元树复杂的波变换成脊波去图像去噪。实验结果在第3节。第4节是最后得出的结论和未来需要做的工作。
2用复杂脊波图像去噪
离散脊波变换提供接近理想的稀松代表光滑的物体边缘。高斯去噪是一个接近最优的方法。脊波变换能够压缩图像能量成为少量的脊波系数。在另一方面利用小波变换产生的多大的小波系数对每个尺度边缘二维小
f波分解。这句话的意思是说许多小波系数进行重构在图像的边缘。我们知道近似氡转化为数字数据可以基于离散傅立叶变换。普通的脊波变换即可达到如下：12值。34计算一维逆FFT每一个角的线。执行一维标量小波对角线结果，获取脊波系数。计算出二维FFT的图像。替补的采样傅里叶广域上变换得到晶格和极性格的采样
众所周知，普通的离散小波变换在变换期间是不移位和不转变的。输入信号的一个小小的改变能够引起输出小波系数很大的变化。为了克服这个问题，Ki
gsbury发明了一种新型的小波变换，叫做二元树复杂小波变换，它能够转移性能和提高近似角分辨率不变。由于标量波不是转移不变的，在脊波变换中就更好的应用二元树复杂小波变换这样我们就可以叫我们的复杂脊波。这样可以通过取代一维标量小波的一维二元树复杂小波在最后一步进行脊波变换。用这种方法我们可以优秀品质的脊波变换用来替换二元树发杂脊波。这个复杂的脊波变换可以应用到整体图像，或者我们可以应用到分割图像大量重叠的平方或者在每一平方上运用脊波变换。我们分解一组
的影像重叠顺利进入边长R的象素是重叠的是两个相邻长方形的数组大小为R2R两者之间重叠的相邻区域就是一个长方形的大小RR2。对于一个
的图像，我们能够计数2
R对于不同方向的模块，这个分区就引入了4倍的冗余。为了得到降噪的复杂脊波系数我们通常在当前象素地位对降噪的复杂脊波系数进行平均4份。复杂的脊波变换阈值类似于曲波阈值。当我们求阈值时一个不同是我们采取的是复杂的脊波系数。当yλ是带噪的脊波系数。我们使用下列硬阈值规则估算未知的脊波系
f数。当│yλ┃kσ我们令λλ否则y_0在这里，σ是通过用蒙特卡罗模拟接近。采用的系数k是依赖于噪声系数。当这个小于30时，我们用k5首先分解尺度和k4分解其他尺度。当这个噪音系数大于30时，我们用k6首次分解尺度和k5分解其他尺度。这个复杂的脊波去噪算法能够被描述如下：
1
图像分割成RR块，两个垂直相邻的R2R重叠，两个水
平象素块RR2重叠。
2
对于每一块，应用所提出的复r