小波變換灰度圖像去噪與邊緣檢測方法研究.pdf

1、噪聲降低了圖像質(zhì)量，增加了圖像的復(fù)雜性；邊緣是圖像的主要特征，圖像邊緣檢測是圖像處理領(lǐng)域最重要的技術(shù)方法之一，因此圖像去噪與邊緣檢測一直都是圖像處理領(lǐng)域的重要研究內(nèi)容。小波變換具有多分辨分析和時頻局部化特性，具有強(qiáng)大的分析和檢測功能。
　　 本文在小波變換的基礎(chǔ)上，對小波變換圖像閾值去噪方法和模極大值邊緣檢測方法做了分析，并針對其中所存在的問題，提出了相應(yīng)的改進(jìn)：⑴針對小波變換圖像閾值去噪方法中軟硬閾值處理方法所存在的問題，將雙

2、曲線函數(shù)引入閾值去噪方法，構(gòu)造了兩種新的閾值函數(shù)。一種與大多數(shù)改進(jìn)方法類似，是介于硬閾值函數(shù)與軟閾值函數(shù)之間的光滑函數(shù)，在小波變換系數(shù)趨向于無窮大時，閾值處理后則無限逼近真實值；另一種在閾值處連續(xù)，而且根據(jù)參數(shù)的選取，可以靈活地選擇與實際情況相適應(yīng)的雙曲線函數(shù)變化區(qū)間，能夠較大程度地保留住小波變換系數(shù)的真實值。實驗證明，雙曲線閾值函數(shù)方法對含有隨機(jī)噪聲的灰度圖像進(jìn)行去噪處理后，可以取得較好的視覺效果，并提高了圖像的信噪比和峰值信噪比。⑵

3、針對小波變換模極大值邊緣檢測中固定閾值方法所存在的問題，提出了分層閾值的改進(jìn)方法。對待檢測圖像進(jìn)行小波變換，計算出每一層梯度值，搜索局部極大值點作候選邊緣點，設(shè)置小波變換第一層的初始閾值，然后運用論文提出的分層閾值公式在初始閾值的基礎(chǔ)上，求出每一層的分層閾值，再對每一層的候選邊緣點做閾值處理，得到每一層最終邊緣。分層閾值方法隨著尺度的增大，對閾值進(jìn)行了相應(yīng)地收縮，使其更適合圖像處理過程中的實際情況。通過實驗證明，分層閾值的改進(jìn)方法，在保