文献检索-天津大学研究生e-Learning平台.DOC

课程结业报告 课程名称： 小波分析及应用 报告名称：浅谈小波分析小波在图像去噪方面的应用 姓 名： 夏显召 学 院： 电子信息工程工程学院 学 号： 1013204005 小波在图像去噪方面的应用 夏显召 1013204005 电子信息工程学院 0.小波简介 小波一词由Morlet和Grossman在1980年代早期提出，其思想来源于伸缩平移方法。小波分析(wavelet analysis), 或小波转换(wavelet transform)是指用有限长或快速衰减的、称为母小波(mother wavelet)的振荡波形来表示信号。该波形被缩放和平移以匹配输入的信号。小波变换是将时间信号展开为小波函数族的线性叠加，小波变换的核函数是小波函数，它在时间和频率域内都是局部化的。所以，小波变化可对信号同时在时－频域内进行联合分析。小波变换分成两个大类:离散小波变换 (DWT) 和连续小波转换 (CWT)。两者的主要区别在于，连续变换在所有可能的缩放和平移上操作，而离散变换采用所有缩放和平移值的特定子集。小波分析的一个重要领域就是是图像处理。小波分解可以把小波分层次按照小波基展开，并可以根据图像的性质及给定的图像处理标准确定具体要展开到哪一级，还可以把细节分量和近似分量展开，所以小波分析常用于信号的压缩、去噪等方面，是图像处理的一个极其重要的工具。本报告中将具体实例说明小波分解在图像中的应用。 1.前言 在信号数据采集及传输时，不仅能采集或接收到与所研究的问题相关的有效信号，同时也会观测到各种类型的噪声。在实际应用中，为降低噪声的影响，不仅应研究信号采集的方式方法及仪器的选择，更重要的是对已采集或接收的信号寻找最佳的降噪处理方法。对于信号去噪方法的研究可谓是信号处理中一个永恒的话题。传统的去噪方法是将被噪声污染的信号通过一个滤波器，滤除掉噪声频率成分。但对于瞬间信号、宽带噪声信号、非平稳信号等，采用传统方法具有一定的局限性。其次还有傅里叶(Fourier)变换也是信号处理中的重要手段。这是因为信号处理中牵涉到的绝大部分都是语音或其它一维信号，这些信号可以近似的认为是一个高斯过程，同时由于信号的平稳性假设，傅立叶交换是一个很好的信号分析工具。但也有其不足之处，给实际应用带来了困难。 小波变换是继Fourier变换后的一重大突破，它是一种窗口面积恒定、窗口形状可变(时间域窗口和频率域窗口均可改变)的时频局域化分析方法，它具有这样的特性；在低频段具有较高的频率分辨率及较低的时间分辨率，在高频段具有较高的时间分辨率及较低的频率分辨率，实现了时频窗口的自适应变化，具有时频分析局域性。小波变换的一个重要应用就是图像信号去噪。将小波变换用于信号去噪，它能在去噪的同时而不损坏信号的突变部分。在过去的十多年，小波方法在信号和图像去噪方面的应用引起学者广泛的关注。本文阐述小波图像去噪方法的原理，概括目前的小波图像去噪的主要方法，最后对小波图像去噪方法的发展和应用进行展望。 2小波图像去噪的原理 所谓小波变化， 即: 　　　　 　　　 小波分析的基本思想是用一族被称为子波的特定函数去表示或者逼近一个信号。其中的子波函数族是由一个基本的子波函数经过平移和不同尺度的伸缩构成。小波去噪方法也就是寻找从实际信号空间到小波函数空间的最佳映射以便得到原信号的最佳恢复。 3小波图像去噪方法 3．1基于模极大值的图像去噪法 早在1992年，Mallat提出奇异性检测的理论，从而可以利用小波变换模极大值的方法结合边缘检测来去除噪声。 3．2小波图像萎缩法 1992年，Donoho和John stone提出了小波阈值萎缩方法(Wave Shrink)，还给出了阈值，并从渐进意义上证明了Wave Shrink的最优性，与此同时，Krim等人运用Rissanen的MDL(Minimum Description Length)准则，也得到了相同的阈值公式；此后小波阈值萎缩方法被用到各种去噪应用中，并取得了很大的成功，对高斯噪声尤其如此。但是Donoho和Johns tone给出的通用阈值，由于有很严重的“过扼杀”小波系数的倾向，因此，人们纷纷对阈值的选择进行了研究，并提出了多种不同的阈值确定方法；后来，人们针对阈值函数的选取也进行了一些研究，并给出了不同的阈值函数，但是当这些方法用到非高斯、有色噪声场合中，效果却不甚理想，其最主要的原因是这些方法都基于独立同分布噪声的假设，并且这些方法大多是从Donoho和John stone给出的方法发展而来的，从而它们最后的去