基于Contourlet变换阈值选取的算法研究

针对CT图像在生成或传输时容易受到噪声影响这一难题，提出了基于Contourlet变换结合PCA阈值的去噪方法。 首先，对噪声图像进行Contourlet变换。然后，对DFB方向滤波后得到的Contourlet系数进行PCA阈值及硬阈值函数去噪。最后，对去噪后的Contourlet系数进行Contourlet逆变换，得到去噪图像。通过对图像添加噪声并与Contourlet结合六种不同阈值去噪方法进行对比，采用PSNR评估去噪优劣。结果表明：贝叶斯阈值方法PSNR值最高PSNR=94.88 dB，然后是PCA阈值PSNR=83.02 dB，最后依次是配套改进阈值PSNR=73.97 dB、3σ阈值PSNR=73.27 dB、统一阈值PSNR=72.33 dB、通用阈值PSNR=71.50 dB。PCA阈值去噪结果整体平滑性较好，视觉效果较好；贝叶斯阈值去噪结果整体平滑性较差，视觉效果不佳。通过将Contourlet 变换框架取代传统小波变换框架并结合PCA 阈值应用在图像去噪中，不仅信噪比有所提高，而且图像视觉效果也明显改善。

Research on Threshold Selection Based on Contourlet Transform