基于小波變換的圖像去噪算法.pdf

1、在圖像獲取、圖像傳輸?shù)冗^程中，都不可避免地含有噪聲，圖像噪聲的存在嚴重影響了圖像的處理效果，圖像去噪有利于圖像的后續(xù)處理。因此，對含噪圖像進行去噪處理，提高圖像的質(zhì)量，就成為一個重要的研究課題。
　　小波分析是目前國際上公認的信號信息獲取與處理領域的高新技術,是多學科關注的熱點，是信號處理的前沿課題。由于小波變換具有低熵性、多分辨性、去相關性、選基靈活性等特性，使它成為在信號去噪領域內(nèi)的有力工具。
　　近年來，隨著小波理論的

2、不斷完善，小波分析已經(jīng)滲透到各學科領域。同樣，小波在圖像去噪中也得到了廣泛的應用，并提出許多小波圖像去噪算法。
　　本文的工作主要包括以下三個方面的內(nèi)容:
　?。?）本文第一、二、三章首先總結(jié)了各種圖像去噪方法，并對其進行了總結(jié)與對比，提出了各自的優(yōu)缺點，著重闡述了小波變換的基礎理論，給出了小波變換的基本概念、基本思想、發(fā)展歷程和小波去噪的基本方法。
　?。?）第四章為本論文的重要內(nèi)容。對基于小波變換的圖像消噪的信號分

3、解層進行了研究，闡述了確定小波分解層數(shù)的重要性，提出了一種新的最優(yōu)分解層的確定方法。通過各小波分解層信號和噪聲的能量比來確定小波變換的最優(yōu)分解層，采用MATLAB程序來編程進行運算驗證。
　　(3)第五章為本論文的另一重要內(nèi)容。提出了一種新的消噪算法—多子帶系數(shù)雙σ閾值算法（MSDT算法）。通過閾值進行去噪，最佳閾值T的確定是一個關鍵問題。由于噪聲能量在不同方向的高頻系數(shù)分布情況有所差異，可對不同子帶的高頻系數(shù)取不同閾值進行去噪，