小波變換在圖像去噪中的應(yīng)用研究.pdf

1、在圖像處理中，圖像通常都存在著各種不易消除的噪聲。尋求一種既能有效地減小噪聲、又能很好地保留圖像邊緣信息的方法，一直是人們努力追求的目標。傳統(tǒng)的去噪方法很難同時兼顧這兩個方面。而小波分析由于在時域頻域同時具有良好的局部化性質(zhì)和多分辨率分析等優(yōu)點，不僅能滿足各種去噪要求，如低通、高通、陷波、隨機噪音的去除等，而且與傳統(tǒng)的去噪方法相比較，有著無可比擬的其他優(yōu)點，成為信號分析的一個強有力的工具，被譽為分析信號的”數(shù)學顯微鏡”。 本文的

2、工作主要包括以下三個方面的內(nèi)容： (1)本文首先總結(jié)了各種圖像去噪方法，并對其進行了總結(jié)與對比，提出了各自的優(yōu)缺點，著重闡述了小波變換的基礎(chǔ)理論，給出了小波變換的基本概念、基本思想、發(fā)展歷程和小波去噪的基本方法。 (2)對小波系數(shù)進行統(tǒng)計建模可以進一步提高圖像去噪效果，本文定量的給出了模型的建立過程，分析了小波系數(shù)間的相關(guān)特性，在此基礎(chǔ)上，提出了三種新的算法：基于局域特性的自適應(yīng)算法，基于鄰域特性的自適應(yīng)算法以及多方向多

3、尺度的自適應(yīng)算法，實驗結(jié)果表明，這幾種算法比傳統(tǒng)算法有更好的去噪效果。 (3)小波變換因其良好時頻局域特性和多分辨率特性，在圖像處理中得到了很好的應(yīng)用。但由于它不具有類似人眼的方向特性，對具有線狀奇異的特性，小波變換的圖像表示則不再稀疏。J．Candes等人提出的Curvelet、Ridgelet、Contourlet等變換提供了多尺度幾何分析(MGA)的思想，它們不僅具有小波的時頻局域特性和多分辨特性，還具有方向性和各向異性。