Mtalb小波去噪.docVIP

数字图像阈值去噪算法研究与实现 摘要 图像在获取和传输的过程中经常要受到噪声的污染。噪声对图像分析有着非常重 要的影响，必须在分析前去除。所以，图像去噪成为图像分析和处理的重要技术。 传统的去噪方法不仅滤出了图像的噪声，同时使图像细节变得模糊。小波变换是 继傅琨叶变换之后的又一时频分析工具。小波变换由于在时域频域同时具有良好的局 部化性质和多分辨率分析的特点，因此不仅能满足各种去噪要求，如低通、高通、随 机噪声的去除，而且与传统的去噪方法相比较，有着无可比拟的优点，成为信号分析 的一个强有力的工具，被誉为分析信号的数学显微镜。其应用包括图像预处理、图像 压缩与传输、图像分析、特征提取等图像处理的很多阶段。 首先，介绍了本课题的研究目的，并介绍了目前常用的去噪方法及这些方法之间 的比较。 其次，在简述了小波变换的发展历史和小波变换的基本理论知识后，对以小波为 工具在数字图像处理方面进行了有益的探索。 再次，给出了小波边缘检测理论，接下来针对小波去噪的理论和方法着重进行了 介绍，包括小波去噪的原理、方法和阈值去噪处理等方面的内容。 最后，对本文的工作进行了总结。 小波变换由于具有“数学显微镜”的作用，在去噪的同时能保持图像细节，得到 原图像的最佳恢复。在众多的小波去噪方法中，运用最多的是Donoho小波阈值萎缩法， 但Donoho给出的阈值有“过扼杀”小波系数的倾向，重建误差较大。 本文提出基于小波变换与中值滤波相结合的方法实现了图像去噪。该方法在去噪 之前，先通过小波边缘检测确定图像边缘特征的小波系数，保留这些位置的小波系数， 其不受闽值去噪影响，对其它位置的小波系数进行自适应阈值去噪，去除高斯噪声。 然后对图像进行中值滤波，去除椒盐噪声。该算法的实验结果表明不仅能滤出图像中 高斯噪声和椒盐噪声的混合噪声，而且能较好的保留图像的边缘细节，其滤波效果优 于传统的图像去噪方法。 关键词：小波变换，高斯噪声，椒盐噪声，边缘检测，图像去噪 ABSTRACT The image iS often corrupted by noise in its acquisition or transmission． The noise to be removed before analysis has an important effect on image analysiS． Image～denoising is an important technology in image analysis and processing domain． Traditional denoising methods can filter noise。but at the same time they make the image detai Is fuzzy．Wavelet transform is a tool of time—frequence anatysiS after Fourier transform．Wavelet transform has good localizing quality at time domain and frequency domain simultaneously and the characteristic of multi—resolution ratio analysis，SO it can fulfill all kinds of wave—filtering needs such as low-pass，high-pass，random noise remove．Compared with traditional denoising methods，wavelet transform has incomparable advantage． Wavelet transform has become an effective means of signal analysiS and is intituled as math microscope of signal analysis．Its application covered image pro—processing， image compression and transferring， image analysis， feature extraction and pattern classification，etc． Firstly，the research purpose and means is introduced．The denoising methods in common use are presented and compared