抗混叠Curvelet变换非高斯双变量模型图像降噪

提出了一种基于非高斯双变量模型复数Curvelet变换的图像降噪新方法。采用具有近似移不变性的复数小波变换代替原Curvelet变换中的小波变换,并用改进的Radon变换避免了原Radon变换中一维傅里叶反变换在频域中采样不足的缺陷,从而保证了新的复数Curvelet变换具有抗混叠性能。充分利用信号系数层间相关性强而噪声系数层间相关性弱的特点,采用非高斯双变量对复数Curvelet变换域系数进行建模,并通过BayesianMAP估计器对信号系数进行估计,从而实现降噪目的。实验结果表明,本文去噪法得到的峰值信噪比(PSNR)分别比传统Curvelet去噪法和Curve-let域HMT去噪法平均提高2.9dB和1.5dB,且能避免重构图像中出现"划痕"和"嵌入污点",在有效去噪的同时,可较好地保护图像边缘和细节。