基于小波邊緣檢測(cè)的圖像去噪方法研究.pdf

1、現(xiàn)實(shí)中的圖像多為帶噪圖像，為了更好地對(duì)圖像進(jìn)行分析和通信，就必須在圖像預(yù)處理中減小圖像中的噪聲。近年來，隨著小波理論的不斷完善，小波分析已經(jīng)滲透到各學(xué)科領(lǐng)域。小波變換由于具有“數(shù)學(xué)顯微鏡”的作用，在去噪的同時(shí)能保持圖像細(xì)節(jié)，得到原圖像的最佳恢復(fù)。傳統(tǒng)的去噪方法在去噪的同時(shí)使圖像的細(xì)節(jié)變得模糊。為了在圖像去噪的同時(shí)又保留其邊緣特征，本文提出了把邊緣檢測(cè)和MAP估計(jì)得到的閾值相結(jié)合用于圖像去噪。 傳統(tǒng)的邊緣檢測(cè)基于一階導(dǎo)數(shù)極大值或二

2、階導(dǎo)數(shù)零交叉的定義。這種定義對(duì)噪聲非常敏感，因此邊緣檢測(cè)需要通過圖像平滑在大尺度下進(jìn)行。但在大尺度下進(jìn)行邊緣檢測(cè)的一個(gè)缺點(diǎn)是邊緣位置容易發(fā)生偏移。小波分析具有多尺度特性，既有大尺度的基函數(shù)，又有小尺度的基函數(shù)，因而在運(yùn)用于邊緣檢測(cè)時(shí)，正好解決了這個(gè)問題。本文首先根據(jù)小波變換的多尺度特性，用B樣條小波對(duì)圖像邊緣進(jìn)行定位，在獲得良好邊緣的情況下，邊緣定位準(zhǔn)確度高。 在閾值處理的時(shí)候，這些邊緣點(diǎn)不參與閾值處理。在對(duì)各個(gè)高頻子帶中由于全

3、局閾值法會(huì)“過扼殺”圖像的小波系數(shù)，所以非邊緣點(diǎn)采用貝葉斯最大后驗(yàn)概率準(zhǔn)則下的子帶MapShrink閾值。具有局部自適應(yīng)性，能更好的去除噪聲。通過仿真試驗(yàn)可知，論文算法在去除噪聲的同時(shí)還保留了圖像的邊緣特性，并且在去噪性能指標(biāo)上、在視覺效果上都要優(yōu)于其它幾種方法。采用本文的方法去噪后，圖像的輪廓比較清晰，細(xì)節(jié)比較明顯。 本課題主要工作和研究?jī)?nèi)容如下： (1)論述了小波理論發(fā)展的歷程、小波分析在圖像去噪和邊緣檢測(cè)中的應(yīng)用以

4、及小波去噪的優(yōu)勢(shì)。 (2)探討小波分析在邊緣檢測(cè)中的應(yīng)用。充分利用小波變換的特點(diǎn)，用B樣條小波得到不同尺度的小波變換，在每種尺度下分別提取圖像邊緣：而后利用邊緣信息的多尺度特性，將各尺度的邊緣圖像的結(jié)果融合起來，發(fā)揮各尺度的優(yōu)勢(shì)，得到精確的單像素寬的邊緣。 (3)針對(duì)傳統(tǒng)去噪方法不能保留邊緣特征和全局閾值法“過扼殺”小波系數(shù)的缺點(diǎn)，提出了基于邊緣檢測(cè)和MAP估計(jì)的小波閾值去噪方法，該方法在去噪之前，先通過小波邊緣檢測(cè)方法