小波分析在圖像去噪與壓縮中的應(yīng)用研究.pdf

1、圖像在采集、獲取以及傳輸?shù)倪^程中，往往要受到噪聲的污染，比如天文圖像、醫(yī)學(xué)圖像、遙感圖像、計(jì)算機(jī)視覺等等，被噪聲污染了的圖像叫做含噪圖像。噪聲是影響圖象質(zhì)量的主要因素，極大影響了人們從圖像中提取信息，因此，非常有必要在分析和利用圖像之前消除噪聲。 對(duì)圖像來(lái)說，如果需要進(jìn)行快速或?qū)崟r(shí)傳輸以及大量存儲(chǔ)，就需要對(duì)圖像數(shù)據(jù)進(jìn)行壓縮。圖像壓縮研究的就是尋找高壓縮比的方法，而且壓縮后的圖像要有合適的信噪比，在壓縮傳輸后還要恢復(fù)原圖像，在壓縮

2、、傳輸、恢復(fù)過程中，還要求圖像的失真小等等。 小波分析是局部化時(shí)頻分析，它用時(shí)域和頻域的聯(lián)合表示信號(hào)的特征，是分析非平穩(wěn)信號(hào)的有力工具，它通過伸縮、平移等運(yùn)算功能對(duì)信號(hào)進(jìn)行多尺度細(xì)化分析，能有效地從信號(hào)中提取信息。小波分析是目前國(guó)際公認(rèn)的信號(hào)與信息處理領(lǐng)域的高新技術(shù)，是信號(hào)處理的前沿課題和研究熱點(diǎn)，在信號(hào)濾波、圖像去噪、圖像壓縮、圖像邊緣檢測(cè)、圖像融合等領(lǐng)域的應(yīng)用愈來(lái)愈受到人們的重視。 本文以圖像去噪為重點(diǎn)，對(duì)信號(hào)濾波、

3、圖像去噪和圖像壓縮進(jìn)行研究。本文所做的主要工作如下： 1.綜合闡述了圖像去噪與壓縮編碼技術(shù)發(fā)展的歷史和技術(shù)發(fā)展現(xiàn)狀，同時(shí)指出小波去噪與壓縮編碼較其它傳統(tǒng)方法的優(yōu)勢(shì)，以及開展小波圖像去噪與壓縮編碼研究的意義。 2.介紹了小波圖像去噪與壓縮的理論基礎(chǔ)，闡述了各種小波變換、多分辯率分析、Mallat算法、多孔算法等圖像去噪與壓縮中常用的理論知識(shí)。 3.在高斯白噪聲背景下，針對(duì)傳統(tǒng)小波閾值去噪方法的缺點(diǎn)，在圖像小波系數(shù)模

4、型的基礎(chǔ)上對(duì)BayeShrink閾值進(jìn)行了總結(jié)，提出了基于非抽取小波變換的Bayesian去噪方法，重建信號(hào)視覺上更光滑，對(duì)原信號(hào)的逼近程度更好，尤其在信號(hào)奇異點(diǎn)處有效地抑制了偽吉布斯現(xiàn)象。并通過一維信號(hào)仿真實(shí)驗(yàn)和圖像去噪仿真實(shí)驗(yàn)驗(yàn)證了去噪性能。 4.在混合噪聲背景下，提出了基于影響錐分析的小波系數(shù)和的去噪方法，有效地去除了脈沖噪聲，彌補(bǔ)了傳統(tǒng)的小波閾值去噪法的不足，并與第三章提出的基于非抽取小波變換的Bayesian去噪方法結(jié)

5、合，有效地去除混合噪聲，包括脈沖噪聲與高斯噪聲的混合形式以及脈沖噪聲與泊松噪聲的混合形式，從而擴(kuò)展了本文去噪方法的適用范圍。仿真實(shí)驗(yàn)證明本文方法是有效的。 5.在第5章是開展了含噪圖像的小波域去噪及壓縮的研究。在嵌入式零樹小波(EZW)編碼算法和BayesShrink閾值的基礎(chǔ)上，通過軟閾值函數(shù)和帶死區(qū)的量化技術(shù)結(jié)合，從而在小波域把圖像去噪與壓縮結(jié)合起來(lái)，提出了基于BayesShrink閾值和EZW算法的含噪圖像的壓縮方法，在小