基于小波与轮廓波变换的改进图像去噪算法研究

摘要

数字图像在采集、处理或传输过程中往往会混入各种噪声,降低了图像的质量,非常不利于后续图像分析,对图像进行去噪处理是进行后续图像分析必不可少的环节。通过对基于小波变换与轮廓波(Contourlet)变换的图像去噪算法进行分析,提出基于小波变换或Contourlet变换的改进图像去噪算法。论文主要有以下内容:
　　(1)阐述图像去噪的研究背景和意义,分析图像去噪国内外发展现状及趋势。介绍小波变换和Contourlet变换的理论知识以及基于小波与Contourlet变换的常用图像去噪方法,为后续基于小波变换与Contourlet变换的改进图像去噪算法研究做好必要的理论准备。
　　(2)小波变换图像去噪算法能对高斯噪声进行有效去噪,但对椒盐噪声去噪效果较差,为了能对含椒盐、高斯或椒盐-高斯混合噪声的普通图像进行有效去噪,提出基于二阶导数算子与小波变换的图像去噪算法。首先构造了能对椒盐噪声有很强去噪能力的二阶导数算子噪声定位的图像去噪算法,然后对传统小波阈值图像去噪算法的阈值公式进行修正,最后将二阶导数算子噪声定位的图像去噪算法和改进的小波阈值图像去噪算法进行结合。
　　(3)传统小波红外图像去噪算法通常分为阈值去噪和尺度间相关性去噪,它们对红外图像的去噪效果不佳。通过对其缺陷进行分析,提出改进阈值与尺度间相关的小波红外图像去噪算法,提升对红外图像的综合去噪能力,具有较好的实用性。
　　(4)考虑到阈值函数和小波变换框架的局限性,构造在Contourlet框架下的统一阈值函数—YW阈值函数,它考虑图像、噪声以及变换的影响,具有自适应性和普适性,能在非特定情况下进行较优的阈值处理。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究背景和意义

1.2 国内外研究现状及趋势

1.3 主要研究内容

1.4 论文章节安排

第2章 小波变换与Contourlet变换

2.1 小波变换

2.2 Contourlet变换

2.3 基于小波与Contourlet变换的图像去噪方法

2.4 本章小结

第3章 基于二阶导数算子与小波变换的图像去噪

3.1 二阶导数算子噪声定位的图像去噪

3.2 改进的小波阈值去噪

3.3 算法描述及实验结果与分析

3.4 本章小结

第4章 改进阈值与尺度间相关的小波红外图像去噪

4.1 改进阈值的小波红外图像去噪

4.2 小波变换尺度间相关性

4.3 算法描述及实验结果与分析

4.4 本章小结

第5章 Contourlet框架下的统一阈值函数图像去噪

5.1 Contourlet框架下统一阈值函数的构造

5.2 实验结果与分析

5.3 本章小结

第6章 总结与展望

参考文献

致谢

个人简历、在校期间发表的学术论文及研究成果