基于邊緣檢測(cè)的小波圖像去噪.pdf

1、本文主要針對(duì)小波分析在邊緣檢測(cè)、圖像去噪方面應(yīng)用的方法進(jìn)行了深入研究. 證明了基于對(duì)稱(chēng)小波基的小波變換,在用于多尺度邊緣檢測(cè)時(shí),可以很好地保持邊緣位置；本文的工作提出了通過(guò)小波變換的模極大值法和高低雙閾值法對(duì)輸入的有噪圖像進(jìn)行邊緣檢測(cè)算法.該算法在獲得良好邊緣的情況下,邊緣定位準(zhǔn)確度高. 由于小波變換后的圖像能量主要分布在低頻部分,噪聲基本上分布在高頻部分,而圖像的邊緣信息是圖像最為有用的高頻信息.因此,利用傳統(tǒng)的方法去

2、噪時(shí),雖然能較好的去除圖像中的噪聲,但不能較好的保留圖像的邊緣信息,而且全局閾值法會(huì)"過(guò)扼殺"小波系數(shù),使圖像的信息被去除. 針對(duì)傳統(tǒng)去噪方法不能保留邊緣特征和全局閾值法"過(guò)扼殺"小波系數(shù)的缺點(diǎn),對(duì)圖像進(jìn)行邊緣檢測(cè),在分析軟閾值函數(shù)的基礎(chǔ)上通過(guò)對(duì)軟閾值函數(shù)進(jìn)行修正,提出了平滑閾值函數(shù).此種函數(shù)因在整個(gè)取值區(qū)間內(nèi)保持平滑,所以在去噪中可保存圖像的部分細(xì)節(jié).具體講,先求出邊緣圖像,把邊緣信息事先保護(hù)起來(lái)；然后,逐點(diǎn)貝葉斯門(mén)限法求出的