基于尺度空间和Context模型的小波软门限去噪研究-电子与通信工程专业论文.docxVIP

汕头大学 2 汕头大学 2014 届工程硕士学位论文 基于尺度空间和 Context 模型的小波软阈值去噪研究 万方数据 万方数据 摘 要 在图像的采集、传输过程中，都存在不同程度被各种噪声“污染”的情形。 因此,为了对图像进行后续处理，需要对图像进行去噪处理。小波变换是一种多 尺度信号分析方法，它的“数字显微镜”特性使得它在图像去噪领域中备受重视， 找到一种既可有效去噪又可保护细节信息的方法是研究人员的追求目标。 本文基于小波变换的基本理论，研究了传统的小波阈值去噪算法，重点讨 论了阈值处理函数和阈值估计两个问题，这些算法对同一尺度空间的全部系数采 用同一阈值，即使是接近最优的 Bayes 阈值，也不能达到满意的去噪效果。在此 基础上，本文提出了一种基于尺度空间和 Context 模型相结合的小波软门限去噪 算法。该方法把小波图像压缩中的 Context 模型引入到去噪领域中，把小波系数 根据能量分成多个子部分，打破空间的限制更准确的估计局部方差，对每个子部 分分别估算去噪阈值；并利用了相邻小波空间的细节系数的强相关性，重新定位 图像细节，对细节部分，采用贝叶斯软门限去噪，对非细节部分，采用基于 Context 模型的软门限去噪。新的方法能更准确的估计每一部分小波系数的阈值，很好的 提取了图像边缘，即可有效滤除噪声又可保护图像细节。实验结果表明本文提出 的算法无论是 PSNR 值还是视觉效果，都大大优于传统算法。 关键字：图像去噪 小波变换 Context 模型 尺度空间 I ABSTRACT Images are always polluted by plenty of random noise in image acquisition and transmission. In order to carry out the follow-up image processing, the images should be denoised. Wavelet transform is a MultiResolution Analysis method. Its digital microscope feature aroused much attention in the field of image denoising.The researchers aim to find a method can effectively denoise and protect the detail information. In this paper, the traditional wavelet Images threshold denoising algorithms based on the basic theory of wavelet transform are studied and compared. The two problems of threshold function and threshold estimation are focused on. However，Because all of wavelet coefficients in a same scale space are denoised with the same threshold，image cannot achieve optimal denoising effect even though using BayesShrink. On this basis, a wavelet Soft-Thresholding image denoising algorithm based on combining scale-space and Context modeling is proposed. Context modeling is introduced to the field of wavelet image denoising from image compression. Wavelet coefficients are divided into a plurality of subparts according to the energy. Local variance is a more accurate estimate, because space constraint is broken. And the image details are repositioned making use of the strong correlation of wavelet detail coefficients under the ad