基于小波变换的红外图像去噪算法研究

摘要

近年来，红外成像技术被广泛应用于很多领域，如:夜视成像、制导、跟踪、医疗等方面。然而，由于红外探测器的固有特性所产生的噪声污染、对比度低、边缘模糊等现象对红外图像造成了严重的影响。为了降低这类现象对红外图像的影响、改善图像质量，本论文引入了小波分析技术。由于小波变换具有时频分析能力，它用时-频域联合表示信号的特征，并且它将二维信号分解到不同分辨率尺度，这一特性特别适合于图像分析，并且通过小波变换重建后，被处理的图像质量能有效地提高，以及准确获取我们需要的图像信息。
　　 本论文主要对基于小波变换的红外图像去噪算法进行了研究，介绍了小波变换的一些基础理论;小波基函数的特性及选择标准;红外图像的噪声分布特性及评价标准;详细介绍了几种经典小波变换去噪方法，并对这三类方法进行结果分析，通过仿真实验说明他们各自的优缺点和适用条件;对小波阈值去噪方法中的几个关键问题进行了详细讨论，在最小均方误差估计准则的基础上选择合适的小波基，然后对小波的阈值函数进行改进。
　　 基于小波变换的红外图像去噪方法有很多种，其中最常用的是小波阈值萎缩去噪法。传统的去噪方法（硬、软阈值函数）被广泛的应用到实际中，并且去噪效果很好。由于硬阈值函数的不连续性导致信号在重构之后容易出现伪吉布斯现象;而软阈值函数虽然整体连续性好，但是小波系数的估计值与实际值之间总存在恒定的偏差，具有一定的局限性。鉴于此，本文对红外图像的噪声分布特性进行分析，根据小波基的特性及最小均方误差估计准则选择合适的小波基函数，在对比分析了各种去噪方法优缺点的基础上，对小波阈值函数进行改进，从而得到新的阈值函数。该阈值函数表达式简单、可调整参数、连续性好且高阶函数可导，便于进行各种数学处理。最后，以Matlab为仿真研究软件，实验结果表明，新阈值函数去噪较传统硬、软阈值方法效果更显著，信噪比提高较多，同时去噪后仍能较好地保留图像细节，是一种有效的红外图像去噪方法。

目录

声明

摘要

第1章 绪论

1．1 课题研究的背景及意义

1．2 小波理论的发展及研究现状

1．3 小波变换应用于红外图像去噪技术

1．4 本文研究的主要内容

第2章 小波分析理论基础

2．1 傅里叶变换到小波分析

2．1．1 傅里叶变换

2．1．2 短时傅里叶变换

2．1．3 小波分析

2．2 连续小波变换

2．3 离散小波变换

2．4 多分辨率分析

2．5 小波基函数及其性质

2．5．1 常用小波函数

2．5．2 小波基的性质

2．6 本章小结

第3章 基于小波变换的红外图像去噪原理与方法

3．1 红外图像噪声分析与质量评价标准

3．1．1 红外图像噪声分析

3．1．2 红外系统的噪声

3．1．3 红外图像质量评价标准

3．2 小波变换去噪分析

3．2．1 小波变换的特点

3．2．2 小波去噪的基本原理

3．3 小波变换模极大值去噪方法

3．4 小波系数相关性去噪方法

3．5 小波阈值去噪方法

3．5．1 小波阈值去噪原理

3．5．2 阈值函数的选取

3．5．3 阈值的选取

3．6 三类方法的实验结果分析与对比

3．6．1 小波变换模极大值去噪

3．6．2 小波系数相关性去噪

3．6．3 小波阈值去噪方法

3．6．4 三种去噪方法的比较

3．7 本章小结

第4章 基于LMMSE准则的小波阈值去噪算法

4．1 线性最小均方误差估计准则

4．1．1 线性最小均方误差估计(LMMSE)

4．1．2 最优小波基的选择标准

4．2 选择小波基

4．3 新型阈值函数小波去噪算法

4．4 实验结果与分析

4．5 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