基于小波变换的图像去噪VIP免费

图像去噪技术的研究与实现第1章绪论由于各种各样的原因，现实中的图像都是带噪声的。噪声恶化了图像质量，使图像变得模糊。对同时含有高斯噪声和椒盐噪声的图像先进行混合中值滤波，在滤除椒盐噪声的同时，又很好地保留了图像中的物体细节和轮廓。小波域去噪处理具有很好的时频特性、多分辨分析特性等优点，可以看成特征提取和低通滤波功能的综合。小波模极大值去噪方法能有效地保留信号的奇异点信息，去噪后的信号没有多余振荡，具有较好的图画质量，改进后可以得到更满意的图像。小波相位滤波去噪算法是基于小波变换系数相关性去噪算法的，适于强噪声图像，去噪后也可以改善图像质量。1.1课题背景图像信息以其信息量大、传输速度快、作用距离远等优点成为人类获取信息的重要来源及利用信息的重要手段，而现实中的图像由于种种原因都是带噪声的。噪声恶化了图像质量，使图像模糊，甚至淹没和改变特征，给图像分析和识别带来困难。为了去除噪声，会引起图像边缘的模糊和一些纹理细节的丢失。反之，进行图像边缘增强也会同时增强图像噪声。因此在去除噪声的同时，要求最小限度地减小图像中的信息，保持图像的原貌。经典的图像去噪算法，如均值滤波、维纳滤波、中值滤波等，其去噪效果都不是很理想。中值滤波是由图基（Turky）在1971年提出的，开始用于时间序列分析，后来被用于图像处理，在去噪复原中得到了较好的效果。它的基本原理是把数字图像或数字序列中的一点的值，用该点的一个邻域中的各点的中值代替。中值滤波在抑制椒盐噪声的同时又能较好地保持图像特征，图像也得到了平滑。对同时含有高斯噪声和椒盐（脉冲）噪声的图像，先进行混合中值滤波处理。基于极值的混合中值滤波兼容了中值滤波和线性滤波的优点，在滤除椒盐噪声的同时又对图像中的物体细节和轮廓进行了很好的保留。基于混合中值滤波和小波去噪相结合的方法，去噪效果好于单纯地使用小波变换去除噪声或者单纯使用混合中值滤波去除噪声，能获得比单一使用任何一种滤波器更好的效果。小波分析是20世纪80年代初Morlet提出的，经过20多年的研究，小波分析目前在1图像去噪技术的研究与实现图像处理等领域中得到广泛的应用。去噪处理是小波分析的一个重要应用，尤其是对高斯噪声的滤除。小波域信号去噪在兼容去噪和保留信号有意义特征方面，具有十分诱人的前景。其主要原因是小波变换具有很好的时频特性、多分辨分析特性等优点，可以看成特征提取和低通滤波功能的综合。小波模极大值去噪方法主要适用于信号中混有高斯噪声，且信号中含有较多奇异点的情况。该方法在去噪的同时能有效地保留信号的奇异点信息，去噪后的信号没有多余振荡，是原始信号的一个非常好的估计，且具有较好的图画质量。但是信噪比比较低时，模极大值去噪方法的效果不好，改进后则可以得到满意的图像。由于信号与噪声的幅值在小波变换下有不同的传播特性，因此多数去噪算法都是基于小波系数的幅值特性而设计的。小波相位去噪算法是基于小波变换系数相关性，是一种对幅度不敏感的小波去噪算法。该去噪算法适于强噪声图像，即信噪比较高的图像，去噪后也可以改善图像质量。1.2本文的工作本文首先对当前比较成功的图像去噪算法，均值滤波、中值滤波、维纳滤波和小波域去噪等图像去噪技术有一个较为全面的分析和比较。其次，针对实际去噪问题和去噪要求设计出较合理的三种去噪算法：混合中值滤波和小波域去噪相结合的算法、小波模极大值去噪、小波相位去噪。本文分析和阐述了这三种去噪方法的原理和特点，最后将这些去噪方法用MATLAB程序仿真实现，完成图像的去噪处理。2图像去噪技术的研究与实现第2章经典图像去噪技术的介绍随着科学技术的发展，图像去噪的方法越来越多。经典的图像去噪算法有均值滤波、中值滤波、维纳滤波等等。这些去噪方法都有各自的优点和不足。2.1图像噪声2.1.1噪声来源①在光电、电磁转换过程中引起的人为噪声。②大气层电（磁）暴、闪电、电压和浪涌等引起的强脉冲性冲击干扰。③由物理的不连续性或粒子性所引起的自然起伏性噪声。2.1.2噪声分类图像是一种重要的信息源，其本质是光电信息。一幅图像在实际应用中可能存在各种各...