基于小波变换的图像去噪方法的研究开题报告.docxVIP

基于小波变换的图像去噪方法的研究 一、拟选题目 在图像处理屮，图像通常都存在着各种不易消除的噪声。寻求一种既能有效 地减小噪声、又能很好地保留图像边缘信息的方法，一直是人们努力追求的目标。 传统的去噪方法很难同时兼顾这两个方面。而小波分析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等优点，所以本文拟用小波变换的方法对图像 去噪进行分析研究。 二、课题的目的和意义 图像降噪是图像预处理的主要任务z—,其作用是为了提高图像的信噪比， 突出图像的期望特征。不同性质的噪声应采用不同的方法进行消噪。最简单的也 比较通用的消噪算法，是用傅立叶变换直接进行低通滤波或带通滤波山。这种方法 虽然简单、易于实现，但它对滤去有用信号频带中的噪声无能为力，并且带宽的 选择和高分辨率是有矛盾的。带宽选的过宽，达不到去噪的目的;选的过窄，噪声 虽然滤去的多，但同时信号的高频部分也损失了，不但带宽内的信噪比得不到改 善，某些突变点的信息也可能被模糊掉了。 将小波变换应用于信号处理中⑵，是因为它的主要优点是在时间域和频率域中 同时具有良好的局部化特性，从而非常适合时变信号的分析和处理。特别在图像 去噪领域中，小波理论受到了许多学者的重视，他们应用小波进行去噪，并获得 了非常好的效果。具体来说，小波去噪方法的成功主要得益于小波变换具有以下 特点： 低嬌性 由于小波系数的稀疏分布，使得图像变换后的嫡降低了； 多分辨率 由于小波采用了多分辨率的方法，所以可以非常好地刻画信 号的非平稳特征，如边缘、尖峰、断点等； 去相关性因为小波变换可以对信号进行去相关，且噪声在变换后有白 化趋势，所以小波域比时域更利于去噪; 选基灵活性 由于小波变换可以灵活选择变换基，所以对不同应用场合, 对不同的研究对象，可以选用不同的小波母函数，以获得最佳的去噪效果。 因此，就信号消噪问题而言，它比传统的傅立叶频率域滤波和匹配滤波器更 具有灵活性。以小波变换为基础的时变信号消噪算法是把含噪信号放在二维平面 上，利用信号和噪声表现出的截然不同的特性进行分吋分频处理，此方法理论上 不但能够获得较高的信噪比，而且能够保持良好的时间分辨率。采用小波消噪算 法能够更有效地消除噪声，而且消噪后信号的基线平稳，峰形和峰高失真小，可 以满足分析的要求。 从数学上看，小波去噪问题的木质是一个函数逼近问题，即如何在由小波母 函数伸缩和平移所展成的函数空间中，根据提岀的衡量准则，寻找对原信号的最 佳逼近，以完成原信号和噪声信号的区分.由此可见，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。 1992年，Donoho和John stone提岀了小波阈值萎缩方法(WaveShrink),还给 出了 T = o-21n(N)的阈值，并从渐进意义上证明了 WaveShrink的最优性。与此同时, Krim 等人运用 Rissanen 的 MDL (Minimum Description Length)准贝也得到了相同 的阈值公式。此后小波阈值萎缩方法被用到各种去噪中，并取得了很大的成功， 对高斯噪声尤其如此。但是Donoho和John stone给出的通用阈值，由丁?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，但是当所选阈值过大，伪吉布斯效应明显，降噪后的 图像具有马赛克现象；阈值太小，噪声去除太少，达不到降噪的目的⑶。因此基于 指数软阈值的小波图像去噪方法可以有效地解决这个问题。 随着小波分析的进一步广泛应用，出现了小波包分析。波包分析是一种比小 波变换更加精细的分析方法，是Coifman、Wickhauser等人在小波变换的基础上进 一步提出的⑷。他们在研究正交小波基的基础上创立了正交小波包的概念。小波包 分析不仅将频带进行多层次划分，而且对多分辨分析没有细分的高频部分也进行 进一步的分解，即小波包分析具有能使随着尺度/的增大而变宽的频谱窗口进一步 分割变细的优良性质，这就克服了正交小波变换的不足，因此小波包分析具有更广 泛的应用价值。 1994年，贝尔实验室的W.Sweldens总结了前人的成果，提出了一种新的基于 提升方案(Lifting Scheme)的小波构造方法，提升算法相对于Mallat算法而言， 是一种更为快速有效的小波变换实现方法，这种小波被称为第二代小波(Second Generation Wavelet)⑸。与传统的Mallat构造方法相比，提升方案既保持了第一代 小波的特性，同时乂克服了第一代小波由平移伸缩不变性所带来的局限，是一种 完全基于空间域的小波构造方法。Daubechies161证明，任何离散小波变