《小波变换图像去噪及其在sar图像中的应用》由会员分享，可在线阅读，更多相关《小波变换图像去噪及其在sar图像中的应用（65页珍藏版）》请在金锄头文库上搜索。
1、西安科技大学 硕士学位论文 小波变换图像去噪及其在SAR图像中的应用 姓名：芦婧 申请学位级别：硕士 专业：通信与信息系统 指导教师：李白萍 2011 论文题目：小波变换图像去噪及其在 SAR 图像中的应用 专 业：通信与信息系统 学 生：芦 婧芦 婧 (签名) 指导教师：李白萍李白萍 (签名) 摘 要 图像是人们传递信息的主要媒介，但图像在采集和传输的过程中，易受到噪声的干 扰，导致图像质量下降，这对图像更高层次的处理十分不利。传统图像去噪的方法存在 保护边缘信息和抑制噪声两难的矛盾问题。 被称为 “数学显微镜” 的小波理论应运而生， 其具有低熵性、多分辨性和去相关性等优点，能在去噪的同时保
2、留图像细节，得到原图 像的最佳复原。因此对小波变换图像去噪算法的研究具有现实意义。 本文对基于小波变换的图像去噪方法进行了深入的研究和分析，详细讨论了小波变 换模极大值去噪、小波系数相关性去噪、小波阈值去噪三种经典的去噪方法，根据仿真 结果进行分析比较，得出小波阈值去噪方法的效果最好，计算量最小的结论。 小波阈值去噪算法中硬阈值函数的不连续性易导致重构信号出现伪吉布斯现象，软 阈值函数估计值与实际值之间总存在恒定的偏差，具有一定的局限性。针对以上问题， 提出一种小波阈值去噪的改进算法。该算法在阈值函数的选取、噪声方差估计、阈值的 最优化三个方面均作出了改进。经仿真实现可以看出改进算法的去噪效果
3、比传统小波阈 值法更显著，图像的峰值信噪比和视觉效果得到了明显的提高，是一种有效的图像去噪 方法。 最后将改进的小波阈值去噪算法应用于合成孔径雷达(SAR)图像中，仿真结果表明， 改进算法能有效地抑制 SAR 图像中的相干斑点噪声，具有更好的去噪效果。 关 键 词：小波变换；小波图像去噪；改进阈值函数；SAR 图像去噪 研究类型：理论研究 Subject ：Image Denoising Based on Wavelet Transform and Its Application in SAR image Specialty ：Communication and Information Sys
4、tem Name ：Lu Jing JJiiiiiiiiiiiiiiii (signature) Instructor ：Li Bai pingLi Baiping (signature) ABSTRACT Image is an important information source for human beings. However, digital image is usually corrupted by the noise in its acquisition or transmission. It leads to the image quality deline, which
5、is very unfavorable to higher level image processing. There is a dilemma contradictions between edge information and noise suppression protection in the traditional method of image denoising. Therefore, people have been pursuing a method, which can denoise effectively and keep the edge information s
6、imultaneously. The wavelet theory praised as mathematical microscope has been rapidly developed. For the characteristics of its low entropy, multi-anaylsis and relativity, the wavelet transform has been widely applied in the field of denoising. The wavelet theory can not only wipe off noise but also
7、 retain the image details. Therefore, the wavelet transform for image denoising algorithm has practical significance. Based on the profound analysis on wavelet image denoising, three classical wavelet denoising methods, which is wavelet transform modulus maxima denoising method, the relativity of th
8、e wavelet coefficient denoising method, wavelet threshold denoising method are introduced in detail. The advantages and disadvantage of these methods and their applicable condition are discussed at last and the simulation experiments show the results of image denoising. The conclusion is that wavele
9、t threshold denoising is the best way and calculate is minimum. Discontinuity of the hard-thresholding function results in Pseudo-Gibbs phenomnon of the reconstructed signal. Soft-thresholding function has good continuity but a constant deviation of the estimated value from the actual value confines
10、 its application. To improve the performance of wavelet threshold denoising algorithn, the thesis also proposed a threshold improved algorithm for existing algorithms, the new threshold denoising method based on improved threshold function and noise variance estimation. The method chooses a new thre
11、shold function with multiorder continuous derivatives, which makes it possible to construct an optimal threshold through the method of iteration operation. At last, the result of the simulation experiments show that the new method usually obtion better methods. The new method can also preserve more
12、image details. The image of the peak value signal-noise ration and visual effect got obvious improvement, so it is an effective method on image denoising. At the end of thesis, the imporved algorithm was applied to synthetic aperture radar(SAR) image which was interferenced by coherent speckle noise
13、. The experiment results illuminates that the method of this thesis can preserves the SAR image structure and may suppress the speckle noise. Compared with traditional methods, the improved method has better denoising. Key words ：Wavelet Image Denoising Wavelet Transformation Improved- Threshold Fun
14、ction SAR Image Denoising Thesis ：Theory Research 学 位 论 文 独 创 性 说 明 本人郑重声明： 所呈交的学位论文是我个人在导师指导下进行的研究工作及 其取得研究成果。尽我所知，除了文中加以标注和致谢的地方外，论文中不包含 其他人或集团已经公开发表或撰写过的研究成果， 也不包含为获得西安科技大学 或其他教育机构的学位或证书所使用过的材料。 与我一同工作的同志对本研究所 做的任何贡献均已在论文中做了明确说明并表示了谢意。 学位论文作者签名： 日期： 学 位 论 文 知 识 产 权 声 明 书 本人完全了解学校有关保护知识产权的规定，即：研究生
15、在校攻读学位期间 论文工作的知识产权单位属于西安科技大学。 学校有权保留并向国家有关部门或 机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课 题在撰写的文章一律注明作者单位为西安科技大学。 保密论文待解密后适用本声明。 学位论文作者签名： 指导教师签名： 年 月 日 1 绪论 1 1 绪论 1.1 课题的研究背景和意义 日常生活中， 通过感官收集到的各种视觉信息占总信息量的60， 而听觉占20 1， 也就是说，在我们获得的各种信息
16、中，有一半以上是图像信息。因此，图像所包含的信 息量、直观性是文字和声音所无法比拟的。然而，图像在采集、传输、编码和获取的过 程中会受到各种噪声的干扰，如果峰值信噪比(PSNR)低到一定的程度，噪声则会变成 可见的颗粒形状，导致图像质量的下降。此外，除了视觉质量的下降外，噪声图像还可 能掩盖了重要的图像细节， 并增加了图像的熵， 这对图像更高层次的处理是十分不利的。 故在图像的预处理阶段，很有必要对图像进行去噪以提高图像的信噪比，突出图像的期 望特征。 根据实际图像的特点及噪声频谱分布的规律、统计特征，人们研究出了多种去噪方 法，其中最直接的方法就是用傅里叶变换将含噪信号变换到频域，然后采用低通滤波的 方
