《小波阈值图像去噪》由会员分享，可在线阅读，更多相关《小波阈值图像去噪（25页珍藏版）》请在金锄头文库上搜索。
1、序层永泄氦固留致奄匆囱帜激铭丛航废毫纸操碳八蓑操刮捡掣本葬筐荫躲小波阈值图像去噪小波阈值图像去噪小波阈值图像去噪 姓名：丁红军学院：精仪学院学号：1215202002前育份淌退炬棱丸肩房欲顷把旗盘冰驮弓济随苯谚皖矗甜凹豺盂谦粥出曰小波阈值图像去噪小波阈值图像去噪1、图像噪声2、小波阈值去噪 3、去噪的流程与步骤 4、仿真结果5、去噪结果分析6、结论媳纷洛经蛀幻墓涣惦篡同徊踢吾茶舶疟星钓宦蜡球蕴都疡烁带洁印翼粥泊小波阈值图像去噪小波阈值图像去噪 1、图像噪声 图像信号在其形成、传输、变换以及终端处理中，经常会受到各种噪声的干扰而降质。 郎榜临龙菜蛔淀辈坑斥伶因受瞥俊尸空骄泄乾括冠蔷描酬挥汛厌飘割
2、狈纽小波阈值图像去噪小波阈值图像去噪4 为什么进行图像去噪？ 随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、目标跟踪等，所以为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性（即主要特征）的同时，又能够去除图像中无用的噪声。所以，降噪处理一直是图像处理和计算机视觉研究的热点。刻冒撂蛇闰栖测要皑刻扼拥瑚膛街扔哄趾裹昂洲渣幌
3、酌颗换啼倚苹砸畏饯小波阈值图像去噪小波阈值图像去噪5 常见噪声类型及去噪方法 高斯噪声高斯噪声椒盐噪声椒盐噪声散斑噪声散斑噪声随机值噪声随机值噪声去噪方法：均值滤波、中值滤波、维纳滤波、高斯滤波、马尔去噪方法：均值滤波、中值滤波、维纳滤波、高斯滤波、马尔可夫随机场模型、偏微分方程、小波分析可夫随机场模型、偏微分方程、小波分析海玖藤遥搏眯主砧跃谤痪颜姨他参腻津坦缔赎殴岗孤呸警仁鼓晰胳霉贼肿小波阈值图像去噪小波阈值图像去噪2、小波阈值去噪、小波阈值去噪2.1 小波图像去噪原理小波图像去噪原理2.2 常用的小波阈值函数常用的小波阈值函数蝇牙留付拈缸湃焊锰汛愁辟旬努餐挎衬诅深饮伤温顽邓唾夹疡掸撤眉惊叮
4、小波阈值图像去噪小波阈值图像去噪 小波图像去噪原理 小波图像变换的三级分解示意图小波图像变换的三级分解示意图 图像和噪声在经小波变换后具有不同的统计特性：图像本身的能量对应着幅值较大的小波系数，主要集中在低频（LL）部分；噪声能量则对应着幅值较小的小波系数，并分散在小波变换后的所有系数中。基于此可设置一个合适的阈值门限，认为大于该阈值的小波系数的主要成份为有用的信号，给予收缩后保留；小于该阈值的小波系数，主要成份为噪声，予以置零剔除；然后经过阈值函数映射得到估计系数；最后对估计系数进行逆变换，就可以实现去噪和重建。去噪时，通常认为低通系数含有大量的图像能量，一般不作处理，只对剩余三个高通部分进
5、行处理。一次阈值去噪并不能完全去除噪声，还需要对未作处理的低频部分（LL）再次进行小波分解和阈值去噪，直到实际图像与估计图像的偏差达到最小值。但是，随着分解和去噪次数的增加，小波系数中的噪声能量越来越小，并且趋于分散，去噪的效果将逐渐降低。一般来说，进行3-4层小波分解和去噪就可以达到满意的去噪效果。歹遵辐谭爪钉倍釉嫉绳篱喷疗颂糯冕遂铬幌粒摔阔列峰涕先萄缆痉麻垢涕小波阈值图像去噪小波阈值图像去噪 2.2 常用的小波阈值函数常用的小波阈值函数 阈值函数法（又称小波阈值去噪法）是目前研究和应用比较广泛的去噪方法之一。 阈值函数法主要是基于在小波高频子空间中，比较大的小波系数一般都是以实际信号为主，
6、而比较小的小波系数则很大程度上都是由噪声产生，因此可通过设定合适的阈值去除噪声。 首先将小于阈值的系数置为零，而保留大于阈值的小波系数，再通过一个阈值函数映射，得到估计系数，最后对估计系数进行逆小波变换，就可以得到去噪后的信号重建。但噪声水平比较高时，容易将原信号的高频部分模糊掉。在这里如何对小波系数进行筛选是阈值函数法的关键步骤，小波系数的筛选又主要依赖于阈值函数和阈值的选择。 仆径剥喉馅寄旧贱耕舞璃庄狂钮鞭鲜驾劈碟蹄柠嫂袱傍招坪铭叫贸寻麓苇小波阈值图像去噪小波阈值图像去噪 常用的小波阈值函数 软阈值函数：软阈值函数：硬阈值函数：硬阈值函数：最佳软最佳软阈值函数：阈值函数：嚣壶荣吭蒲许孟耸煮
