《开题报告-图像去噪方法研究及实现》由会员分享，可在线阅读，更多相关《开题报告-图像去噪方法研究及实现（4页珍藏版）》请在金锄头文库上搜索。
1、长安大学毕业设计（论文）开题报告表课题名称图像去噪方法研究及实现课题来源自选项目课题类型专题研究指导教师学生姓名专 业电子信息工程一、课题的意义图像是人类获取信息的重要手段之一，图像在信息传播过程中所起的作用越来越大。在许多情况下，图像信息会受到各种各样噪声的影响，因为图像在获取过程中容易受到器件和周围环境的影响，从而使图像中含有噪声。图像的噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。但在理论上定义为“不可预测，只能用概率统计方法来认识的随机误差”。也就是说，噪声是随机产生的， 因而具有分布和大小的不规则性。噪声严重时会影响图像中的有用信息，所以对图像的噪声处理的方法就显得
2、十分重要。图像去噪方法的研究具有广泛而深远的意义。体现在实际生活应用上，譬如说，由于不同的成像机理，得到的初始图像中含有不同性质的噪声，这些噪声的存在影响着人们对图像的观察，干扰人们对图像信息的理解。噪声严重的时候，图像几乎产生变形，使得图像失去了存储信息的本质意义。显然，对图像去噪处理，是正确识别图像信息的必要保证。图像去噪技术的应用从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大影响。图像去噪对数字图像其他处理环节性能的提升有着促进作用。如果对一幅含噪图像进行特征提取，配准或者图像融合
3、等处理其结果肯定不能令人满意，所以图像去噪是必须的。图像去噪的理论意义在于它是对图像的底层处理，噪声可能在图像采集、量化等过程中产生。也可能在传输过程中产生。噪声的存在极大地干扰了图像的信息。对于图像的后继处理和分析都有影响。二、国内外发展状况我国数字图像处理技术起步较晚，但在学习国外技术的基础上发展迅速。近些年来，小波理论得到了非常迅速的发展，而且由于其具备良好的时域局部化和多分辨率分析能力，因而在图像处理各领域的实际应用非常广泛。如非线性小波变换阈值法去噪，小波变换模极大值去噪及基于小波变换的尺度相关性去噪。小波分析与傅立叶分析有着密切的联系，是傅立叶分析划时代发展的结果。近些年来，小波理
4、论得到了非常迅速的发展，基于小波分析的图像去噪技术也随着小波理论的不断完善取得了较好的效果。上个世纪八十年代Mallet 提出了 MRA(Multi_Resolution Analysis)，并首先把小波理论运用于信号和图像的分解与重构，利用小波变换模极大值原理进行信号的奇异性检测，提出了交替投影算法用于信号重构，为小波变换用于图像处理奠定了基础。后来，人们根据信号与噪声在小波变换下模极大值在各尺度上的不同传播特性，提出了基于模极大值去噪的基本思想。1992年，Donoho和Johnstone提出了“小波收缩”，它较传统的去噪方法效率更高。“小波收缩”被 Donoho和Johnstone证明是
5、在极小化极大风险中最优的去噪方法，但在这种方法中最重要的就是确定阈值。1995年，Stanford大学的学者D.L.Donoho和I.M.Johnstone提出了通过对小波系数进行非线性阈值处理来降低信号中的噪声。从这之后的小波去噪方法也就转移到从阈值函数的选择或最优小波基的选择出发来提高去噪的效果。影响比较大的方法有以下这么几种：Eero P.Semoncelli和Edward H.Adelson提出的基于最大后验概率的贝叶斯估计准则确定小波阈值的方法；Elwood T.Olsen等在处理断层图像时提出了三种基于小波相位的去噪方法：边缘跟踪法、局部相位方差阈值法以及尺度相位变动阈值法；学者K
