图像去噪是图像预处理过程中的一个重要环节,图像去噪效果直接影响后续图像处理相关工作的效率和精度,为了保证后续图像处理的结果更为可靠,这就要求我们在去除噪声的同时保留更多的图像边缘和纹理信息。有限脊波变换用于图像去噪能够更好的保持图像的线状特征,增强图像的视觉效果,但有限脊波变换是通过Radon变换来实现的,在进行图像重构时,往往会产生“卷绕”现象,导致去噪后出现边缘模糊、去除噪声不彻底等问题。本文针对传统有限脊波变换去噪算法去除噪声不彻底,边缘模糊等问题提出了两种改进的去噪算法:一是基于有限脊波变换和ROF模型的混合去噪方法(FRIT_ROF),二是基于多级残差滤波的有限脊波变换图像去噪方法(mResFRIT_ROF),具体介绍如下:(1)FRIT_ROF算法主要是对传统的有限脊波去噪算法的一种改进,主要有两方面改进,一是针对去噪过程中软、硬阈值函数存在的不足,本文提出了一种改进的自适应双变量阈值函数,该阈值函数值在软、硬阈值之间变动,连续并且一阶可导,有效地解决因阈值收缩带来的边缘震荡问题。二是针对脊波阈值去噪中因使用Radon变换带来的“卷绕”现象,本文对脊波系数在阈值收缩过程中进行了优化,对小于阈值的脊波系数进行全变差最小约束,而不是传统的置零操作,有效的减少的因“卷绕”现象带来的“吉布斯”噪声。最后,通过设计多组实验对比,对FRIT_ROF算法的有效性进行分析。(2)mResFRIT_ROF是一种基于多级残差滤波的FRIT_ROF图像的去噪方法。传统的脊波阈值去噪算法只考虑含噪图像中恢复出的图像信息,然而对去噪后的残差图像的利用却未被重视,本文针对FRIT_ROF算法去噪后的残差图像中仍然包含图像的结构信息,提出了一种基于多级残差图像去噪新方法,对降噪后的残差图像使用BM3D方法反复提取图像的结构信息,并将其经高斯滤波后作为补偿图像反馈至去噪图像。最后通过设计多组实验对比来验证算法的可行性和有效性。