多个小波变换的联合图像去噪方法

摘要

小波分析是数学领域中一个有趣的研究课题.讨论小波的新理论、新方法和新应用具有重要的理论意义和实际价值.目前,它在许多应用领域-如信号分析、语音合成、图象识别、计算机视觉、数据压缩、CT成像、地震勘测、大气与海洋的分析等方面都已取得了具有科学意义和应用价值的重要成果,是最为活跃的应用研究领域之一.本文从不同小波基对图像的不同作用这个角度出发,主要讨论了两部分的内容,第一部分是应用局部贝叶斯阈值门限结合软阈值函数用一般的小波阈值来去噪,去噪效果可以达到非下采样的去噪系统,但计算量却小的多.第二部分是小波分解结合维纳滤波得到的多个小波基对图像的共同去噪效果,它利用多个小波基联合去噪的实验结果作为引导图像,用来估计真实信号的方差,这样就避免了传统维纳滤波中小波基的配对问题,而且效果非常明显.

目录

文摘

英文文摘

创新性声明和关于论文使用授权的说明

第一章绪论

1.1小波的产生

1.2本文的主要工作

第二章小波去噪的基本知识

2.1小波变换

2.1.1连续小波变换

2.1.2离散小波变换

2.2傅里叶变换

2.3小波变换与傅里叶变换的比较

2.4小波去噪的基本原理

2.4.1边界延拓

2.4.2分解与重构

2.4.3阈值的选取

2.5二维小波变换在图像处理中的应用[12]

2.5.1图像压缩

2.5.2图像消噪

2.5.3图像融合

2.5.4图像平滑

2.5.5图像增强

2.5.6图像分割

第三章多个小波基的联合图像去噪方法

3.1引言

3.2小波阈值去噪的基本方法

3.3各种参数的选取

3.4多个小波变换的联合图像去噪方法

3.4.1多个小波基联合去噪的原理

3.4.2与非下采样系统的性能比较

3.4.3小波基的类型和数目的选取

3.5结论和讨论

第四章改进的经验Wiener滤波应用于多个小波联合去噪

4.1引言

4.2小波去噪基本知识及Wiener滤波算法

4.3改进的经验Wiener滤波

4.4多个小波基Wiener滤波的联合去噪方法

4.5实验结果与讨论分析

第五章小结与展望

5.1分块求熵加权

5.2边缘扩张精确的逐点估计信号方差

5.3多个小波系数求平均逐点估计信号方差

5.4小波包联合去噪

结束语

参考文献

致谢

研究生在读期间的研究成果