6、ozaitis结合小波变换和高阶统计量的特点提出了基于高阶统计量的小波阈值去噪方法；G.P.Nason等利用原图像和小波变换域中图像的相关性用GCV(general cross-validation)法对图像进行去噪；Hang.X和Woolsey等人提出结合维纳滤波器和小波阈值的方法对信号进行去噪处理，Vasily Strela等人将一类新的特性良好的小波(约束对)应用于图像去噪的方法；同时，在19世纪60年代发展的隐马尔科夫模型(Hidden Markov Model)，是通过对小波系数建立模型以得到不同的系数处理方法；后又有人提出了双变量模型方法，它是利用观察相邻尺度间父系数与子系数的统计
7、联合分布来选择一种与之匹配的二维概率密度函数。这些方法均取得了较好的效果，对小波去噪的理论和应用奠定了一定的基础。总之，由于小波具有低墒性、多分辨率、去相关性、选基灵活性等特点，小波理论在去噪领域受到了许多学者的重视，并获得了良好的效果。但如何采取一定的技术消除图像噪声的同时保留图像细节仍是图像预处理中的重要课题。目前，基于小波分析的图像去噪技术已成为图像去噪的一个重要方法。三、研究内容图像在生成和传输过程中常常因受到各种噪声的干扰和影响而使图像降质，这对后续图像的处理(如分割、压缩和图像理解等)将产生不利影响。噪声种类很多，如：电噪声、机械噪声、信道噪声和其他噪声。在图像处理中，图像去噪是一
8、个永恒的主题，为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理。本文阐述图像处理的基本概念和小波变换的基本理论，结合传统的图像去噪方法的不足，对基于小波变换的图像去噪方法进行深入的研究分析，其中重点介绍小波阈值在图像去噪中的应用，并对这些方法进行仿真实现，说明其对图像去噪效果的影响。四、实现方法、手段基于本课题的研究，首先要了解数字图像去噪的意义、研究背景、发展趋势和存在的问题，对研究课题的基本内容、目的和意义有所了解。通过书籍和网络等资源，学习并初步掌握小波变换的基础知识，了解和掌握小波变换在图像去噪的应用，简单实现基于小波变换的图像去噪技术。在信号处理过程中，通过M
9、ATLAB丰富的工具箱以及其强大的计算功能，学习MATLAB语言，编写处理程序，并上机进行程序调试，对图像去噪过程进行仿真。对去噪后的数字图像进行各种性能指标的评价，得出实际有用的结论。五、预期目标对传统的去噪方法进行深入分析，总结和对比，并实现仿真，指出其去噪的不足。小波理论虽经过多年发展，并取得了许多非常重要的研究成果。但小波分析的应用潜力仍然很大，仍旧存在着一些需要解决问题。本课题首先要在前人提出的有关小波应用的基础上，简单介绍去噪图像质量的评价方法。然后对小波展开更加系统、深入的分析和研究，介绍基于小波变换的图像去噪，简单介绍小波去噪的发展历程和小波去噪的分类，在此基础上对传统的小波去
10、噪技术进行一定的改进，并要用实验验证此方法的可行性。本课题通过学习了解图像去噪的相关知识，在MATLAB源程序基础上进行设计和编码，完成运行稳定的程序，对以上各种去噪方法进行仿真以证明所提方法的可行性，实现对图像的去噪。并比较不同算法的去噪性能，达到较好的图像去噪效果。六、任务完成的阶段安排及时间安排1. 收集、查阅有关图像去噪和Matlab仿真平台的有关资料，进行方案论证，完成开题报告 2月24日3月15日2. 熟悉相关环境完成英文翻译 3月16日3月31日3. 深入研究图像去噪各种方法 4月1日4月28日4. 针对各种算法进行软件仿真 4月29日5月26日5. 整理资料，撰写毕业论文 5月
11、27日6月9日6. 准备答辩 6月10日6月19日七、完成任务所具备的条件因素 深入了解分析传统去噪方法，研究不同噪声所适用的去噪方法，并在前人提出的有关小波应用的基础上，分析研究传统小波的分解层数、小波基的选取及阈值对图像去噪的影响，在此基础上对上述所提方法进行分析研究，并通过仿真软件进行仿真，以验证和评价新方法的合理性和有效性。需要电脑,以对新方法、新思想进行仿真和评价。指导教师意见及建议：指导教师签名： 年 月 日注：1、课题来源分为：国家重点、省部级重点、学校科研、校外协作、实验室建设和自选项目；课题类型分为：工程设计、专题研究、文献综述、综合实验。 2、此表由学生填写，交指导教师签署意见后方可开题。
