小波变换的图像去噪算法的分析研究(2).docVIP

基于小波变换的图像去噪方法的研究 摘要: 在现在生活中图像成为了传递信息的重要手段,但是在图像传递过程中会被看得到的看不到的种种噪声所污染,导致信息有所差异,所以现在人们一直在寻找一种方法来保留图像原本信息而去除噪声,使信息能够准确的传递.小波变换是人们一直以来研究处理图像的方法,小波变换是在傅里叶变换的基础上发展的变换方法,在时域和频域都有较好的局部性,它能够对信号可以进行多尺度细化变换,从而从中提取有用信息.随着人们对小波变换的继续研究,现如今小波变换可以在去噪的同时完整地保留图像信息,得到最理想的图像。。 1绪论 2 1.1 小波变换的图像去噪方法的概述 2 1.2 基于小波变换的图像去噪技术研究现状 2 2 小波变换 2 2.1 连续小波变换 2 2.2 离散小波变换 3 2.3 多分辨率分析 4 2.4 图像的小波变换及其Mallat算法 5 2.5 本章小结 7 3图像去噪效果的评价 7 3.1 人的主观评价 8 3.2 图像的客观评价 8 4 基于小波变换的图像去噪技术 9 4.1去噪方法 9 4.2 基于小波阈值的混合滤波图像去噪算法 11 4.2.1 算法介绍 11 4.2.2 实验结果与分析 11 4.3 基于小波变换的图像去噪有关问题的分析 13 4.3.1 小波变换去噪算法中分解层数对去噪效果的影响 13 4.4 本章小结 14 参 考 文 献 14 致谢 14 1绪论 1.1 小波变换的图像去噪方法的概述 含噪图像是指现实中的数字图像在数字化和传输过程中。。，若其傅立叶变换满足： （2.1） 时，则称为小波母函数，并称上式是小波函数的“容许性”条件。“容许性”条件可知（直流分量为零）。 将进行伸缩、平移，尺度因子为，平移因子为，并记运算后的函数为，则: （2.2） 并称为小波基函数。 （2）连续小波变换 将∈小波基函数下进行展开，称为连续小波变换CWT，变换式为： （2.3） 当小波满足“容许性”条件（2.1），其逆变换为： （2.4） 2.2 离散小波变换 离散信号是定义域位离散时刻的信号，图片信号在计算机中是以离散信号的形式存在的，因此连续信号必须进行离散化。一般用二进制离散，然而离散化的参数为尺度因子和平移因子。 （1）尺度与位移的离散化 对的参数和离散化就得到离散小波变换。在离散化时通常对参数和离散化，取得到离散小波函数为： （2.12） 其对应系数为： （2.13） （2）二进小波变换 参数，的离散小波变换时二进小波变换，则 （2.14） 离散二进小波变换为： （2.15） 二维离散小波变换： 二维离散小波函数可分离： （2.16） 设是与对应的一维小波函数，则有： （2.17） （2.18） （2.19） 2.3 多分辨率分析 当人们在观察图像时，如果图像形状，尺寸，颜色对比不明显的时候需要分辨率高的来观察，反之，则需要分辨率低的来观察，然而当两种情况都存在的情况下则需要多分辨率观察，因此很需要利用具有多分辨率分析的小波变换。多分辨率分析性质如下： (1) 单调性 ，； （2.20） (2) 逼近性 ，； （2.21） (3) 伸缩性 ； （2.22） (4) Riesz基 存在函数，使得构成的Riesz基，即对任一，存在唯一的，使在均方收敛意义下成立 （2.24） 且存在，使 （2.25） 由以上可以看出，所有的都是经过伸缩和平移系列的尺度空间，称为尺度函数。利用和构造低通和高通滤波器，可以分解信号中的不同尺度。因为得傅里叶变换具有低通滤波的特性， 的傅里叶变换具有高通滤波特性。 多分辨率分析是一组嵌套的多分辨率子空间构成的（如下图所示）。 图2.2 嵌套的多分辨率子空间 原信号的频率空间为被第一级分解成低频的和高频的；第二级分解后被分解成低频的和高频的。这个分解过程表示为： （2.26）