Curvelet与Ridgelet变换信号处理工具箱源码

资 源 简 介

本项目开发了一套基于MATLAB的高级信号处理工具箱，专门用于实现和应用Curvelet变换（曲波变换）与Ridgelet变换（脊波变换）。该工具箱旨在克服传统小波变换在处理多维信号中线奇异性和面奇异性（如图像边缘、轮廓）时的各向同性缺陷。主要功能内容包括：1. Ridgelet变换实现：提供了有限脊波变换（Finite Ridgelet Transform, FRIT）的完整源代码，包括正变换与逆变换算法，利用Radon变换将直线特征映射为点特征处理，适用于具有直线边缘的图像分析。2. Curvelet变换实现：重点集成了第二代快速离散Curvelet变换（Fast Discrete Curvelet Transform, FDCT），提供了基于非均匀快速傅里叶变换（USFFT）和基于缠绕（Wrapping）算法的两种高效数值实现，能够以最优的非线性逼近率表示图像中的平滑曲线边缘。3. 信号与图像处理应用：内置了基于硬/软阈值的图像去噪、边缘增强、纹理分析及压缩传感重构的演示脚本，验证了算法在低信噪比环境下的鲁棒性。4. 可视化与评估：包含用于展示多尺度、多方向基函数及变换系数分布的可视化工具，以及计算峰值信噪比（PSNR）和结构相似性（SSIM）的质量评估模块。

详 情 说 明

MATLAB信号处理工具箱：Curvelet与Ridgelet变换源码

项目介绍

本项目开发了一套基于MATLAB的高级信号处理工具箱，专注于实现和演示 Curvelet变换（曲波变换） 与 Ridgelet变换（脊波变换） 。该项目旨在解决传统小波变换在处理图像中的线奇异性和面奇异性（如平滑曲线边缘、直线轮廓）时的不足。

本项目不依赖第三方大型复杂的变换库，而是通过原生MATLAB代码实现了核心变换算法，适合用于理解多尺度几何分析（Multiscale Geometric Analysis）的底层原理，并验证其在低信噪比环境下的图像去噪能力。

主要功能特性

1. 脊波变换 (Ridgelet Transform)

• 核心原理：结合 Radon 变换与一维小波变换。
• 实现方式：利用 Radon 变换将二维图像中的直线奇异性映射为 Radon 域的点奇异性，随后对投影数据进行一维小波处理。
• 小波基：内置了手工实现的 Haar 小波分解与重构算法。
• 应用场景：特别适用于处理具有明显直线特征的纹理或边缘。

2. 曲波变换 (Curvelet Transform)

• 核心原理：基于频域的各向异性几何分析。
• 实现方式：采用简化的快速离散 Curvelet 变换 (FDCT) 思想。通过在频域构建径向（尺度）和角向（方向）的楔形掩膜（Wedge Masks）来分割频谱。
• 特性：实现了多尺度、多方向的分解，并引入高斯平滑掩膜以减少频域截断带来的吉布斯振铃效应。

3. 图像去噪与增强

• 提供了基于硬阈值（Hard Thresholding）的去噪演示。
• Ridgelet 去噪：在 Radon-Wavelet 域进行阈值处理。
• Curvelet 去噪：在频域楔形分块系数上进行自适应阈值处理，不仅保留了低频结构，还有效去除了高频噪声。

4. 数据生成与评估

• 合成数据生成：内置测试图像生成器，可创建包含直线、圆形和带状纹理的混合几何图像，专门用于对比两种变换的特性。
• 评价指标：计算峰值信噪比 (PSNR) 和结构相似性 (SSIM) 以量化重建质量。
• 可视化：提供去噪效果对比图及 Curvelet 变换系数的分布图。

系统要求

• MATLAB R2016b 或更高版本
• Image Processing Toolbox (必须，用于 radon, iradon, fspecial, imfilter 等函数)

