小波信号与图像去噪技术311904203.pdfVIP

小波信号与图像去噪技术 内容提要 • 小波去噪的必要性和有效性 • 小波去噪的主要方法 • 先进的图像去噪方法 去噪的必要性 一般来说,现实中的信号都是带噪信号,在对信号做进一步 分析之前，需要将有效的信号提取出来。 synthetic aperture radar 小波去噪的有效性 传统去噪方法的不足：根据噪声能量一般集中于高频,而信号频谱分布 于一个有限区间的特点, 用傅里叶变换将含噪信号变换到频域，然后 采用低通滤波器进行滤波。基于傅里叶变换的去噪方法存在着保护信 号局部性和抑制噪声之间的矛盾。 傅里叶变 小波变换 换去噪不 去噪可以 能将有用 很好地保 信号的高 存有用信 频部分和 号的尖峰 由噪声引 和突变部 起的高频 分。 干扰加以 有效地区 分。 小波去噪方法有效的内在原因 小波变换具有良好的时频局部化性质，它具有随时间变化的频率。 根据小波变换的线性性: WX Wf We 保留主要由实际信号控制的小波系数; 发现并去掉由噪声控制的小波系数。 由剩余的小波系数做逆向小波变换得到 去噪信号。 去噪问题的描述 f e 设长度为 N 的信号 被噪声 所污染，所测得的含噪数据为： 已知: X  f e 目标: 求f的最优逼近. 去除噪声且保持边缘sharp, not blur(局部特性) 假设条件: 高斯噪声 基本策略: 变换到频域(如小波域), 将信号的小波变换系数与噪声的小波 变换系数分离。丢弃噪声的变换系数,由剩余的变换系数做逆 变换 得到去噪信号。 WX Wf We 加法噪声与乘法噪声： 小波去噪的主要方法 – 小波收缩法 • 阈值收缩 • 比例收缩 – 小波模极大法 – 尺度相关性法 小波收缩法 • 阈值收缩法 通过选取适当的阈值，采用阈值函数压制幅值小于阈值的 小波系数达到滤噪的目的。 – 阈值：全局阈值、局部阈值 – 阈值函数：硬阈值、软阈值 • 比例收缩 – 通过度量小波系数被噪声污染的程度，来确定系数的收缩比例 小波阈值收缩法 基本原理 小波阈值收缩法去噪的主要理论依据是，小波变换特别 是正交小波变换具有很强的去数据相关性，它能够使信