基于多尺度特征分析的图像数据自适应去噪方法研究

摘要

小波变换是近二十年来发展起来的一门信号变换的理论与技术，小波变换所具有良好的时频特性，已广泛应用于信号处理、图象处理、量子场论、地震勘探、话音识别与合成、音乐、雷达、CT成相、机器视觉、机械故障诊断与监控以及数字电视和信号压缩编码等领域。小波变换是一种能同时在时间(或空间)和频率域内进行局部化信号分析的新方法。其主要优点在于它在时域(空域)和频率域都有良好的局部化性质，由于它对高频成分采用逐渐精细的时域(空域)取样步长，从而可以聚焦到信号的任意细节。原则上说，凡是使用傅立叶变换的运算均可以用小波变换代替，而且不受短时窗的局限。 在图象中常常会含有各种噪声，噪声频谱分布具有如下特点；(1)噪声的频率成分会占据信号的整个频谱范围；(2)噪声的幅值相对于主要的信号成分幅值而言是小的，因而对不同的频率成分采用不同的阈值进行去噪，可以有效地保留信号，去掉干扰。(3)小波变换所具有的变换稀疏的瞬态信号表达性能、频率子带划分和父子尺度特性，使其非常适合于消除或衰减存在于图象中的噪声，同时尽可能地保留图象细节。 本文工作包括： (1)软阈值和硬阈值去噪 (2)在阈值去噪的基础上采用了一种新的基于小波变换的自适应多阈值图像去噪方法——多尺度阈值收缩去噪法，这种方法是在不同子带和不同方向上选择不同的最佳阈值。 (3)彩色图像的去噪 本文的创新之处在于：多尺度阈值收缩去噪法可以运用到检测和识别系统中，以提高系统的检测和识别性能。通过大量的实验证明，多尺度阈值收缩去噪法能很好地对图像去噪，与硬阈值去噪方法和软阈值去噪方法相比，不仅提高了去噪后图像的信噪比，而且也使图像更加清晰，并能更好地适合人眼的视觉特性，从而可在客观和主观上同时获得更佳的去噪效果。

目录

文摘

英文文摘

华南理工大学学位论文原创性声明及学位论文版权使用授权书

第一章绪论

1.1研究意义

1.2研究现状

1.3主要研究内容

第二章基于小波变换的软硬阈值去噪方法

2.1小波变换理论

2.1.1小波变换的发展历史

2.1.2小波变换的基本概念

2.1.3多分辨率和Mallat算法

2.1.4图像的小波变换

2.2图像的噪声和软/硬阈值去噪

2.2.1图像的噪声

2.2.2小波软/硬阈值去噪

2.3阈值的选择

2.4实验与分析

2.5本章小节

第三章自适应阈值去噪法

3.1软硬阈值法的局限性

3.2自适应阈值去噪法

3.3多尺度阈值收缩去噪法

3.4去噪结果评价

3.5实验处理过程

3.6结论

3.7本章小节

第四章彩色图象的去噪法

4.1颜色理论

4.2颜色空间

4.3彩色图像的去噪

4.4彩色图像的分离通道去噪的算法

4.5彩色图像去噪流程图

4.6实验与分析

4.7本章小结

结论

参考文献

致谢