基于matlab的小波去噪分析在图像处理中的应用研究 毕业论文.doc

仲恺农业工程学院 毕 业 论 文 基于matlab的小波去噪分析在图像处理中的应用研究 姓 名 院（系） 信息学院 专业班级 自动化081 学 号 指导教师 职 称 讲师(博士) 论文答辩日期 2012年 5月20 日 仲恺农业工程学院教务处制 学生承诺书 本人郑重声明:所呈交的学位论文，是本人在指导老师指导下，独立完成研究工作所取得的成果。除文中已经注明引用的内容外，论文中不包含其他人已经发表或撰写过的研究成果。对本论文所涉及的研究工作做出贡献的其他个人和集体，均己在文中以明确方式标明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 签名：________________ 1 绪论 1 1.1 研究的背景和意义 1 1.2 研究的现状 1 1.3 本文主要工作 3 2 小波变换的介绍 3 2.1 小波变换的发展概况 3 2.2 连续小波变换 4 2.3 离散小波变换 6 2.3.1 离散小波的定义 6 2.3.2 尺度函数 6 2.3.3 紧支集概念 7 2.3.4 正交小波变换 7 3 数字图像小波去噪的实现方法 8 3.1 小波去噪概述 8 3.2 小波去噪原理 8 3.2.1 去噪原则 8 3.2.2 基本去噪模型 9 3.3 阈值函数的选择 10 3.4 基于小波变换的自适应模糊阈值法原理 12 3.4.1 自适应模糊阈值去噪算法的提出 12 3.4.2 自适应模糊阈值去噪的模型及仿真实现 13 4 总结 16 参考文献 17 英文摘要 19 附录 20 致谢 32 仲恺农业工程学院毕业设计成绩评定表 33 1绪论 1.1 研究的背景和意义 21世纪，人类已经进入了信息化时代，计算机在处理各种信息中发挥着重要作用。据统计，人类从自然界获取的信息中，视觉信息占75%～85%。俗话说“百闻不如一见”，有些场景或事物，不管花费多少笔墨都难以表达清楚，然而，若用一幅图像描述，可以做到一目了然。可见，在当代高度信息化的社会中，图形和图像在信息传播中所起的作用越来越大，在图像处理领域，数字图像处理得到了飞速发展。 图像是信息社会人们获取信息的重要来源之一。在通过图像传感器将现实世界中的有用图像信号进行采集、量化、编码、传输、恢复的过程中，存在大量影响图像质量的因素。因此图像在进行使用之前，一般都要经过严格的预处理如去噪、量化、压缩编码等。噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使人们不得不从各种角度进行探索以提高图像的质量。所以采用适当的方法尽量消除噪声是图像处理中一个非常重要的预处理步骤。然而在很多情况下，图像信息会受到各种各样的噪声影响，严重时甚至会影响到图像中的有用信息，因此，对图像的噪声进行处理就显得非常重要。 1.2 研究的现状 在数学上，函数逼近问题小波去噪的本质，根据提出的衡量准则如何在有小波母函数伸缩和平移所展成的函数空间中，寻找对原图像的最佳逼近，完成原图像和噪声的区分。这个问题可以表述为： （1） （2） （3） （4） （5） 由此可见，寻找实际图像空间到小波函数空间的最佳映射小波去噪方法，得到原图像的最佳恢复。从信号的角度看，小波去噪是一个信号滤波的问题，传统的低通滤波器。其等效框图如所示。 图1 小波去噪的等效框图1992年，小波模极大值方法S.Mallat和Zhong提出了，具体来说，在多尺度分析中有用信号与噪声小波变换的模极大值呈现不同的奇异性，用计算机自动实现由粗到精的跟踪并消除各尺度下属于噪声的模极大值，利用属于有用信号的模极大值重构小波，模极大值方法可使信噪比提高4-7dB。，跟踪，一些经验性的判据。过零点重建小波变换和模极大值重建小波变换奇异点重建信号，结果不太精确用过零点或极大值来重建信号只是一种逼近。 近年来，小波理论得到了的发展，而且具备良好的时频特性，实际应用。其中图像的小波阈值去噪方法众多图像去噪方法。而且，小波变换本身是一种线形变换，而国内外的研究大多集中在如何选取一个合适的全局阈值，通过处理低于该阈值的小波系数同时保持其余小波系数值不变的方法来降噪，因而大多数方法对于类似于高斯噪声的效果较好，但对于混有脉冲噪声的混合噪声的情形处理效果并不理想。线形运算往往还会造成边缘模糊，小波分析技术正因其独特的时频局部化特性在图像信号和噪声