基于自適應shearlet域約束下的圖像去噪研究

王豐斌++楊坷巍

摘要：隨著計算機工程學科研究及其相關技術的不斷發(fā)展，各實踐領域發(fā)生著翻天覆地的變化。尤其在當今信息大爆炸的時代，諸多工作的完成都依賴信息傳輸，因此，信息傳輸效果如何則直接影響到整個信息傳遞過程能否順利完成。從現(xiàn)實來看，信息工程的實踐應用領域十分廣泛，其效能突顯。在研究中發(fā)現(xiàn)，圖像信息在獲取及其傳輸時難免受到噪聲的影響，因此，在實際操作中，要盡可能采取有效措施來避免噪聲對圖像的干擾。本文就基于自適應shearlet域約束下的圖像去噪的相關內容進行闡述，探究其中的奧秘及其對實踐領域的影響。

關鍵詞：自適應shearlet域 約束 圖像去噪

中圖分類號：TN919.73 文獻標識碼：A 文章編號：1007-9416（2014）08-0063-02

經(jīng)長期專業(yè)化的研究，科研人員對于圖像去噪的研究不斷深入，且取得了有益的科研成果，并將其應用于實踐過程當中，其效能顯著。在這種情形之下，在實際的研究工作中，建立了一種基于自適應shearlet域約束下的圖像去噪模型。結果表明，基于自適應shearlet域約束下的圖像去噪算法的運用能夠在一定程度上削弱圖像邊緣模糊的現(xiàn)象，從而令圖像信息的呈現(xiàn)效果更佳。

1 圖像去噪概述

為了更高效地去除所獲取到的信息圖像噪聲，令圖像邊緣的細節(jié)部位更為清晰的呈現(xiàn)出來，則采取了諸多圖像去噪的方法，經(jīng)實踐可知，每種圖像去噪方式都存在一定的局限性，這也是技術革新所難以避免的問題。因此，在研究過程中，需要本著令圖像去噪效果更佳的原則，不斷探究新型去噪策略，以便于更好地為實踐領域服務。

1.1 圖像邊緣模糊的原因分析

噪聲是圖像干擾的重要因素，在傳統(tǒng)非線性擴散圖像去噪方法的基礎上，所獲取到圖像的邊緣較為模糊，這類圖像獲取的意義不大，因此，需要通過更高級的圖像處理方式將其進行改善，從而令圖像更為清晰。實際上，圖像邊緣模糊的情況多是由于在獲取圖像的同時外圍環(huán)境中存在的噪音所致。經(jīng)科學研究發(fā)現(xiàn)，噪聲對于圖像信息的傳輸有著一定的干擾性[1]。從總體來看，圖像邊緣模糊的主要原因主要就是由于外圍噪聲的存在所導致的。

1.2 圖像去噪的方法綜述

既然圖像在獲取和傳輸過程中不可避免地會受到噪聲的影響，因此，在實際操作過程中，人們采取有效措施來減少圖像中的噪聲，則對后續(xù)圖像處理及實踐起著至關重要的作用?，F(xiàn)階段，經(jīng)過一段時期的研究，已有許多圖像去噪手段，其效果各異，例如：基于計算調和分析的去噪法等等，各種圖像去噪方法的能效不盡相同，而且，不同環(huán)境下所采用的合理化圖像去噪方法也有所差異。

2 基于自適應shearlet域約束下的圖像去噪方法的提出及其效果分析

通過自適應閾值收縮shearlet系數(shù)，保留圖像紋理與邊緣空間，利用全變差極小化平滑空間，建立全變差正則化的能量泛函去噪模型。該模型的構建能夠呈現(xiàn)出此種圖像去噪方法的優(yōu)勢。實驗結果表明，該算法能在減少圖像噪聲的同時，保留圖像邊緣信息，尤其是針對含有豐富紋理結構的圖像的去噪處理，其性能更佳。

2.1 自適應shearlet域約束下的圖像去噪方法的提出

（1）自適應shearlet域約束下的圖像去噪方法的研究背景；近幾年來，有一系列新的多尺度幾何變換方法被研究出來，在實踐中也取得了實質性的成果。在種種理論研究之中，非線性擴散濾波是一種較為復雜的圖像處理方式，實現(xiàn)了平滑去噪的目標。后期，人們對于圖像去噪方法的探究，都基于此。（2）針對shearlet變換及其相關內容的研究；從以往的研究資料中可以看到，shearlet變換不僅具有與曲線波相類似的非線性逼近性能。Shearlet變換去噪策略可以實現(xiàn)圖像的進一步稀疏分解，從而令圖像的構造變換更為靈活，以便于在具體的應用過程中對圖像進行適當?shù)恼{整。

