基于小波阈值的图像去噪.docVIP

基于小波阈值的图像去噪 摘要：随着多媒体技术的飞速发展，图像信息越来越重要，但是图像在获取、传输、和存储的各个细节中会受到影响，导致最终的图像不可避免的存在各种质量下降问题，我们需要的是高分辨率的图像，对有噪声的图像进行去噪处理有很重要的意义。 本文主要阐述的是基于小波变换的图像阈值去噪方法。小波变换是一种信号处理技术，可以在时域和频域上显示信号。小波变换可以将一个信号分解为代表不同频带的多个尺度，通过小波变换，可以确定信号在每个尺度上的时频特征，这样的属性可以用来消除噪声。基于阈值的图像去噪方法被科学家Donoho和Johnstone提出了，基于阈值的去噪方法可以采用硬阈值或软阈值函数，它易实现且具有良好的效果。 在本文中，采用了不同的噪声，不同的阈值，不同的阈值函数进行分析与相比较。 关键词：小波变换; 阈值;阈值函数;图像去噪; 第一章 绪论 1.1 研究目的和意义 当今各种信息充斥于我们的日常生活中，图像信息成为人类获取信息的重要信息，因为图像具有传输速度快，信息量大等一系列的强势[1]。可见图象已经成为人们认识客观世界的主要信息来源，随着科技的发展，对于图像质量的要求也越来越高。 在实际应用中，现有的成像设备都存在各种各样的局限性尤其在图像的获取、传输过程中，很容易受到复杂条件和工作环境干扰和影响，诸如天气因素、拍照技术上的限制及一些其他因素的影响，最终拿到的图像往往包含不可避免的噪声和产生了一些退化或降质，表现为图像模糊、图像失真、有噪声等。但人们想要的是高分辨率的，清晰的图像。 虽然人类可以通过提高成像设备的传感器水平来提高图像的质量，但是，硬件设备技术的发展终究还是存在局限性，另外，提高硬件水平的成本十分昂贵。无法做到普及应用。这使得人类以提高算法的效率和改进软件方式进行图像处理，来提高图像的质量，相应的图像去噪方法的研究适合现时代的需求[3]。 随着宽带通信技术的发展，视频通话、数字电视、视频会议等高科技产品大大的方便了人们的生活。在天文观测中，在医学影象处理中，公共安全中，由图像采集系统采集到的图像信息大多情况下是不够清晰的，含有噪声的，根据它们是无法用来识别到异常事件。这时，就可以使用图像去噪技术对降质的图像进行去噪，从而提高图像的分辨率和清晰度，降低成本，并获得准确又有更多价值的信息。因此图像去噪技术已经成为图像处理领域中相当活跃的研究课题。 1.2 图像去噪的研究历史 图像去噪技术是图像处理技术中的重要过程，随着图像处理技术和多媒体理论的发展而发展的。目前为止，不少图像去噪的算法被各位科学家研究出来，主要可以分为两大类：空域中的去噪方法和频域中的去噪方法如图1.1所示。 1.3 小波国内发展 2003年，结合小波变换和数学技术进行图像去噪处理的方法被提出。首先进行滤波，即，利用数学算子，对有噪图像分解获得的小波系数进行滤波处理，滤波含小支持域的噪声小波系数，保留拥有连续支撑域的边缘。但是，这个方法对去噪比较复杂。 2007年，一种新的域值被提出，这阈值会根据每一个小波系数自适应改变，传统的小波阈值去噪方法应用该阈值后信噪比提高了，但是该阈值计算方法复杂，步骤较多。 2013年，一些专家们提出了改进的小波阈值去噪模型，在大于阈值和小于阈值的小波系数加了同一系数进行控制。 2015年，专家提出了统一阈值的小波去噪技术的改进方法，改进了软阈值函数，添加了可变参数用于控制，保留了硬软阈值函数的有点的同时，还改进了硬软阈值函数的缺点。 1.4 小波国外发展 20世纪开始，科学家们对图像去噪方法进行研究。针对图像的降噪就是空域算法，对每个像素的灰度值进行处理。主要有中值滤波、均值滤波，自适应中值滤波。 频域去噪算法的开始是傅里叶变换，就是将图像由时域变换到频域，然后通过去噪算法进行去噪，最后把去噪图像由频域转换到时域。1946年，短时傅里叶变换被提出，主要方法就是，在信号上加一个窗，傅里叶变换集中在此窗内进行，这样可以得出局部特性。但此方法中，窗口形态与大小不能与时频有相关性并保持不变，小波变换可以解决这个缺点，20世纪80，90年代，小波分析理论有Mayer，Coifman，Daubechies等专家建立，随后，Mallet对小波函数进行改进并在小波分解与重构中增加了多分辨分析理论[8]。 1992年，Donoho和Johnstone提出了小波阈值收缩方法，可以使含噪图像有良好的去噪效果，而且该方法在最小均方差准则下可以达到最优[2]。2007年，由于Donoho 的一个阈值无法随着图像的分解级数自适应变化， NormalShrink阈值法被La