1. 研究目的与意义

图像处理是数据处理的一个重要分支，它在遥感图像处理，目标识别，医学,机器人视觉等方面具有广阔的应用前景。

curvelet变换作为一种图像多尺度几何分析工具，在图像处理领域得到了广泛的应用。

基于curvelet变换和特征量积的图像处理方法对图像进行curvelet变换,低频部分采用加权平均的处理算法,高频采用基于特征量积的加权处理算法,从而实现curvelet系数的融合,并重构得到处理图像，得到的图像在梯度结构相似度、空间频率、峰值信噪比将取得较好的效果。

2. 国内外研究现状分析

1807年，法国学者Fourier开创路了傅立叶分析。1910年Haar提出第一个小波规范正交基，即Haar正交基。1999年，Candis和Donoho提出了连续脊波（Ridgelet)变换。而后在Ridgelet变换的基础上提出了连续曲波（Curvelet）变换1999年，美国学者Donoho提出Wedgelet变换。2000年法国学者Pennec和Mallat提出了第一代Bandelet变换。2002年，Candies等人提出了第二代Curvelet变换。研究成果有霍宏涛的数字图像处理[M]．机械工业出版社。李昕，陈坚的基于MATLAB的数字图像处理[J]．电脑知识与技术，2009，8。[王文杰，唐娉等的．一种基于小波变换的图像融合算法．中国图像图形学报，2001，6(11)。吴兆福，高飞等的基于边缘特征的遥感影像小波变换融合法[J]．地球科学进展，2005，20(7)。Mallat S．A theory for multiresolution signal decomposition：the wavelet representation．IEEE Trans Pattern Anal Mach Intell．1989,11(6)。Nencini F,Garzelli A,Baronti S,et al. Remote sensing image fu- sion using the curvelet transform[J] .Information Fusion, 2007, 8 (2) 。Pohl C, Van Genderen J L. Multisensor Image Fusion in Remote Sensing: Concepts, Methods and Applications .International Journal of Remote Sensing, 1998, 19 (5)。

3. 研究的基本内容与计划

研究的主要内容为实现基于曲波变换的图像处理，应用第一代curvelet变换对图像进行分解，对分解之后的系数进行分析研究，利用分解后的curvelet系数重构图像低频高频分量。

将第一代curvelet变换应用在图像增强，图像去噪，图像压缩，图像融合等处理中，并对处理结果进行分析，总结第一代curvelet变换及在图像处理过程中应用的特点。

对图像进行分析要求计算图像的灰度均值，灰度标准差，熵，清晰度等性能指标参数。

4. 研究创新点

小波变换发展而来的curvelet变换．它的显著特征是多尺度和高度各向异性，非常适合于图像中边缘的表达及合成。

研究表明，curvelet变换在图像去噪、增强、融合、恢复等方面显示出了它优于其他相应的算法的特点．虽然经过几年的发展，curvelet变换已经取得了很多研究成果，但是在理论、实现和应用上它还有许多可以进一步完善的地方．作为新生的小波时代的后继者之一，curvelet变换还有更多的应用领域去开拓。

鉴于其目前良好的发展态势，我们相信该领域的研究有着光明的前景。