基于双树复数小波的图像去噪.docxVIP

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 目录 TOC \o 1-3 \h \z \u 摘要 2 ABSTRACT 3 前言 4 第一章 绪论 5 1.1图像去噪的意义 5 1.2小波的兴起 5 第二章 双树复数小波变换原理 7 2.1一维双树复数小波变换 7 2.2二维双树复数小波变换 9 第三章 双树复数小波阈值去噪 13 3.1去噪问题描述 13 3.2阈值收缩法 13 3.3阈值函数的选取 15 3.4去噪图像的质量评价 17 3.5仿真实验及结果分析 18 3.6仿真结果 19 3.7分析与结论 23 第四章 总结 25 参考文献 26 致谢 27  摘要 噪声抑制是任何图像处理任务的组成部分，噪声会显着降低图像质量，因此使观察者难以区分图像的细节，特别是在诊断检查中。经过几十年的研究，已经提出了大量关于图像去噪的方法。通过使用空间滤波或变换域滤波，可以减少图像中噪声的影响。在变换域小波方法中，提供更好的去噪效果，同时保留像边缘那样的图像细节。离散小波变换具有一些缺点，即由于缺乏移位不变性和较差的方向选择性，导致其在图像处理中的应用尚未确定。为了克服这些缺点，使用了双树复数小波变换，其在传统的小波变换上提供了完美的重构。它使用2个离散实小波变换；第一个离散实小波变换给出了变换的实部，而第二个离散实小波变换给出了变换的虚部。它在二维和更高维度上有限的冗余几乎是不变和定向选择性的。双树复数小波变换在图像去噪和增强等应用方面优于离散小波变换。双树复数小波变换的优点之一是它可用于实现比二维离散小波变换方向更具选择性的二维小波变换。二维双树复数小波在每个尺度上产生十二个子带，每一个都以不同的角度精确定位。 关键词：图像；去噪；双树复数小波；阈值  ABSTRACT Noise suppression is an integral part of any image processing task. Noise significantly degrades the image quality and hence makes it difficult for the observer to discriminate fine detail of the images especially in diagnostic examinations. Through decades of research, a lot of methods on image denoising have been proposed .The effect of noise in the images can be reduced by using either spatial filtering or transform domain filtering. In transform domain, the wavelet method provides better denoising effect while preserving the details of images like edges. The Discrete Wavelet Transform (DWT) has some disadvantages that undetermined its application in image processing as lack of shift invariance and poor directional selectivity. In order to overcome these disadvantages Dual Tree Complex Wavelet Transform (DT-CWT) is used which provide perfect reconstruction over the traditional wavelet transform. It employs 2 real DWTs; the first DWT gives the real part of the transform while second DWT gives the imaginary part. It is nearly shift invariant and directionally selective in two and higher dimensions with limited redundancy. The DTCWT outperforms t