小波分析用于图像去噪.docVIP

小波分析用于图像去噪 噪声可以理解为妨碍人的视觉器官或系统传感器对所接收图像源进行理解或分析的各种因素。一般噪声是不可预测的随机信号，它只能用概率统计的方法去认识。噪声对图像处理十分重要，它影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程。特别是图像的输入、采集的噪声是个十分关键的问题，若输入伴有较大噪声，必然影响处理全过程及输出结果。因此一个良好的图像处理系统，不论是模拟处理还是计算机处理无不把减少最前一级的噪声作为主攻目标。去噪已成为图像处理中极其重要的步骤。 对二维图像信号的去噪方法同样适用于一维信号，尤其是对于几何图像更适合。二维模型可以表述为 s(i,j)=f( i,j)+δ·e(i,j) i,j=0,1,…，m-1 (4.1) 其中，e是标准偏差不变的高斯白噪声。二维信号用二维小波分析的去噪步骤有3步： (1)二维信号的小波分解。选择一个小波和小波分解的层次N，然后计算信号s到第N层的分解。 (2)对高频系数进行阈值量化。对于从1到N的每一层，选择一个阈值，并对这一层的高频系数进行软阈值量化处理。 (3)二维小波的重构。根据小波分解的第N层的低频系数和经过修改的从第一层到第N层的各层高频系数计算二维信号的小波重构。 在这3个步骤中，重点是如何选取阈值和阈值的量化。 下面给出一个二维信号(文件名为tire.mat)，并利用小波分析对