2.2 基于自適應shearlet域約束下的圖像去噪的效果分析

通過構建基于自適應shearlet域約束下的圖像去噪模型可以清楚的了解到，傳統(tǒng)的計算方法的去噪性能存在一定的局限性，然而，利用系數(shù)間的相關性，實現(xiàn)自適應圖像去噪的效果更佳。由此可見，基于自適應shearlet域約束下的圖像去噪性能有了進一步的提升。

（1）基于自適應shearlet域約束下的圖像去噪模型的構建；在之前的研究過程中可以了解到，shearlet變換是一種傳承了曲線波優(yōu)勢的多尺度幾何分析工具，而且，對于二維圖像的成像而言，shearlet域約束下的圖像去噪方式的去噪效果極為明顯。

從具體來看，基于自適應shearlet域約束下的圖像去噪模型的構建過程較為復雜，就從其計算過程著手來分析，首先，要運用恰當?shù)挠嬎隳Ｊ絹頊p少震蕩，并且要盡可能控制度量觀測圖像與理想圖像的呈現(xiàn)在同一水平；接下來將含噪圖像進行shearlet變換；最后，結合新的全變差模型對重構圖像進行去噪處理，直至獲得最終的去噪圖像。實際上，構建ROF模型來表述圖像去噪的方法存在一定的局限性，因此，要采取更為有效的方法來應對去噪后正常紋理消失的狀況，如若在去噪的過程中將圖像的紋理也清除掉則就有悖于初衷。為了使圖像的顯示更為精準，在建模的過程中，采取了自適應shearlet域約束的極小化變分圖像進行去噪。這一模型的構建，在一定程度上解決了圖像紋理缺失的問題，從而在圖像去噪的同時保證了圖像信息的準確性。

（2）自適應shearlet域約束下的圖像去噪方法的研究結果呈現(xiàn)；在進行模型構建及實驗的過程中，采用的是512*512像素的灰度圖像作為測試圖，所加噪聲為均值為零的不同強度下的白噪聲。經(jīng)去對比實驗模式下的噪處理后，結果表明：通過小波去噪后的shearlet變換去噪效果不及基于自適應shearlet域約束下的圖像去噪效果明顯（圖像處理情況如圖1所示）。由此可見，在目前的技術水平之下，自適應shearlet域約束下的圖像去噪方法具備一定的效能，值得在實踐過程中進行推廣實施。

總之，通過分析自適應shearlet域約束下的圖像去噪模型的研發(fā)背景，以及在該模型下圖像去噪的效果分析，對自適應shearlet域約束下的圖像去噪方法有了進一步的了解?；诖?，圖像去噪算法的實際應用能效更為突出，這與shearlet系數(shù)相關性的存在也有著千絲萬縷的聯(lián)系。從以往的研究經(jīng)驗可知，shearlet變換的數(shù)字分解包括多尺度剖分及多方向分解這兩項。在實驗操作的過程中，通過對大量去噪實驗方法的驗證，以及不同環(huán)境下的去噪處理可以進一步確認這樣一個結論：基于shearlet域約束下的圖像去噪方法在實際應用時，對于含噪較小的圖像進行去噪處理的實效更為明顯一些。

3 結語

通過對shearlet變換機理的研究，并結合shearlet系數(shù)間相關性的系統(tǒng)分析，提出一種適用于圖像去噪的shearlet變換的數(shù)字實驗方法，即基于自適應shearlet域約束下的圖像去噪方法。經(jīng)過了建模實驗與分析研究可知，基于自適應shearlet域約束下的圖像去噪方法可以在一定程度上削弱獲取圖像模糊的問題，所獲取圖像的輪廓細節(jié)較以往有了極大的改善。由此可以得出，基于自適應shearlet域約束下的圖像去噪方法具備一定的意義，針對該項目的研究具備較高的實踐價值。

參考文獻

[1]朱華生，鄧承志.自適應Shearlet域約束的全變差圖像去噪[J].計算機工程，2013（1）：223-224.

[2]吳一全，李立，陶飛翔.基于Shearlet域各向異性擴散和稀疏表示的圖像去噪[J].應用科學學報，2014（3）：226-228.

