基于尺度空間和Context模型的小波軟門限去噪研究.pdf

1、汕頭大學汕頭大學碩士學位論文碩士學位論文題目題目基于尺度空間和基于尺度空間和ContextContext模型的模型的小波小波軟門限軟門限去噪去噪研究研究英文題目英文題目ResearchonResearchonSoftSoftThresholdingDenoisingThresholdingDenoisingbasedonbasedoncombiningombiningscalescalespacespaceContextmodeling

2、Contextmodeling研究生姓名：郭春樺郭春樺學號：1143011511430115專業(yè)：電子與通信工程電子與通信工程導師姓名：閆敬文閆敬文職稱：教授教授入學時間：20122012年3月論文答辯時間：20142014年5月汕頭大學2014屆工程碩士學位論文基于尺度空間和Context模型的小波軟閾值去噪研究I摘要在圖像的采集、傳輸過程中，都存在不同程度被各種噪聲“污染”的情形。因此為了對圖像進行后續(xù)處理，需要對圖像進行去噪處理。

3、小波變換是一種多尺度信號分析方法，它的“數(shù)字顯微鏡”特性使得它在圖像去噪領域中備受重視，找到一種既可有效去噪又可保護細節(jié)信息的方法是研究人員的追求目標。本文基于小波變換的基本理論，研究了傳統(tǒng)的小波閾值去噪算法，重點討論了閾值處理函數(shù)和閾值估計兩個問題，這些算法對同一尺度空間的全部系數(shù)采用同一閾值，即使是接近最優(yōu)的Bayes閾值，也不能達到滿意的去噪效果。在此基礎上，本文提出了一種基于尺度空間和Context模型相結合的小波軟門限去噪算法

4、。該方法把小波圖像壓縮中的Context模型引入到去噪領域中，把小波系數(shù)根據(jù)能量分成多個子部分，打破空間的限制更準確的估計局部方差，對每個子部分分別估算去噪閾值；并利用了相鄰小波空間的細節(jié)系數(shù)的強相關性，重新定位圖像細節(jié)，對細節(jié)部分，采用貝葉斯軟門限去噪，對非細節(jié)部分，采用基于Context模型的軟門限去噪。新的方法能更準確的估計每一部分小波系數(shù)的閾值，很好的提取了圖像邊緣，即可有效濾除噪聲又可保護圖像細節(jié)。實驗結果表明本文提出的算法無