小波变换的图像去噪.ppt

小波变换的图像去噪 一.研究背景及意义 传统的去噪方法是将信号通过一个低通或带通滤波器，其缺点是在去噪的同时，也模糊了信号，这是因为传统的基于傅氏变换的信号去噪方法是一种全局变换，其只能反映图像的整体特征，无法表述图像的时频局域化特性，在去除噪声和边缘保持上存在着不可调和的矛盾。 近年来，采用小波变换进行图像去噪处理已表现出良好前景。小波变换具有时频局域化分析特性，能够检测到局部突变的边缘特征，而且可将图像的结构和纹理分别表现在不同的分辨率层次上。 二.本案例设计思路 基于小波多分辨分析的图像去噪是小波理论中的一项重要的内容，它是解决去噪问题的一种非常有效手段，本案例采用了对比的方法，对cameraman图像加入高斯噪声，利用haar小波函数对该图像和信号进行二级分解，分别用小波变换对该图像进行去噪，并采用空域滤波和频域低通滤波对其去噪，给出了仿真结果，从视觉直观图和峰值信噪比这一参数上进行了分析对比，比较其效果，目的就是体现小波变换对信号和图像去噪比起其他算法的优势。 三.主要工作 ①分析小波分解级数对去噪效果的影响 ②研究小波基函数对去噪效果的影响 ③研究小波的图像去噪及其他算法的去噪，比较其效果。 四.小波分解层数对去噪效果的影响 小波分解层数对去噪效果的分析 通过实验直观效果图及峰值信噪比可知，对图像进行2级小波分解效果最佳，峰值信噪比最大，所以在以下的实验中选用2级小波分解。 分解级数 一级分解 二级分解 三级分解 四级分解 PSNR 18.8334 19.4146 17.2939 14.8055 五.小波基函数对去噪效果的影响 小波基函数对去噪效果的影响分析 通过实验直观效果图及峰值信噪比可知，对图像采用haar小波基函数进行分解效果最佳，峰值信噪比最大，所以在以下的实验中选用haar小波基函数。 小波基函数 sym4小波 db10小波 coif2小波 bior4.4小波 bior2.2小波 haar小波 PSNR 20.9041 20.5123 21.0996 20.3081 20.7512 24.6331 六. 小波变换图像去噪仿真结果 小波图像去噪仿真结果分析 从消噪结果来看，用小波变换进行图像消噪所得的图像主观效果更好，从它们的峰值信噪比来看，用小波变换进行图像消噪所得的图像的峰值信噪比更大，这些都说明小波变换的图像去噪效果更好。 去噪方法 峰值信噪比/dB 中值去噪 15.4476 巴特沃斯低通去噪 16.1126 小波去噪 17.5664 个人总结 在数学上，小波去噪问题的本质是一个函数逼近问题，即如何在有小波母函数伸缩和平移所展成的函数空间中，根据提出的衡量准则，寻找对原语音信号和图像的最佳逼近，以完成原语音信号和图像和噪声的区分； 从信号的角度看，小波去噪是一个信号滤波的问题，尽管在很大程度上小波去噪可以看成是低通滤波，但是由于在去噪后，还能成功地保留语音信号和图像特征，所以在这一点上优于传统的低通滤波器。所以可见，小波去噪实际上是特征提取和低通滤波功能的综合。 完毕 Thank you