基于Curvelet变换和全变差的图像去噪方法

Curvelet变换用于图像去噪可以较好地保留图像的细节信息,但在边缘处会产生"划痕"现象。采用全变差法进行去噪能保持边缘形状不变,但也会丢失图像的纹理等细节信息。为了充分利用两种方法的优点,将Curvelet变换和全变差相结合提出了一种有效的图像去噪方法。首先,对含噪图像分别进行Curvelet阈值去噪和全变差去噪。然后,将两幅去噪图像进行Curvelet融合,对于低频系数和高频系数分别采用加权平均和绝对值取大的融合算法。最后,将融合后的低频系数和各尺度高频系数进行Curvelet反变换得到融合后的去噪图像。实验表明,该方法能有效地降低图像噪声,又尽可能地保留图像的细节,其去噪效果明显优于单一Curvelet阈值法和全变差法。