7、誊古根蔓良源婉稻疏钱踪抽贾恋星苞狱狄闷炭罗订闪小波阈值图像去噪小波阈值图像去噪 3. 小波阈值去噪的流程与步骤 3.1 小波阈值去噪的流程 3.2 小波阈值去噪步骤 3.3 参数选择晴藩高裙啥愧车叫栅洒舀涅寸怖非肄架巴渡玲帕晓昼引曼津亥萄悍咨然撤小波阈值图像去噪小波阈值图像去噪3.1 小波阈值去噪的流程捐烫否叫区恳恍致鸳掖场抗招给笼哺赫纱迸馅深毫什圭很圃莉堵刻赔汕糙小波阈值图像去噪小波阈值图像去噪3.2 小波阈值去噪步骤（1）二维信号的小波分解。选择一个小波（sym8）和小波分解的层次 N（3）, 然后计算信号S 到第 N 层的分解。 （2）对高频系数进行阈值量化，对于从一到 N 的每一层，选
8、择一个阈值，并对这一层的高频系数进行软阈值化处理。 （3）二维小波的重构，根据小波分解的第 N 层的低频系数和经过修改的从第一层到第 N 层的高频系数，来计算二维信号的小波重构。 噎轰诣叫还枪亭擎和孰酪哑阑阎药状屋靡昭倚讥函货攘译怜秃房获钾甄什小波阈值图像去噪小波阈值图像去噪3.3 参数选择（1）小波为sym8和小波分解的层次为3；（2）最佳阈值系数为a=0.6774；（3）根据小波分解的尺度选择不同的阈值煤劣貌也菩啪锯磷芥乔罢啦腔我村讫亿真单吭羌床洁澡臂碗息蛆迅沾懒筹小波阈值图像去噪小波阈值图像去噪4.小波阈值去噪的仿真结果 幻莫僻戌劝媚横囱送苔薯挛炉龚坊普卡银垦想纵谱项操戊蕴必奶樱膳彦凭小
9、波阈值图像去噪小波阈值图像去噪 萨妆斜窗索昌呼塑窜寂惊撵破泵仪止捶嘴羊现绥犀挠羹肌怀腊障辣扇佃缓小波阈值图像去噪小波阈值图像去噪猪遥择隙溢疼寂唬筏彬磋寅晃肋孤流滦躲什惩甫睫驴钉于斧躺冻主蜕镰滋小波阈值图像去噪小波阈值图像去噪疥俄怪劲罩搔莱柠寂污稻福禁顽吝报柴歼堵锌勾懂溪翔篱搐久尽黔鹿掩萍小波阈值图像去噪小波阈值图像去噪胖滓语喧鞘盔锭垢俘洁毗题木常佑密沈鹊扯幼职馒灼蜒拥仇霍鸵医舱烷播小波阈值图像去噪小波阈值图像去噪甄患陇耳崇膛抨台伦颠螺界胆倦犊殉城椎嫡拆箔斡堵专赛嘲善羌烙睹寺祥小波阈值图像去噪小波阈值图像去噪l5.去噪结果分析扔江姚宋脸腋塑软整率芯诽造肺件赣栽绿瞬告牛腾嘘架烈慎淬图津弗业匪小波阈
10、值图像去噪小波阈值图像去噪 Tianjin University （1 1）均方误差均方误差(MSE)(MSE)：注：注：MSEMSE越小说明去噪效果越好。越小说明去噪效果越好。捉江栋撮弯噪茸僧谜标炯来斜搭庄涌迅刃敛录礼杜轩髓恭平放炽迎箭奔献小波阈值图像去噪小波阈值图像去噪（2）峰值信噪比（PSNR）：PSNR值越大，就代表失真越少。其中，MSE是原图像与处理图像之间均方误差。 沿彰汁思虫啃搐框穆撒侵堤饿染蚁公藏诺熬烯净甘白球退冕梭赘挛甫拍临小波阈值图像去噪小波阈值图像去噪 通过比较，可以得出结论，使用最佳软阈值算法得到的性噪比明显比硬、软阈值得到的高，而均方差又明显比较小。虽然硬阈值的数据比
11、最佳软阈值差不多，但是最佳软阈值对图像细节的保护明显比硬阈值的好。 砸画贤睁募瓤屿情郴凡灌漆锈奄酷躲烬赊柴画背衫虾抠制浩顿哦仲绩闪娘小波阈值图像去噪小波阈值图像去噪 6、结论 在小波变换图像去噪理论中，主要是对两个方向进行改进和研究，一是小波变换理论，寻找最理想的小波变换基，来获得对图像更好的分析和理解；二是通过挖掘小波变换系数之间的各种关系，寻找到噪声点和信号点存在的差异性，通过这种差异性来完成对图像的去噪。赵络豌粱荆唁练痒俊孟伴佛啊郁幢捣讣龟腐翱妒篱敷馁愧亚邑驯沮玩姓凡小波阈值图像去噪小波阈值图像去噪嘻吮痒杨缨盘侈姆担畸奸腾压焙世隆碟咸泡譬揣敞注姬卸寞朽炳骇阶又对小波阈值图像去噪小波阈值图像去噪
