《基于小波变换的图像去噪方法研究毕业设计说明》由会员分享，可在线阅读，更多相关《基于小波变换的图像去噪方法研究毕业设计说明（51页珍藏版）》请在金锄头文库上搜索。
1、. . . . 题 目基于小波变换的图像去噪方法研究 学生 菲菲 学号 1113024020 所在学院物 理 与 电 信 工 程 学 院专业班级通 信 工 程 专 业 1101 班 指导教师 莉 完成地点物 理 与 电 信 工 程 学 院 实 验 中 心 2015 年 5月 20日 / 毕业论文设计任务书院(系) 物理与电信工程学院 专业班级 通信1101班 学生 菲菲 一、毕业论文设计题目基于小波变换的图像去噪方法研究 二、毕业论文设计工作自 2015 年 3 月 1 日 起至 2015 年 6 月 20 日止三、毕业论文设计进行地点: 物理与电信工程学院实验室 四、毕业论文设计的容1、图像
2、处理中，输入的是质量低的图像，输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。一般图像的能量主要集中在低频区域中，只有图像的细节部的能量才处于高频区域中。因为在图像的数字化和传输中常有噪声出现，而这部分干扰信息主要集中在高频区域，所以消去噪声的一般方法是衰减高频分量或称低通滤波，但与之同时好的噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊。为了改善图像质量，从图像提取有效信息，必须对图像进行去噪预处理。设计任务： （1）整理文献，研究现有基于小波变换的图像去噪算法，尝试对现有算法做出改进； （2）在MATLAB下仿真验证基于小波变换的图像去噪算法。 2、要
3、求以论文形式提交设计成果，应掌握撰写毕业论文的方法， 应突出“目标，原 理，方法，结论”的要素，对所研究容作出详细有条理的阐述。 进度安排： 1-3周：查找资料，文献。 4-7周：研究现有图像去噪技术，对基于小波变换的图像去噪算法作详细研究整理。 8-11周：研究基于小波的图像去噪算法，在MATLAB下对算法效果真验证。 12-14周：分析试验结果，对比各种算法的优点和缺点，尝试改进算法。 15-17周：撰写毕业论文，完成毕业答辩。 指 导 教 师 莉 系(教研室)系(教研室)主任签名批准日期 2015.1.1接受论文 (设计)任务开始执行日期 2015.3.1 学生签名 基于小波变换的图像去
4、噪方法研究 菲菲（理工学院物理与电信工程学院通信1101班， 723000）指导教师：莉摘 要 图像去噪是信号处理中的一个经典问题，随着小波理论的不断完善，它以自身良好的时频特性在图像去噪领域受到越来越多的关注。基于小波变换的去噪方法有很多种，本文主要讨论了基于小波变换的阈值去噪方法和基于小波变换的滤波去噪方法，其基本思想是先对含噪图像进行小波变换，再对高频系数进行阈值去噪或滤波去噪处理，最后进行小波反变换，实现基于小波的图像去噪。最后，在MATLAB下，分别对图像加入高斯噪声，泊松噪声，椒盐噪声，对算法进行了验证。 关 键 词小波变换 图像去噪 阈值 滤波 MATLABResearch on
5、 image denoising method based on Wavelet Transform Chen Feifei(Grade11,Class1,Major of Communication Engineering，School of Physics and telecommunication Engineering of Shaanxi University of Technology, Hanzhong 723000,China) Tutor:ChenLi Abstract： Denoising signal processing is a classic problem, wi
6、th the improvement of wavelet theory, which good time-frequency characteristics .It is more and more attentioned in the field of image denoising. There are many de-noising method based on wavelet transform, this paper discusses the method based on thresholding wavelet transform and filtering denoisi
