- 1、本文档共14页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
毕业设计外文资料翻译.doc
大连民族学院毕业设计
外文资料翻译
所 在 学 院:机电信息工程学院
专 业 (班级): 自动化063
学 生 姓 名: 徐睿
指 导 教 师: 王培昌
2010年6月4日
复杂脊波图像去噪
1.介绍
小波变换已成功地应用于many scientific fields such as image compression, i许多科学领域,如图像压缩,age denoising, signal processing, com去噪,信号处理,计算机图形,ics, and pattern recognition, to name only a feIC和模式识别仅举几例和他的同事们了小波西尔弗曼Chen和Bui扩展这个相邻小波阈值为多小波方法。他们声称对于某些标准测试信号和真实图像相邻的多小波降噪优于相邻的单一小波去噪。陈等人提出一种图像去噪是考虑方形相邻的小波域。陈等人也尝试对图像去噪自定义小波域和阈值。实验结果表明:这两种方法产生更好的去噪效果。
研究脊波变换的数多年来打破了小波变换的局限性。将小波变换产生的二维图像在每个规模大的小波系数的分解。有这么多的大系数,对于图像去噪有很多困难。我们知道脊波变换已经成功用于分析数字图像。不像小波变换,脊波变换过程首先计算积分在不同的方向和位置的数据。沿着“x1cos_ + x2sin_ = 常数” 一条线的脊波是不变的。在这些脊的方向正交小波变换是一。最近脊波已成功应用于图像去噪。在本文中,我们结合dual-tree complex wavelet in the ridgelet transfo二元树复小波的脊波变换中并将其应用到图像降噪Kingsbury发明了一种新型的小波变换,叫做二元树复杂小波变换,它能够转移性能和提高近似角分辨率不变。由于标量波不是转移不变的,在脊波变换中就更好的应用二元树复杂小波变换这样我们就可以叫我们的复杂脊波。这样可以通过取代一维标量小波的一维二元树复杂小波在最后一步进行脊波变换。用这种方法我们可以优秀品质的脊波变换用来替换二元树发杂脊波。
这个复杂的脊波变换可以应用到整体图像,或者我们可以应用到分割图像大量重叠的平方或者在每一平方上运用脊波变换。我们分解一组n*n的影像重叠顺利进入边长R的象素是重叠的是两个相邻长方形的数组大小为R/2*R两者之间重叠的相邻区域就是一个长方形的大小R*R/2。对于一个n*n的图像,我们能够计数2n=R对于不同方向的模块,这个分区就引入了4倍的冗余。为了得到降噪的复杂脊波系数我们通常在当前象素地位对降噪的复杂脊波系数进行平均4份。复杂的脊波变换阈值类似于曲波阈值。当我们求阈值时一个不同是我们采取的是复杂的脊波系数。当yλ是带噪的脊波系数。我们使用下列硬阈值规则估算未知的脊波系数。当│yλ┃ kσ?, λ= ?λλ.否则, ^y_ = 0.在这里,?σR /2*R重叠,两个水平象素块R*R/2重叠。
对于每一块,应用所提出的复杂脊波,复杂脊波系数的阈值,复杂脊波的逆换算。
在同一位置以平均象素对图像去噪。
我们称这种算法叫,同时我们使用普通的脊波。这个计算复杂度的ComRidgeletShrink是和小波RidgeletShrink的标量相似。唯一的区别是我们取代了一维小波变换与一维二元树发杂小波变换。这个数量的计算是一维二元树复数小波的变换是一维小波变换的两倍。该算法的其他计算步骤保持相同。我们的实验结果显示ComRidgeletShrink优于V isuShrink, RidgeletShink, and 过滤器wiener2等所有测试案例。在某些情况下,我们在RidgeletShink中能够提高0.8db的信噪比。通过V isuShrink,能够改善更大的去噪图像。这表明ComRidgeletSrink对于自然图像去噪是一个很好的选择。
3.实验结果
我们通过对众所周知的蕾娜进行处理,通过Donoho等人我们得到了这种图片的自由软体包WaveLab。带有不同噪音的噪音图像时通过对原无噪音图像添加高斯白噪音得到的。与之相比,我们实行VisuShrink, RidgeletShrink, ComRidgeletShrink and wiener2。VisuShrink是通用软阈值去噪技术。这个wiener2函数是可以从MatLab图像工具箱得到,我们用一个5*5的相邻图像在每个象素中。该wiener2适用于一个维纳滤波器(一种线性的滤波器)图形自适应。剪裁自己的图像局部方差。峰值信噪比的实验结果显示的表1.我们发现对于分区块的大小32*32或者64*64是最好的选择。表1是对蕾娜图像进行去噪,根据不同的噪声水平固定分区和一素块为32*32。表格中的第一栏是
文档评论(0)