通信工程专业小波变换在图像去噪中的应用与研究论文答辩.ppt

论文题目：小波变换在图像去噪中的应用与研究 答辩人:XXX 专 业:XXX 导 师:XXX 主要内容及工作 前言 设计思路 仿真结果 结论 1 2 3 4 前言 背景和意义 传统的基于傅氏变换的信号去噪方法是一种全局变换，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，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； 小波变换具有时频局域化分析特性，可将图像的结构和纹理分别表现在不同的分辨率层次上，能够在减少图像噪声的同时又能更好的保留图像的细节部分。因此，采用小波变换进行图像去噪处理已表现出良好前景。 设计思路 1、对传统的去噪方法进行介绍； 2、介绍图像去噪理论基础； 3、对含噪图像作小波阈值处理； 4、分析仿真结果； 5、得出结论。 传统去噪方法与小波分析的比较 具有独特的优势 去噪的同时很好的 保留图像的边缘信息 传统去噪方法 空间域的处理方法 频域的处理方法 低熵性 多分辨率 小波分析 虽然抑制了噪声却 损失了图像的边缘 信息造成图像的模糊 小波去噪流程图 原始图像 小波图像 去噪图像 处理后的 小波图像 小波分解 小波系数处理 小波逆变换 阈值去噪 硬阈值法：当小波系数的绝对值A小于某一阈值t时，其值为0，大于阈值t时，保持不变。 软阈值法：当小波系数的绝对值小于某一阈值时，其值为0，大于阈值时，都减去阈值。 硬阈值和软阈值算法曲线 -t t A t -t A （a）硬阈值法 （b）软阈值法 原始图像与含噪图像 原始图像 含噪图像 仿真结果 硬阈值法去噪 仿真结果 软阈值法去噪 软、硬阈值去噪的信噪比和均方差的对比 加入不同方差的噪声，MSE、SNR的变化情况 去噪算法 加入方差为0.01的高斯噪声 加入方差为0.02的高斯噪声 加入方差为0.05的高斯噪声 加入方差为0.1的高斯噪声 MSE SNR MSE SNR MSE SNR MSE SNR 硬阈值法 0.3315 14.8138 0.51 12.9022 0.867 10.1966 1.4025 7.3396 软阈值法 0.3825 14.3152 0.4845 12.9010 0.765 10.5109 1.173 7.8831