【毕业论文】基于模糊小波变换的图像噪声消除.doc

基于模糊小波变换的图像噪声消除 摘 要： 消除噪声是图像处理中一个非常重要的预处理步骤，然而，噪声消除与边缘保持在实际当中构成了相对影响的一对矛盾。由于图像噪声存在模糊不确定性，采用模糊理论进行噪声消除可取得较好的去噪效果。小波变换具有多分辩率的时频分析特性，不仅适用于平稳信号的分析处理，尤其适用于非平稳的动态信号的分析处理。本论文将模糊理论与小波变换两者有机地结合起来，提出了WCFM去噪算法和AFTF去噪算法。与相关的去噪算法相比，本文提出的改进算法不仅有效地消除了噪声，而且还具有保持图像边缘细节的优势。通过仿真实验，验证了算法的有效性。 关键词：模糊处理 小波变换 图像去噪 隶属函数 阈值 Abstract De-noising is an important step in the image processing. However noise smoothing and edge preservation are conflicting processes in application. According the uncertain property of the image noise, fuzzy theory are applied to image de-noising successfully. Wavelet transform has ability of multi-resolution time-frequency analysis not only suits for stationary signal, but also suits for dynamic signals characteristic of non-stationary and transient especially. In this paper, fuzzy theory and wavelet transform are connected to de-noising , WCFM de-noising algorithm and AFTF de-noising algorithm are proposed. Experimental results show that the improved de-noising methods are effective both in preserving the edge and in removing noise . Key words: fuzzy theory；wavelet transform; denoising ；membership function ;threshold 一、 图像噪声消除的现状 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。 1.1 噪声定义及分类 噪声的基本概念——它通常是指期望信号以外的其它信号。按噪声的模型来分，可分为椒盐噪声（脉冲噪声）和随机噪声（高斯噪声）。在数字图像的获取和传输过程中，传感器和传输信道经常会产生一些脉冲噪声，会在图像中引起黑色--白色点，称之为椒盐噪声。成像系统由很多不同的线性子系统组成，图像在成像过程中每一步都会引入噪声，增大了噪声的不确定性，称作随机噪声。在信号处理中为了模拟所研究的客观对象，常常需要人为地产生不同类型的噪声，最常用的一种随机噪声模型是高斯“白噪声”，高斯白噪声含有所有的频率成分，具有高斯分布性质，在图像等信号处理中用得非常广泛。 1.2小波变换基本理论 小波变换是一种信号的时间一尺度(时间一频率)分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合于探测正常信号中夹带的瞬时反常现象并展示其成分，所以被誉为分析信号的显微镜，实现了信号分析中“既见森林，又见树木”的理想境界。 1.2.1一维信号小波变换分解与重构 第一层小波变换分解将信号分解为低频部分和高频部分，且信号长度是原信号长度的一半。往下层次的分解都是针对低频部分，而高频细节部分则不再继续分解。且每次分解得到的低频和高频信号的长度减半，