1. 研究目的与意义
由于计算机处理能力的不断增强，数字图像处理学科在飞速发展的同时，也越来越广泛地向其他学科渗透，使得图像作为信息获取以及信息的利用等方面也变得越来越重要。
目前图像处理包括图像去噪、图像压缩、图像增强、图像融合等，应用的主要图像类型包括天文图像、地理图像、医学图像、几何结构图像、卡通图像、纹理图像、运动补偿图像等，在国民经济中的发挥越来越大的作用。
2. 国内外研究现状分析
2009年，倪雪、李庆武、孟凡、蔡艳梅基于curvelet变换研究人脸特征提取与识别算法，该算法提取的特征向量维数较少、识别速度快，具有较高的识别率，且对人脸光照、姿态和表情变化具有良好的鲁棒性。
2009年，林春、王绪本研究了第二代curvelet变换在地震随机噪声衰减中的应用，结果证明利用curvelet变换能比较彻底地去掉噪声，去噪后的图像边缘良好，滤除噪声同时还保留有效部分，去噪效果良好，且易于实现，在地震资料处理中具有一定的可行性和应用前景。
jean-luc starck ，emmanuel j. candes 和david l. donoho在2000年利用curvelet变换进行研究达到了图像去噪的效果。
3. 研究的基本内容与计划
研究的主要内容为实现基于第二代curvelet变换的图像处理，将第二代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，总结第二代curvelet变换及在图像处理过程中应用的特点。通过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对图像处理结果进行分析。进而总结二代curvelet变换在图像处理过程中的应用特点。
2010/01/15-2011/02/20：查阅文献，明确研究内容；
2011/02/21-2011/03/01：熟悉工具；
2011/03/02-2011/04/01：分析算法，确定算法实现过程；
4. 研究创新点
将第二代Curvelet变换用于图像处理中，并与传统图像处理方法对比。