使用方法

直接运行 main.m 脚本即可启动演示流程。脚本将自动执行以下步骤：

1. 初始化环境并生成含噪测试图像。
2. 执行 Ridgelet 变换去噪流程。
3. 执行 Curvelet 变换去噪流程。
4. 在控制台输出 PSNR 和 SSIM 评估结果。
5. 弹出图形窗口展示对比结果及变换系数。

核心算法与实现逻辑详解

1. 主程序流程 (main)

程序首先生成一张 256x256 的合成图像，包含直线和圆形结构，模拟多维信号中的不同奇异性特征。随后添加高斯白噪声 ($sigma=20$)。

• Ridgelet 处理流：调用 ridgelet_transform -> 计算阈值 (3倍中值) -> 阈值截断 -> 调用 iridgelet_transform 重构。
• Curvelet 处理流：设置4个尺度和16个方向 -> 调用 fdct_wrapping_simple -> 对高频尺度系数进行阈值处理 (低频保持不变) -> 调用 ifdct_wrapping_simple 重构。
• 结果展示：绘制四子图（原图、噪图、Ridgelet结果、Curvelet结果）并显示量化指标。

2. Ridgelet 变换模块

• 正变换 (ridgelet_transform)：

1. 对图像进行 0 到 179 度的 Radon 变换，得到正弦图 (Sinogram)。 2. 对正弦图的每一列（即每个角度的投影）执行一维 Haar 小波三级分解 (my_dwt_haar)。

• 逆变换 (iridgelet_transform)：

1. 对处理后的系数执行一维 Haar 小波重构 (my_idwt_haar)。 2. 利用滤波反投影算法 (Filtered Back-Projection) iradon 将数据从 Radon 域还原回图像域。

• 自定义小波 (my_dwt_haar / my_idwt_haar)：

* 不依赖 MATLAB Wavelet Toolbox，而是手动构建 Haar 滤波器组（低通 [1 1]，高通 [1 -1]）并利用卷积 (conv) 和下采样/上采样实现离散小波变换。

3. Curvelet 变换模块 (频域平铺实现)

代码实现了一种基于频域楔形平铺（Frequency Wedge Tiling）的简化版 FDCT。

• 正变换 (fdct_wrapping_simple)：

1. 频域中心化：对图像进行 2D FFT 并移位。 2. 极坐标网格：构建频域的极坐标系 $(R, theta)$。 3. 多尺度分割：利用同心圆环将频率分为低频（Core）和不同层级的高频带。 4. 多方向分割：在每个高频尺度上，利用角度切分将圆环细分为楔形块。 5. 掩膜平滑：使用 my_smooth_mask 对二值化的楔形掩膜进行高斯模糊，以防止硬截断导致的强烈的时域振铃。 6. 系数提取：将原始频谱与楔形掩膜相乘，通过 IFFT 变换回空域得到各尺度、各方向的 Curvelet 系数。

• 逆变换 (ifdct_wrapping_simple)：

1. 将处理后的系数变换回频域。 2. 利用对应的掩膜将各分量累加。 3. 加权校正：计算所有掩膜的能量和 (W_sum)，对累加后的频谱进行归一化，以消除掩膜重叠带来的幅值失真。 4. 最后执行 IFFT 得到重构图像。

4. 辅助工具

• 阈值函数 (simple_hard_threshold)：实现标准的硬阈值逻辑，将绝对值小于阈值的系数置零。
• 生成测试图 (generate_test_image)：使用网格坐标生成包含实心圆（测试曲线适应性）、矩形块和倾斜直线（测试直线适应性）的灰度图像。
• PSNR计算：基于均方误差 (MSE) 计算峰值信噪比。

代码结构分析

• main.m: 唯一的主脚本，包含所有逻辑。

* Main Function: 负责流程控制、参数定义和可视化。 * Local Functions: 所有的变换算法和辅助函数均作为局部函数（Local Functions）定义在脚本下方，实现了代码的封装和单文件独立运行能力。