摘要：隨著計算機工程學科研究及其相關技術的不斷發(fā)展，各實踐領域發(fā)生著翻天覆地的變化。尤其在當今信息大爆炸的時代，諸多工作的完成都依賴信息傳輸，因此，信息傳輸效果如何則直接影響到整個信息傳遞過程能否順利完成。從現(xiàn)實來看，信息工程的實踐應用領域十分廣泛，其效能突顯。在研究中發(fā)現(xiàn)，圖像信息在獲取及其傳輸時難免受到噪聲的影響，因此，在實際操作中，要盡可能采取有效措施來避免噪聲對圖像的干擾。本文就基于自適應shearlet域約束下的圖像去噪的相關內容進行闡述，探究其中的奧秘及其對實踐領域的影響。

關鍵詞：自適應shearlet域 約束 圖像去噪

中圖分類號：TN919.73 文獻標識碼：A 文章編號：1007-9416（2014）08-0063-02

經(jīng)長期專業(yè)化的研究，科研人員對于圖像去噪的研究不斷深入，且取得了有益的科研成果，并將其應用于實踐過程當中，其效能顯著。在這種情形之下，在實際的研究工作中，建立了一種基于自適應shearlet域約束下的圖像去噪模型。結果表明，基于自適應shearlet域約束下的圖像去噪算法的運用能夠在一定程度上削弱圖像邊緣模糊的現(xiàn)象，從而令圖像信息的呈現(xiàn)效果更佳。

1 圖像去噪概述

為了更高效地去除所獲取到的信息圖像噪聲，令圖像邊緣的細節(jié)部位更為清晰的呈現(xiàn)出來，則采取了諸多圖像去噪的方法，經(jīng)實踐可知，每種圖像去噪方式都存在一定的局限性，這也是技術革新所難以避免的問題。因此，在研究過程中，需要本著令圖像去噪效果更佳的原則，不斷探究新型去噪策略，以便于更好地為實踐領域服務。

1.1 圖像邊緣模糊的原因分析

噪聲是圖像干擾的重要因素，在傳統(tǒng)非線性擴散圖像去噪方法的基礎上，所獲取到圖像的邊緣較為模糊，這類圖像獲取的意義不大，因此，需要通過更高級的圖像處理方式將其進行改善，從而令圖像更為清晰。實際上，圖像邊緣模糊的情況多是由于在獲取圖像的同時外圍環(huán)境中存在的噪音所致。經(jīng)科學研究發(fā)現(xiàn)，噪聲對于圖像信息的傳輸有著一定的干擾性[1]。從總體來看，圖像邊緣模糊的主要原因主要就是由于外圍噪聲的存在所導致的。

1.2 圖像去噪的方法綜述

既然圖像在獲取和傳輸過程中不可避免地會受到噪聲的影響，因此，在實際操作過程中，人們采取有效措施來減少圖像中的噪聲，則對后續(xù)圖像處理及實踐起著至關重要的作用?，F(xiàn)階段，經(jīng)過一段時期的研究，已有許多圖像去噪手段，其效果各異，例如：基于計算調和分析的去噪法等等，各種圖像去噪方法的能效不盡相同，而且，不同環(huán)境下所采用的合理化圖像去噪方法也有所差異。

2 基于自適應shearlet域約束下的圖像去噪方法的提出及其效果分析

通過自適應閾值收縮shearlet系數(shù)，保留圖像紋理與邊緣空間，利用全變差極小化平滑空間，建立全變差正則化的能量泛函去噪模型。該模型的構建能夠呈現(xiàn)出此種圖像去噪方法的優(yōu)勢。實驗結果表明，該算法能在減少圖像噪聲的同時，保留圖像邊緣信息，尤其是針對含有豐富紋理結構的圖像的去噪處理，其性能更佳。

2.1 自適應shearlet域約束下的圖像去噪方法的提出

（1）自適應shearlet域約束下的圖像去噪方法的研究背景；近幾年來，有一系列新的多尺度幾何變換方法被研究出來，在實踐中也取得了實質性的成果。在種種理論研究之中，非線性擴散濾波是一種較為復雜的圖像處理方式，實現(xiàn)了平滑去噪的目標。后期，人們對于圖像去噪方法的探究，都基于此。（2）針對shearlet變換及其相關內容的研究；從以往的研究資料中可以看到，shearlet變換不僅具有與曲線波相類似的非線性逼近性能。Shearlet變換去噪策略可以實現(xiàn)圖像的進一步稀疏分解，從而令圖像的構造變換更為靈活，以便于在具體的應用過程中對圖像進行適當?shù)恼{整。

