研究发现, 图像经过Contourlet变换之后, 其变换系数在尺度内和尺度间都表现出很强的相关特性。基于此, 首先根据Contourlet系数在同一尺度内的邻域相关特性, 构造得到一个自适应阈值, 然后在采用阈值法进行自适应阈值去噪的同时, 利用Contourlet系数在相邻尺度间的相关性对系数进行进一步的取舍, 从而提出一种新的基于Contourlet变换系数特性的自适应阈值图像去噪算法。该算法不仅可以有效去除噪声, 而且可以很好地保留图像边缘信息。实验结果表明, 在相同条件下该算法的主客观

针对Contourlet 变换子带系数相关的特性，对图像去噪的阈值进行了研究，提出了一种新的自适应阈值图像去噪算法。该方法首先对噪声图像进行Contourlet变换，得到不同尺度、不同方向上的子带系数，再根据子带系数的能量关系采用改进的Bayes Shrink自适应阈值对图像进行去噪处理。实验结果表明：这种方法提高了图像的PSNR值，增强了去噪后图像的视觉效果，而且更好地保留了图像的边缘信息。