7、ng method based on wavelet transform, the basic idea is that noisy image is firstly transformed by wavelet and then the high-frequency coefficients is thresholded or filtered , wavelet-based image denoising is finished. Finally, in MATLAB, Gaussian noise and Poisson noisewere added to the image, the
8、 algorithm was validated. Keywords: Wavelet transformation; Image denoising; Wavelet threshold;filtering; MATLAB目录1绪论11.1课题背景11.2课题研究现状和前景12图像的噪声分析22.1图像噪声的概念22.2常见噪声23小波变换原理33.1小波变换33.2连续小波变换33.2.1一维连续小波变换33.2.2 高维连续小波变换53.3离散小波变换64 基于小波变换的阈值去噪原理与仿真结果分析64.1 基于小波变换的阈值去噪原理64.2基于小波变换的阈值去噪法仿真结果与分析75 基于
9、小波变换的滤波去噪法原理与仿真结果分析75.1基于小波的均值滤波去噪原理75.2 基于小波的中值滤波去噪原理85.3 基于小波的维纳滤波去噪原理85.4加各种噪声的滤波去噪仿真结果与分析8结束语12致13参考文献14附录A 外文与翻译15附录B 程序391绪论1.1课题背景 人类传递信息主要依靠语音和图像。据统计，在人类接收的信息中，听觉信占20，视觉信息占60%。其中图像信息以其信息量大，传输速度快，距离远等优势的作用，是人类获取信息的重要来源和使用信息的重要手段。包含在图像的直观信息是声音，文本不能被替换的。但是，在产生和传输过程中的图像会受到各种噪声干扰，图像的质量可能会被损坏，其遵循的
10、图像处理的一个更高的水平是非常不利的。所以，图像预处理阶段，有必要进行图像的去噪，这样可以将信号增加到图像的信噪比，突显图像的所需特征。 人们根据实际图像的特点、噪声的频谱分布的规律和统计特征，开发了多种多样的去噪方法，最直接的方法是基于所述噪声能量通常集中在高频率和信道的频谱分布在该功能的有限围，使用傅立叶变换使嘈杂信号变换到频域，再进行低通滤波方法滤波去噪。但是，由于图像的细节也分布在高频区域，所以去除图像噪声的方法中，它也将平滑图像的边缘，失去了一些图像细节方面的信息。比较糟糕的是，信号奇点进行信号检测很重要，也可以过滤掉。因此，传统的基于傅立叶变换去噪方法中，保护信号边缘的存在和有噪声
11、抑制之间的矛盾，在信号中的噪声难以正确地识别和除去。两难的去噪是如何保持在降低噪声和保持图像细节的平衡。小波变换具有良好的时频局部化特性，来解决这个问题提供了一个很好的工具。随着公司的不断发展和完善小波理论，其特点使它成为一个很好的时间和频率已被广泛应用于图像去噪领域。小波变换噪声信号到小波域，可以使用多分辨率分析，这将能够描绘非常良好的非稳定信号，如边缘，尖峰，断点的特性，以便提取在特征。此外还小波变换具有低熵和相关特性。小波变换对信号去相关，噪声具有美白趋势，小波系数稀疏，通常对应于少数大的小波系数的一个信号，以与对应于大量小，这有利于信号的小波系数的噪声去噪。另一方面，理论和实验结果表明
12、，在小波域具有不同的传播特性的信号和噪声，小波变换模极大信号会增加或保持不变的增加的比例，而小波变换模最大噪声值减小用规模，充分利用在小波这些特征变换域可以非常有效区分信号和噪声中。因此，基于小波变换的图像信号去噪方法可以在同一时间被保护消除边缘噪声，具有很好的应用前景和极大的发展潜力。1.2 课题研究现状和前景 Mallat是最早从事小波分析在信号处理中应用的研究者之一，它于1992年建立了小波变换快速算法，运用于信号和图像的分解与重构。同时还提出了基于指示将要描述，得到使用小波信号变换奇异性检测的基本原理的使用上的信号，图像和噪声的多尺度数学特征普希茨索引信号和图像多尺度边缘法奇点的信号。他的另一个贡献是提出一个模极大去噪方法。即根据在小波的信号和噪声的不同传播特性各尺度的变换，除去模极大噪声，保留对应模极大信号，再使用小波模极大重建因子的其余部分，并然后恢复信号。这是小波去噪方法中最经典的。然而，只有有限的使用模极大信号重构误差很大，交替投影法的Mallat还提出了这个
