基于小波阈值的红外图像去噪.ppt

基于小波阈值 的红外图像去噪 路敦强 1014202054 2015-06-16 背景知识 红外成像技术现已广泛应用于军事和民用领域。红外探测器将物体的红外辐射转化为电信号，经处理后的电信号可通过显示系统转换为可见的图像。 但红外图像采集过程中存在的周围环境影响、探测器本身由于非均匀性等造成的固有噪声、背景辐射等因素的干扰，导致红外图像具有噪声大、对比度低、边缘模糊等缺点。 小波阈值去噪是常见的图像去噪方法之一，自1995年Donoho首次提出小波阈值滤波方法后，该理论被逐步应用到信号处理的各个领域，并取得了较好的效果。 小波阈值去噪是小波去噪方法中最早被提出的，其基本思想是根据小波分解系数模值的大小区分图像信号与噪声信号。 对于染噪的图像信号，随着分解尺度的增加，图像的小波系数逐渐增大而噪声的小波系数会逐渐减小。在经过小波分解后的各层系数中，图像小波系数应大于噪声的小波系数，因而可以找到某一数值作为区分二者的阈值，以实现针对模大于和小于此阈值的小波系数的分别处理。对于模小于阈值的，认为此分解系数主要由噪声引起，应舍弃；而对于模大于该阈值的小波系数则应保留或做相应调整。在分别对两部分小波系数进行处理后，用新的小波系数进行图像重构，可达到去除噪声的目的。 本文算法采用Matlab仿真实现，实验选用的图片为红外摄像机拍摄的灰度图片。由于红外图像中含有的主要噪声类型为高斯噪声和椒盐噪声，因而实验分别对原始图像加入方差为0.02的高斯噪声与椒盐噪声，并采用小波软阈值去噪方法，分别对染噪图像进行去噪处理。 在小波阈值去噪过程中选择sym4小波三层分解，进行软阈值去噪。 小波分析的应用 a 原图 b 加入方差为0.02的高斯噪声的图像 c 小波软阈值去噪 小波分析的应用 a 原图 b 加入方差为0.02的高斯噪声的图像 c 小波软阈值去噪 MSE PSNR 高斯 91.9311 28.4962 椒盐 475.8730 21.3559 * * * * * *