基于自适应阈值的小波图像降噪

摘要

图像降噪是图像处理的一个重要环节。图像在采集和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可能的保持原始信号有效信息，同时除去信号中的噪声。近年来，小波理论得到了迅速发展，由于小波在时域和频域同时具有良好的局部化性质，从而可以充分突出研究对象的任何细节，众多优势使小波变换广泛地应用于图像降噪领域。 本文首先论述了小波理论的发展历程，介绍了小波在图像处理领域的应用情况，然后系统地描述了基于小波变换的传统的图像降噪方法，并对这些方法进行了比较，阐述了各种方法的优势及缺点。 本文在对小波变换及传统降噪算法深入研究的基础之上，提出了三种基于小波变换的图像降噪方法：基于改进的贝叶斯模型的小波图像降噪、基于提升小波与子带自适应阈值的图像降噪、基于局部阈值的小波图像降噪。第一种方法是基于贝叶斯降噪方法的，侧重点基于降噪过程的参数估计问题，使得改进后的参数估计模型更加稳定和精确；第二种方法在原有通用阈值的基础上提出自适应阈值算法，阈值的构造充分利用了子带相关性，并结合二代小波计算量小的优势进行图像降噪处理；第三种方法则有效的利用了图像局部信息，通过把子带分解成多个子块，分别计算小块阈值，同时算法加入了自适应的步骤。 仿真实验表明，本文提出的三种图像降噪方法能有效的去除图像噪声，获得令人满意的视觉效果。

目录

文摘

英文文摘

声明

第一章引言

1.1小波理论的发展

1.2小波变换在图像处理中的应用

1.2.1小波变换在图像压缩编码中的应用

1.2.2小波变换在图像增强中的应用

1.2.3小波变换在数字水印中的应用

1.2.4小波变换在图像边缘检测中的应用

1.2.5小波变换在图像降噪中的应用

1.3本文所作的主要工作

第二章小波变换基本理论

2.1小波变换理论

2.1.1小波变换的定义

2.1.2连续小波变换(CWT)

2.1.3离散小波变换(DWT)

2.1.4二进小波变换

2.2多分辨率分析

2.3小波变换的Mallat算法

2.3.1信号分解的Mallat算法

2.3.2信号重构的Mallat算法

2.4二维图像的小波变换与Mallat算法

2.4.1二维图像的小波变换

2.4.2二维图像的Mallat算法

第三章基于小波变换的图像降噪

3.1图像降噪问题概述

3.2基于小波的图像降噪

3.3小波降噪发展历程

3.4基于小波降噪方法的分类与对比

3.4.1基于小波变换模极大值降噪方法

3.4.2基于小波变换尺度间相关性的降噪方法

3.4.3基于阈值的小波降噪方法

3.4.4三类小波降噪方法的比较

3.5基于小波的其他降噪方法

第四章基于改进的贝叶斯模型的小波图像降噪

4.1贝叶斯降噪模型

4.2改进的贝叶斯参数估计

4.3实验结果与讨论

4.4本章小结

第五章基于提升小波与子带自适应阈值的图像降噪

5.1提升小波变换

5.1.1提升小波分解过程

5.1.2提升小波重构过程

5.2基于子带的自适应阈值

5.3实验结果与讨论

5.4本章小结

第六章基于局部阈值的小波图像降噪

6.1局部化自适应阈值

6.1.1图像的分块阈值

6.1.2自适应性能

6.2实验结果与讨论

6.3本章小结

第七章总结与展望

参考文献

攻读硕士学位期间的研究成果

致谢