新小波变换与图像处理.docVIP

目 录 摘 要 1 Abstract 1 1. 概述 1 1.1小波变换定义 2 1.2数字图像处理 5 2.小波变换在图像处理中的运用 5 2.1小波变换在图像去噪中的应用 5 2.2小波变换在图像增强中的应用 8 2.3小波变换在图像识别中的应用 8 3.墨西哥帽小波的性质 9 3.1小波的发展 9 3.2小波的特性 9 4.小波变换在图像处理中应用的实例 10 4.1基于墨西哥帽小波的图像增强 10 4.2用墨西哥毛提取图像特征 12 总结 13 参考文献 14 致谢 15 基于墨西哥帽的小波变换与图像处理 摘要：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，成为信号分析图像处理的一个强有力的工具。利用小波变换的这几个良好特性对图像进行处理，在图像消噪、图像压缩、图像融合等方面，可以很大提高图像的性能。墨西哥帽小波随系数衰减得较快, 比较接近人眼视觉的空间相应特性, 因此它比较适合用作拟合函数。本文将对墨西哥帽小波的性质特点进行分析，并说明其在图像处理中的一部分应用。 关键词：小波变换；离散变换；图像处理 Abstract：The wavelet transform has good localization properties and multi-resolution analysis of the characteristics in the time domain, frequency domain, to become a powerful tool for signal analysis image processing. Use a few good features of the wavelet transform for image processing, image denoising, image compression, image fusion, image performance can be greatly improved. Mexican Hat wavelet with coefficient decay faster, closer to the corresponding characteristics of human visual space, so it is more suitable for the fitting function.This article will be the nature of the characteristics of the Mexican Hat wavelet analysis, and description of its applications in image processing. Key words: wavelet transform; discrete wavelet transform ;image processing 概述 图像消噪是一种研究颇多的图像预处理技术，根据实际信号( 图像是二维信号)和噪声的不同特点，人们提出了各式各样的去噪方法，其中最为直观的方法是根据噪声能量一般集中于高频，而信号频谱则分布于一个有限区间的这一特点，采用低通滤波的方法来进行去噪，例如滑动平均窗滤波、Wiener 线性滤波、中值滤波等。这些方法在一定程度上可以消除一部分噪声，但在减小噪声的同时也会不可避免地丢失了许多图像的高频信息，使得图像的突变部分变模糊，这在许多含有丰富细节信息的图像中尤为严重。传统的低通滤波方法要求信号和噪声的频带重叠部分尽可能小，当它们的频带重叠时，这种方法就不适用了[1]。小波分析去噪近来受到了许多学者的重视，并获得了良好的效果。小波变换作为一种新的分析手段, 它能有效地从光学图像( 信号) 中提取信息, 并通过伸缩及平移等运算功能对光学图像进行多尺度的细化[2]。 图像特征点是图像的重要局部特征，它是图像理解和模式识别中的重要信息，图像特征点提取技术也是图像处理的有力工具之一。 小波变换是一新兴的数学工具，它突破了传统的傅里叶变换的限制，并克服了傅里叶变换的缺点，特别适用于处理局部或暂态信号，充分体现了对信号不同区域、不同分辨率的分析特点，在时、频两域都具有表征信号局部特征的能力，正因为如此，有人将小波变换誉为分析信号的数学显微镜， 并广泛应用于图像分析、信号处理、分形分析等众多领域之中。 1.1小波变换定义 若函数满足 （1） 令 （2） 则函数的小波变换定义为 （3） 其相应的反变换公式为