phantom_denoising去噪

资 源 简 介

phantom_denoising去噪

详 情 说 明

phantom_denoising是一种结合压缩感知（CS）与多尺度变换的图像去噪方法。其核心思路是通过两种不同的变换域——非下采样轮廓波变换（NSCT）和不可分离小波变换（UWT），对含噪信号进行稀疏表示和重构优化。

在CS+UWT去噪中，首先利用不可分离小波变换将图像分解到多尺度空间，再通过压缩感知理论对高频噪声系数进行阈值处理，保留有效信号成分。这种方法对小波基的选择敏感，适合处理具有局部特征的噪声。

CS+NSCT去噪则采用非下采样轮廓波变换，其优势在于方向选择性更强，能更精确地捕捉图像边缘和纹理信息。通过自适应阈值和稀疏优化，可在去除噪声的同时更好地保留细节。

两种方法均遵循“分解-阈值处理-重构”的流程，但NSCT版本在复杂纹理图像中表现更优，而UWT版本计算效率更高。实际应用中需权衡计算成本和去噪精度需求。