基于Wedgelet与复小波变换的综合图像去噪系统

资 源 简 介

本系统是一个集成多尺度几何分析与复小波理论的高级图像去噪平台。项目核心在于融合了Wedgelet变换与双树复小波变换（DT-CWT）的优势，通过wdt-cwtdenoise主函数协调运行。系统通过调用DT_CWTdenoise核心函数实现复小波域内的去噪处理。在实现过程中，系统深度依赖于wedgelet工具包和wavelet802工具包，通过afb、afb2D、afb3D等分析滤波器组进行多维信号分解。利用AntonB、cplxdual2D、dualtree2D等函数实现复小波的近似平移不变性和方向选择性。为了确保边界处理的准确性，系统采用了symextend进行对称扩展，并通过cshift2D处理循环移位。在系数处理阶段，通过unnormcoef、reversecoef、dtcwtcoef及gencoef等一系列专业函数对小波系数进行归一化、逆转换及生成操作。该项目特别适用于需要高边缘保留特性的图像处理场景，能够有效抑制伪影并提升图像质量。

详 情 说 明

基于Wedgelet与复小波变换的综合图像去噪系统

本系统是一个集成多尺度几何分析与复小波理论的高级图像处理平台，专门针对具有复杂几何特征和边缘信息的图像设计。通过结合双树复小波变换（DT-CWT）的平移近似不变性与Wedgelet变换的边缘建模能力，系统能够有效抑制高斯白噪声，同时保留图像的锐利边缘，克服了传统小波去噪容易产生的振铃效应和伪影问题。

功能特性

1. 双树复小波去噪：利用两棵并行的实小波树实现复数域分解，提供良好的方向选择性（支持±15°, ±45°, ±75°六个方向）和近似平移不变性。

1. Wedgelet边缘精细化：在复小波去噪的基础上，通过分块对图像边缘进行几何近似建模，进一步增强边缘的对比度并平滑非边缘区域。

1. 自适应阈值处理：系统在复小波域内采用基于模值的软阈值收缩算法，通过计算复系数的幅值动态调整增益。

1. 综合性能评估：内置PSNR（峰值信噪比）自动计算模块，可量化评价含噪图像与去噪图像的质量提升情况。

1. 结果可视化：提供原始图像、含噪图像、去噪图像的三栏对比视图，并支持多尺度分解系数的矩阵模值可视化呈现。

逻辑实现流程

该系统的运行逻辑分为以下六个核心阶段：

参数初始化阶段 系统首先配置去噪环境，包括设定噪声统计特性（Sigma值）、设置四层（Level 4）多尺度分解结构、指定Farras分析滤波器组以及设定Wedgelet处理的块大小（4x4像素）。

测试环境构建阶段 系统动态生成一张256x256像素的合成图像，该图像融合了棋盘格纹理与圆形几何特征，旨在测试算法对直线边缘和曲线边缘的保持能力。随后向原图注入指定强度的加性高斯白噪声。

多尺度复小波分解阶段 系统对图像进行对称扩展以消除边界效应。通过两级滤波器组（FSfarras和Farras）执行二维双树分解。该过程将信号分解为多个尺度的低频分量和由三对复杂系数组成的高频分量，分别对应水平、垂直及对角线方向的细分。

复数域系数处理阶段 针对每一层分量的六个方向，系统计算复系数的模值。利用预设的阈值对模值执行软收缩处理，通过调整增益因子保留有效信息并抑制噪声分量，最后执行逆双树变换重构初步去噪图像。

Wedgelet几何重构阶段 系统对初步去噪后的图像进行4x4步长的滑动窗口扫描。在每个分块内，计算局部梯度方向。若分块标准差超过噪声阈值，则视为含边缘块，执行方向性平滑操作：根据计算出的梯度角度进行二值投影划分，并对划分后的两部分分别取均值重构，实现边缘的几何拟合。

性能统计与展示阶段 系统对重构后的图像进行裁剪以移除边缘扩展的影响，计算并输出去噪前后的PSNR值，最后生成对比图表和多尺度系数视图。

关键算法分析

分析与综合滤波器组 系统实现了Farras正交滤波器组，用于执行单尺度的一维和二维滤波。通过在不同树之间交替使用不同的滤波器组，确保了两棵树之间的半像素偏移，从而获得复小波的近似平移不变性。

二维双树前向/逆变换 采用递归结构实现。在分解过程中，每一层都会生成垂直、水平和对角线三个方向的实部与虚部系数。逆变换时，系统将两棵树的结果进行均值融合，以抵消走样误差。

局部梯度导向的Wedgelet近似 系统并非采用耗时的全空间Wedgelet搜索，而是利用梯度分析辅助。通过计算块内像素的方位角（Theta），利用投影机制将块划分为两个几何区域。这种方法有效地模拟了Wedgelet对图像中阶跃边缘的表示，增强了边界的视觉清晰度。

对称边界扩展 为了防止小波变换在图像边缘产生突变，系统在分解前调用对称扩展函数，根据分解深度扩展图像边界，确保滤波窗口在边缘处有连续的信号支持。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 基础工具箱：需支持信号处理工具箱（Signal Processing Toolbox）的基本运算，核心滤波器逻辑已内置。
3. 硬件建议：标准台式机或笔记本电脑即可稳定运行，由于算法包含块遍历逻辑，较大的图像可能需要更多处理时间。

使用方法

1. 启动环境：打开MATLAB软件。
2. 运行系统：直接运行主函数。
3. 调整参数：若需处理不同强度的噪声，可修改参数设置中的噪声强度设置；若需改变运算精度，可调整分解层数。
4. 查看结果：系统将自动弹出两个图形窗口，分别展示处理效果对比图及各层级的变换系数矩阵图。