小波图像增强讲述.docx

摘要图像是人类传递信息的主要媒介，但是，图像在生成和传输的过程中受到各种噪声的干扰,对信息的处理、传输和储存造成极大的影响。小波分析是局部化时频分析,它是用时域和频域联合表示信号的特征,是分析非平稳信号的有力工具，它通过伸缩、平移、反转等运算对信号进行多尺度细化分析,能有效地从信号中提取信息。本文对基于小波变换的图像增强与锐化方法和应用matlab仿真进行了深入的研究分析,详细的介绍了应用对于小波变换中值滤波的方法对图像进行加强,详细介绍了其原理和算法，并给出了一些选取依据，其次介绍了小波系数优化方法的原理和算法;再次将图像增强处理，最后运用小波阈值法，通过传统的阈值函数进一步将图像进行增强,取得了较好的效果最后对这些方法进行了分析比较,讨论了它们各自的优缺点和适用条件,并给出了仿真实验结果，在众多基于小波分析方法中,通过仿真实验结果可以看到,阈值的方法增强效果显著,与中值滤波和相关性方法相比,图像提高较强，在生活与发展中有较大的应用。关键词:小波分析图像增强 阈值 软件仿真目录1绪论12小波的产生与发展23 MATLAB软件介绍与应用33.1 MATLAB软件介绍33.2 MATLAB在数字图象处理中的应用34基于小波变换的图像增强原理与方法54.1小波变换的基本原理54.2小波变换中值滤波64.3小波系数图像增强74.4小波阈值增强方法85实验结果与分析105.1小波变换中值滤波图像增强105.1.1中值滤波程序算法105.1.2中值滤波主程序及结果显示105.2相关性增强115.2.1 程序算法115.2.2相关性增强主程序及结果显示125.3小波阈值图像增强155.3.1 程序算法155.3.2 阈值主程序及结果显示155.4三种增强方法的比较176结论19参考文献201绪论人类传递信息的主要媒介是语音和图像，一幅图像所包含的信息量和直观性是声音是文字所无法比拟的，然而，图像在生成和传输的过程中会受到各种噪声的干扰，图像的质量就会受到损害，这对图像后续更高层次的处理是十分不利的，因此，在图像的预处理阶段，很有必要对图像进行增强，加强。这样可以提高图像的信噪比，突出图像的期望特征，将图像更好的展现给人们，由于图像的细节也分布在高频区域，所以对图像进行增强的同时，也会将图像的边缘平滑，失去图像的一些细节信息，因此，基于传统傅立叶变换的增强方法，存在保护信号边缘和抑制噪声之间存在着矛盾，难以对图像中的噪声进行正确识别并加以去除。小波变换具有良好的时频局部化性质,随着小波理论的不断发展完善,其良好的时频特性使其在图像增强领域中得到了广泛的应用，用小波变换将含噪信号变换到小波域，可以采用多分辨分析,这将能够非常好地刻画信号的非平稳特性，小波系数稀疏，通常信号对应少量大的小波系数，而噪声对应大量小的小波系数,这些都有利于信号增强。另一方面，理论和实验证明，信号与噪声在小波域有着不同的传播特性，信号的小波变换模极大值将随尺度的增大而增大或不变，而噪声的小波变换模极大值将随尺度的增大而减小，充分利用这些特点，在小波变换域中能十分有效地把信号和噪声区别开来，因此,基于小波变换的增强方法能够在噪声剔除的同时保护图像信号边缘,具有很好的应用前景和极大的发展潜力。2小波的产生与发展小波分析与傅立叶分析有着密切的联系,是傅立叶分析划时代发展的结果。傅立叶分析是数字信号处理的基础，也是现代信号处理的出发点，它将信号分析从时间域变换到了频率域，对数学和工程科学史的发展起到了很大的影响。傅立叶分析的关键是通过傅立叶变换引进了频率的概念，把函数展开成傅立叶级数，使许多在时域中不明了的问题却能在频域中一目了然，但是，傅立叶变换也存在一定的局限性:一方面,傅立叶变换只能提供信号在整个时间域上的频率，不能提供信号在某个时间段上的频率，另一方面,傅立叶变换没有反映出随着时间变化信号频率成分的变化情况，因此,傅立叶分析适合处理平稳信号，而不适合处理非平稳信号，然而研究非平稳信号的局部特性在理论和应用中都是非常重要的。由于傅立叶分析不具有分析时频的能力，为克服傅立叶分析不能同时作时频局部化分析的缺点，1964年，Gabor提出了窗口傅立叶变换，其基本原理是:将信号划分为许多小的时间段,用傅立叶变换分析每个时间段,从而得到该时间段内的频谱，因此,它只适合分析所有特征尺度大致相同的过程,不适于分析多尺度信号和突变过程,不能在工程领域得到广泛应用与进一步发展。为满足实际信号处理的要求，必须寻找一种新的时频分析工具，小波分析应用而生，小波变换继承和发展了Gabor变换的局部化思想，同时又克服了窗口形状不随频率变化的缺点,因此具有良好的时频局部特性。小波变换与傅立叶变换及窗口傅立叶变换相比，是一个时间和频率的局域变换，因而能有效的从信号中提取信息，通过伸缩和平移等运算功能