2.2 基于自適應shearlet域約束下的圖像去噪的效果分析

通過構建基于自適應shearlet域約束下的圖像去噪模型可以清楚的了解到，傳統(tǒng)的計算方法的去噪性能存在一定的局限性，然而，利用系數(shù)間的相關性，實現(xiàn)自適應圖像去噪的效果更佳。由此可見，基于自適應shearlet域約束下的圖像去噪性能有了進一步的提升。

（1）基于自適應shearlet域約束下的圖像去噪模型的構建；在之前的研究過程中可以了解到，shearlet變換是一種傳承了曲線波優(yōu)勢的多尺度幾何分析工具，而且，對于二維圖像的成像而言，shearlet域約束下的圖像去噪方式的去噪效果極為明顯。

從具體來看，基于自適應shearlet域約束下的圖像去噪模型的構建過程較為復雜，就從其計算過程著手來分析，首先，要運用恰當?shù)挠嬎隳Ｊ絹頊p少震蕩，并且要盡可能控制度量觀測圖像與理想圖像的呈現(xiàn)在同一水平；接下來將含噪圖像進行shearlet變換；最后，結合新的全變差模型對重構圖像進行去噪處理，直至獲得最終的去噪圖像。實際上，構建ROF模型來表述圖像去噪的方法存在一定的局限性，因此，要采取更為有效的方法來應對去噪后正常紋理消失的狀況，如若在去噪的過程中將圖像的紋理也清除掉則就有悖于初衷。為了使圖像的顯示更為精準，在建模的過程中，采取了自適應shearlet域約束的極小化變分圖像進行去噪。這一模型的構建，在一定程度上解決了圖像紋理缺失的問題，從而在圖像去噪的同時保證了圖像信息的準確性。

（2）自適應shearlet域約束下的圖像去噪方法的研究結果呈現(xiàn)；在進行模型構建及實驗的過程中，采用的是512*512像素的灰度圖像作為測試圖，所加噪聲為均值為零的不同強度下的白噪聲。經(jīng)去對比實驗模式下的噪處理后，結果表明：通過小波去噪后的shearlet變換去噪效果不及基于自適應shearlet域約束下的圖像去噪效果明顯（圖像處理情況如圖1所示）。由此可見，在目前的技術水平之下，自適應shearlet域約束下的圖像去噪方法具備一定的效能，值得在實踐過程中進行推廣實施。

總之，通過分析自適應shearlet域約束下的圖像去噪模型的研發(fā)背景，以及在該模型下圖像去噪的效果分析，對自適應shearlet域約束下的圖像去噪方法有了進一步的了解?；诖耍瑘D像去噪算法的實際應用能效更為突出，這與shearlet系數(shù)相關性的存在也有著千絲萬縷的聯(lián)系。從以往的研究經(jīng)驗可知，shearlet變換的數(shù)字分解包括多尺度剖分及多方向分解這兩項。在實驗操作的過程中，通過對大量去噪實驗方法的驗證，以及不同環(huán)境下的去噪處理可以進一步確認這樣一個結論：基于shearlet域約束下的圖像去噪方法在實際應用時，對于含噪較小的圖像進行去噪處理的實效更為明顯一些。

3 結語

通過對shearlet變換機理的研究，并結合shearlet系數(shù)間相關性的系統(tǒng)分析，提出一種適用于圖像去噪的shearlet變換的數(shù)字實驗方法，即基于自適應shearlet域約束下的圖像去噪方法。經(jīng)過了建模實驗與分析研究可知，基于自適應shearlet域約束下的圖像去噪方法可以在一定程度上削弱獲取圖像模糊的問題，所獲取圖像的輪廓細節(jié)較以往有了極大的改善。由此可以得出，基于自適應shearlet域約束下的圖像去噪方法具備一定的意義，針對該項目的研究具備較高的實踐價值。

參考文獻

[1]朱華生，鄧承志.自適應Shearlet域約束的全變差圖像去噪[J].計算機工程，2013（1）：223-224.

[2]吳一全，李立，陶飛翔.基于Shearlet域各向異性擴散和稀疏表示的圖像去噪[J].應用科學學報，2014（3）：226-228.

