基于小波变换的掌纹图像去噪.docVIP

PAGE 2 ??? PAGE 3 基于小波变换的掌纹图像去噪 李欢欢? ? 李欢欢，女，1988年生，北京工业大学硕士研究生，主要研究方向图像处理 (北京工业大学 电子信息与控制工程学院, 北京 100124) Palm print Image denoising based on Wavelet Transform Huanhuan WU* (college of Electronic Information and Control Engineering, Beijing University of Technology, Beijing 100124, China) Abstract: Image denoising is the first step for Identity identify technology based on palm print[1][2]. As is well-known, WT(Wavelet Transform) is an important method for Image denoising. The paper aims to introduce fundamental and adhibition in image processing of WT. Matlab experiment proves that the algorithm proposed in this paper is effective for palm print image denoising. Key words: WT(Wavelet Transform); Image denoising; Palm Print Recognition 摘 要: 掌纹图像[3]去噪是基于掌纹的身份鉴别技术的第一步。我们知道，小波变换是图像去噪的一种重要工具方法。基于小波变换，本文介绍了小波变换的基本原理及其在掌纹图像处理中的应用[4]。通过MATLAB实验可以验证本文算法在掌纹图像去噪方面的有效性。 关键词: 小波变换；图像去噪；掌纹识别[5] 引言 在掌纹图像的采集过程中，图像常常会受到随机噪声的干扰，因而实际上得到的掌纹图像中包含了噪声成分。噪声的存在，破坏了图像在结构、纹理、内容等方面像素之间的相关性，不利于掌纹特征的提取。因此，在对掌纹进行特征提取之前，一般都要对掌纹图像进行去噪处理。针对所要提取的掌纹特征，选择适当的去噪算法，在去噪的同时还可以去掉一些不必要的特征，简化后续的特征提取阶段的工作。所以，在选择掌纹图像的去噪方法时要综合考虑这两方面因素。 目前，对掌纹图像去噪主要采用低通滤波方法或邻域平均滤波方法，这两种方法可以有效地抑制噪声，但同时也滤除了一些边缘信息，而且还会发生一定程度的边缘模糊现象。因此这两种方法适合于提取掌纹中的主线（掌纹中最粗最长的若干条）特征，而不适合于需要保留更多边缘信息的特征提取。小波变换是目前比较流行的一种信号处理方法。由于采用了多分辨率特性，所以可以在不同分辨率下根据信号和噪声的分布去除噪声。本文则是利用小波的分解与重构对掌纹图像进行去噪处理，最后通过MATLAB仿真实验验证了这种去噪算法的有效性。 图像的小波变换及小波去噪原理 小波去噪原理 对于图像而言，其所含噪声大多为高斯白噪声，因此可以将一带噪声 的图像数学模型描述为 y(m，n)= f（m，n）+σe（m，n）， m = 1，…，M， n= 1，…，N， 其中f（m，n）为原始图像，而y（m，n）为含噪图像，e（m，n）~N（0，1）为标准的高斯白噪声，为噪声等级。由于小波变换是线性变换，因此，若e（m，n）为标准高斯白噪声，则其经小波变换后仍为标准高斯白噪声。 信号和噪声在小波变换下的主要不同点有二：1）在小波变换下，噪声的能量随着尺度的增加而迅速减小，而图像信号的平均幅值不会随着尺度的增加而明显减小；2 )噪声在不同尺度上的小波变换是高度不相关的，信号的小波变换则一般具有很强的相关性，相邻尺度上的局部极大值几乎出现在相 同的位置上，并且有相同的符号。 图像信号和噪声经小波变换后所具有的不同特性是在小波域中区分信号和噪声的主要依据。通过小波变换，噪声的能量分布在所有的小波系数上，这类小波系数幅值小，数目较多；而图像信号（包含噪声影响）的小波系数幅值大，数目较少，这样就可以通过小波系数幅值上的差异来构造一种去噪方法。 小波的选择及Daubechies小波简介 同傅里叶分析不同，小波分析的基也就是小波函数，不是唯一存在的，所有满足小波条件的函数都可以作为小波函数，那么小波函数的选取就成了十分重要的问题，实际选取小波的标准主要有以下三种： （1）自相似原则：对二进制小波变换，如果选择的小波对信号来说