基于輪廓波變換的圖像去噪和識別研究.pdf

1、在小波變換基礎(chǔ)上發(fā)展起來的的輪廓波(Contourlet)變換不但具有小波變換的多分辨率，時頻局部特性，還具有各向異性，多方向選擇性特性，在圖象處理中得到廣泛的應(yīng)用。 本文重點討論了基于小波變換和Contourlet變換的圖像去噪和目標(biāo)識別。首先，分析比較了幾種比較經(jīng)典的小波變換去噪方法：對于經(jīng)典閾值算法“過扼殺”小波系數(shù)，損失很多細節(jié)信息的缺點，添加約束因子對傳統(tǒng)的方法進行改進；同時針對小波變換缺乏平移不變性，采用靜態(tài)小波變換

2、來抑制偽Gibbs效應(yīng)。實驗證明這兩種改進能夠得到比原來方法更高的PSNR和更好的視覺效果。其次，本文介紹了Contourlet變換的閾值去噪算法；根據(jù)Contourlet變換后系數(shù)的統(tǒng)計特性，結(jié)合統(tǒng)計模型對基于統(tǒng)計模型去噪法進行了改進；由于Contourlet同樣缺乏平移不變性，我們采用循環(huán)法，抑制偽 Gibbs效應(yīng)。實驗證明基于統(tǒng)計模型的Contourlet去噪法要比傳統(tǒng)的閾值法有更高的 PSNR 和更好的視覺效果。將Contour

3、let變換去噪法和小波變換去噪法比較，實驗證明Contourlet變換能夠提高圖像去噪的性能，尤其體現(xiàn)在能夠更有效的保持圖像的邊緣和細節(jié)。最后，因為Contourlet變換的多方向性和各向異性能夠很好的表征圖像，所以本文將圖像經(jīng)過Contourlet變換，提取每一層各個方向的系數(shù)統(tǒng)計特性構(gòu)成特征向量，然后通過小波神經(jīng)網(wǎng)絡(luò)分類器和 BP 神經(jīng)網(wǎng)絡(luò)分類器，可以得到較好的分類效果。實驗結(jié)果表明：相比較于 BP 神經(jīng)網(wǎng)絡(luò)，小波神經(jīng)網(wǎng)絡(luò)的分類效果