摘要：隨著計算機工程學科研究及其相關技術的不斷發(fā)展，各實踐領域發(fā)生著翻天覆地的變化。尤其在當今信息大爆炸的時代，諸多工作的完成都依賴信息傳輸，因此，信息傳輸效果如何則直接影響到整個信息傳遞過程能否順利完成。從現(xiàn)實來看，信息工程的實踐應用領域十分廣泛，其效能突顯。在研究中發(fā)現(xiàn)，圖像信息在獲取及其傳輸時難免受到噪聲的影響，因此，在實際操作中，要盡可能采取有效措施來避免噪聲對圖像的干擾。本文就基于自適應shearlet域約束下的圖像去噪的相關內容進行闡述，探究其中的奧秘及其對實踐領域的影響。

關鍵詞：自適應shearlet域 約束 圖像去噪

中圖分類號：TN919.73 文獻標識碼：A 文章編號：1007-9416（2014）08-0063-02

經(jīng)長期專業(yè)化的研究，科研人員對于圖像去噪的研究不斷深入，且取得了有益的科研成果，并將其應用于實踐過程當中，其效能顯著。在這種情形之下，在實際的研究工作中，建立了一種基于自適應shearlet域約束下的圖像去噪模型。結果表明，基于自適應shearlet域約束下的圖像去噪算法的運用能夠在一定程度上削弱圖像邊緣模糊的現(xiàn)象，從而令圖像信息的呈現(xiàn)效果更佳。

1 圖像去噪概述

為了更高效地去除所獲取到的信息圖像噪聲，令圖像邊緣的細節(jié)部位更為清晰的呈現(xiàn)出來，則采取了諸多圖像去噪的方法，經(jīng)實踐可知，每種圖像去噪方式都存在一定的局限性，這也是技術革新所難以避免的問題。因此，在研究過程中，需要本著令圖像去噪效果更佳的原則，不斷探究新型去噪策略，以便于更好地為實踐領域服務。

1.1 圖像邊緣模糊的原因分析

噪聲是圖像干擾的重要因素，在傳統(tǒng)非線性擴散圖像去噪方法的基礎上，所獲取到圖像的邊緣較為模糊，這類圖像獲取的意義不大，因此，需要通過更高級的圖像處理方式將其進行改善，從而令圖像更為清晰。實際上，圖像邊緣模糊的情況多是由于在獲取圖像的同時外圍環(huán)境中存在的噪音所致。經(jīng)科學研究發(fā)現(xiàn)，噪聲對于圖像信息的傳輸有著一定的干擾性[1]。從總體來看，圖像邊緣模糊的主要原因主要就是由于外圍噪聲的存在所導致的。

1.2 圖像去噪的方法綜述

既然圖像在獲取和傳輸過程中不可避免地會受到噪聲的影響，因此，在實際操作過程中，人們采取有效措施來減少圖像中的噪聲，則對后續(xù)圖像處理及實踐起著至關重要的作用?，F(xiàn)階段，經(jīng)過一段時期的研究，已有許多圖像去噪手段，其效果各異，例如：基于計算調和分析的去噪法等等，各種圖像去噪方法的能效不盡相同，而且，不同環(huán)境下所采用的合理化圖像去噪方法也有所差異。

2 基于自適應shearlet域約束下的圖像去噪方法的提出及其效果分析

通過自適應閾值收縮shearlet系數(shù)，保留圖像紋理與邊緣空間，利用全變差極小化平滑空間，建立全變差正則化的能量泛函去噪模型。該模型的構建能夠呈現(xiàn)出此種圖像去噪方法的優(yōu)勢。實驗結果表明，該算法能在減少圖像噪聲的同時，保留圖像邊緣信息，尤其是針對含有豐富紋理結構的圖像的去噪處理，其性能更佳。

2.1 自適應shearlet域約束下的圖像去噪方法的提出

（1）自適應shearlet域約束下的圖像去噪方法的研究背景；近幾年來，有一系列新的多尺度幾何變換方法被研究出來，在實踐中也取得了實質性的成果。在種種理論研究之中，非線性擴散濾波是一種較為復雜的圖像處理方式，實現(xiàn)了平滑去噪的目標。后期，人們對于圖像去噪方法的探究，都基于此。（2）針對shearlet變換及其相關內容的研究；從以往的研究資料中可以看到，shearlet變換不僅具有與曲線波相類似的非線性逼近性能。Shearlet變換去噪策略可以實現(xiàn)圖像的進一步稀疏分解，從而令圖像的構造變換更為靈活，以便于在具體的應用過程中對圖像進行適當?shù)恼{整。

