基于MATLAB图像去噪论文开题报告 论文.docVIP

基于小波变换的图像去噪技术 开题报告 一、综述 小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，通过物理的直观和信号处理的实际需要经验的建立了反演公式，当时未能得到数学家的认可。正如1807年法国的热学工程师J.B.J.Fourier提出任一函数都能展开成三角函数的无穷级数的创新概念未能得到著名数学家J.L.Lagrange，P.S.Laplace以及A.M.Legendre的认可一样。幸运的是，早在七十年代，A.Calderon表示定理的发现、Hardy空间的原子分解和无条件基的深入研究为小波变换的诞生做了理论上的准备，而且J.O.Stromberg还构造了历史上非常类似于现在的小波基；1986年著名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的同意方法枣多尺度分析之后，小波分析才开始蓬勃发展起来，其中比利时女数学家I.Daubechies撰写的《小波十讲（Ten Lectures on Wavelets）》对小波的普及起了重要的推动作用。它与Fourier变换、窗口Fourier变换（Gabor变换）相比，这是一个时间和频率的局域变换，因而能有效的从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题，从而小波变化被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展。图像在生成和传输过程中常常因受到各种噪声的干扰和影响而使图像降质，这对后续图像的处理(如分割、压缩和图像理解等)将产生不利影响噪声种类很多，如：电噪声、机械噪声、信道噪声和其他噪声。在图像处理中，图像去噪是一个永恒的主题，为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理 近年来，小波理论得到了非常迅速的发展，而且由于其具备良好的时频特性，实际应用也非常广泛。其中图像的小波阈值去噪方法可以说是众多图像去噪方法的佼佼者。基本思想就是利用图像小波分解后，各个子带图像的不同特性选取不同的阈值，从而达到较好的去噪目的。而且，小波变换本身是一种线形变换，而国内外的研究大多集中在如何选取一个合适的全局阈值，通过处理低于该阈值的小波系数同时保持其余小波系数值不变的方法来降噪，因而大多数方法对于类似于高斯噪声的效果较好，但对于混有脉冲噪声的混合噪声的情形处理效果并不理想。线形运算往往还会造成边缘模糊，小波分析技术正因其独特的时频局部化特性在图像信号和噪声信号的区分以及有效去除噪声并保留有用信息等方面较之传统的去噪具有明显的优势，且在去噪的同时实现了图像一定程度的压缩和边缘特征的提取。所以小波去噪具有无可比拟的优越性。[1]李建平，《小波分析与信号处理一理论、应用及软件实现》，重庆出版社，1997年第1版[2]陈武凡，《小波分析及其在图像处理中的应用》，科学出版社，2002年第1版[3]李建平，《小波分析与信号处理一理论、应用及软件实现》，重庆出版社，1997年第1版[4]夏良正，数字图像处理，南京，东南大学出版社，1999第一版[5]Pok G, Liu J C, Nair A S. Selective Removal of Impulse Noise Based on Homogeneity Level Information [J].IEEE Trans, On Image Processing,2003,12(1):85-92. [6]Kasparis T, Tzannes N S, Q Chen. Detail-preserving adaptive conditional median filters [J]. Electic. Image, 1992, 1 (14):356-364. [7]Sawant A,Zeman H, Muratore D, etal. An adaptive median filter algorithm to remove impulse noise in X-ray and CT images and speckle in ultrasound images [J] proc. SPIE, 19991 3661(2):1263-1274. [8]Oppenheim A.V. and Schafer R.W. Digital Signal Processing. Prentice-Hall[J]. 1975:361-367. [9]路系群 陈 纯. 《图像处理原理、技术与算法》[M].浙江大学出版社,2001,8[10]Vidakovic B, Johnstone C B. On time dependent