40时的图像局部处理结果比对示意图收移日期：2014-08-06
基金项目：信阳农林学院青年教师科研基金项目，项目编号：201201004
1.1图像边缘模糊的原因分析
噪声是图像干扰的重要因素，在传统非线性扩散图像去噪方法的基础上，所获取到图像的边像较为模糊，这类图像获取的意义不大，因此，需要通过更高级的图像处理方式将其进行改善，从而令图像更为清晰，实际上，图像边缘模糊的情况多是由于在获取图像的同时外围环境中存在的噪音所致。经科学研究发现，噪声对于图像信息的传输有着一定的干扰性"。从总体来看，图像边缘模糊的主要原因主要就是由于外围噪声的存在所导致的。
1.2图像去噪的方法综述
既然图像在获取和传输过程中不可避免地会受到噪声的影响，因此，在实际操作过程中，人们采取有效措施来减少图像中的噪声，则对后续图像处理及实践起着至关重要的作用，现阶段，经过一段时期的研究，已有许多图像去噪手段，其效果各异，例如：基于计算调和分析的去噪法等等，各种图像去噪方法的能效不尽相同，而且，不同环境下所采用的合理化图像去噪方法也有所差异。
2基于自适应shearlet域约束下的图像去噪方法的提出及其效果分析
通过自适应闽值收缩shearlet系数，保留图像纹理与边缘空间，利用全变差极小化平滑空闻，建立全变差正则化的能量泛函去噪模型。该模型的构建能够呈现出此种围像去噪方法的优势。实验结果表明，该算法能在减少图像噪声的同时，保留图像边缘信息，尤其是针对含有丰富纹理结构的图像的去噪处理，其性能更佳。
2.1自适应shearlet域约束下的图像去噪方法的提出
(1)自适应shearlet域约束下的图像去噪方法的研究背录；近儿年来，有一系列新的多尺度儿何变换方法被研究出来，在实践中也取得了实质性的成果。在种种理论研究之中，非线性扩散滤波是种较为复杂的图像处理方式，实现了平滑去噪的目标，后期，人们对于图像去噪方法的探究，都基于此。(2)针对shearlet变换及其相关内容的研究；从以往的研究资料中可以看到，shearlet变换不仅具有与曲线波相类似的非线性通近性能。Shearlet变换去噪策略可以实现图像的进一步稀疏分解，从面令图像的构造变换更为灵活，以便于在具体的应用过程中对图像进行适当的调整
2.2基于自适应shearlet成约求下的图像去噪的效果分析通过构建基于自适应shearlet域约束下的图像去噪模型可以清
楚的了解到，传统的计算方法的去噪性能存在一定的局限性，然面，利用系数间的相关性，实现自适应图像去噪的效果更佳。由此可见，基于自适应shearlet域约束下的图像去噪性能有了进一步的提升，
··下转第66页
作者简介：王丰斌(1981一),男，山东潍坊人,硕士,讲师,研究方向：数字图像处理与模式识列,人工智能，