2.2 基于自適應shearlet域約束下的圖像去噪的效果分析

通過構建基于自適應shearlet域約束下的圖像去噪模型可以清楚的了解到，傳統(tǒng)的計算方法的去噪性能存在一定的局限性，然而，利用系數(shù)間的相關性，實現(xiàn)自適應圖像去噪的效果更佳。由此可見，基于自適應shearlet域約束下的圖像去噪性能有了進一步的提升。

（1）基于自適應shearlet域約束下的圖像去噪模型的構建；在之前的研究過程中可以了解到，shearlet變換是一種傳承了曲線波優(yōu)勢的多尺度幾何分析工具，而且，對于二維圖像的成像而言，shearlet域約束下的圖像去噪方式的去噪效果極為明顯。

從具體來看，基于自適應shearlet域約束下的圖像去噪模型的構建過程較為復雜，就從其計算過程著手來分析，首先，要運用恰當?shù)挠嬎隳Ｊ絹頊p少震蕩，并且要盡可能控制度量觀測圖像與理想圖像的呈現(xiàn)在同一水平；接下來將含噪圖像進行shearlet變換；最后，結合新的全變差模型對重構圖像進行去噪處理，直至獲得最終的去噪圖像。實際上，構建ROF模型來表述圖像去噪的方法存在一定的局限性，因此，要采取更為有效的方法來應對去噪后正常紋理消失的狀況，如若在去噪的過程中將圖像的紋理也清除掉則就有悖于初衷。為了使圖像的顯示更為精準，在建模的過程中，采取了自適應shearlet域約束的極小化變分圖像進行去噪。這一模型的構建，在一定程度上解決了圖像紋理缺失的問題，從而在圖像去噪的同時保證了圖像信息的準確性。

（2）自適應shearlet域約束下的圖像去噪方法的研究結果呈現(xiàn)；在進行模型構建及實驗的過程中，采用的是512*512像素的灰度圖像作為測試圖，所加噪聲為均值為零的不同強度下的白噪聲。經(jīng)去對比實驗模式下的噪處理后，結果表明：通過小波去噪后的shearlet變換去噪效果不及基于自適應shearlet域約束下的圖像去噪效果明顯（圖像處理情況如圖1所示）。由此可見，在目前的技術水平之下，自適應shearlet域約束下的圖像去噪方法具備一定的效能，值得在實踐過程中進行推廣實施。

總之，通過分析自適應shearlet域約束下的圖像去噪模型的研發(fā)背景，以及在該模型下圖像去噪的效果分析，對自適應shearlet域約束下的圖像去噪方法有了進一步的了解?；诖?，圖像去噪算法的實際應用能效更為突出，這與shearlet系數(shù)相關性的存在也有著千絲萬縷的聯(lián)系。從以往的研究經(jīng)驗可知，shearlet變換的數(shù)字分解包括多尺度剖分及多方向分解這兩項。在實驗操作的過程中，通過對大量去噪實驗方法的驗證，以及不同環(huán)境下的去噪處理可以進一步確認這樣一個結論：基于shearlet域約束下的圖像去噪方法在實際應用時，對于含噪較小的圖像進行去噪處理的實效更為明顯一些。

3 結語

通過對shearlet變換機理的研究，并結合shearlet系數(shù)間相關性的系統(tǒng)分析，提出一種適用于圖像去噪的shearlet變換的數(shù)字實驗方法，即基于自適應shearlet域約束下的圖像去噪方法。經(jīng)過了建模實驗與分析研究可知，基于自適應shearlet域約束下的圖像去噪方法可以在一定程度上削弱獲取圖像模糊的問題，所獲取圖像的輪廓細節(jié)較以往有了極大的改善。由此可以得出，基于自適應shearlet域約束下的圖像去噪方法具備一定的意義，針對該項目的研究具備較高的實踐價值。

參考文獻

[1]朱華生，鄧承志.自適應Shearlet域約束的全變差圖像去噪[J].計算機工程，2013（1）：223-224.

[2]吳一全，李立，陶飛翔.基于Shearlet域各向異性擴散和稀疏表示的圖像去噪[J].應用科學學報，2014（3）：226-228.