图像去噪论文.doc

图像去噪 内 容 摘 要 图像是人类传递信息的主要媒介。然而,图像在生成和传输的过程中会受到各种噪声的干扰,对信息的处理、传输和存储造成极大的影响。寻求一种既能有效地减小噪声,又能很好地保留图像边缘信息的方法,是人们一直追求的目标。小波分析是局部化时频分析,它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、平移等运算功能对信号进行多尺度细化分析,能有效地从信号中提取信息。随着小波变换理论的完善,小波在图像去噪中得到了广泛的应用,与传统的去噪方法相比小波分析有着很大的优势,它能在去噪的同时保留图像细节,得到原图像的最佳恢复。小波变换目 录 序言…………………………………………………………………… 1 小波分析………………………………………………………… 1 （一）小波分析的发展………………………………………………… 1 （二）小波变换………………………………………………………… 1 （1）小波函数………………………………………………………… 2 （2）小波函数的性质………………………………………………… 3 （三）均值滤波与中值滤波……………………………………………3 （1）均值滤波………………………………………………………… 3 （2）中值滤波………………………………………………………… 3 二、数学基础……………………………………………………………4 （一）希尔伯特变换……………………………………………………4 （二）傅里叶变换 图像在采集、传输和转换中常常受到外部环境的干扰。图像中夹杂了噪声和混响干扰，不仅使得图像质量下降，影响了图像的视觉效果，而且给图像的进一步处理也带来了不便。为了减轻噪声对图像的干扰，避免误判和漏判，去除或减轻噪声是必要的工作。 一、小波分析 (一)小波分析的发展 小波分析是近年来国际上掀起新潮的一个前沿研究领域，是继Fourier分析的一个突破性进展，它给信号处理领域带来了崭新的思想，提供了强有力的工具，在科技界引起了广泛的关注和高度的重视。探讨小波的新理论、新方法以及新应用成为当前一个非常活跃和富有挑战性的研究领域。 小波的起源可以追溯到本世纪初。1910年，Haar最早提出了规范正交小波基的思想，构造了紧支撑的正交函数系--Haar 函数系。1946年，Gabor提出了加窗 Fouricr变换(Gabor：变换)理论，使得对信号的表示具有时频局部化性质，1981 年，Morlet 仔细研究了Gabor变换方法，对Fourier变换和加窗Fourier变换的异同、特点及函数构造作了创造性的研究，首次提出了“小波分析”的概念，并建立了以他的名字命名的Morlet小波。1986年，Mallat和 Meyer提出了多分辨分析的理论框架，为正交小波基的构造提供了一般的途径，多分辨分析的思想是小波的核心，至此，小波分析才真正形成为一门学科。1988 年，Daubechies 给出了具有紧支集和任意有限正则度的小波函数的一般构造方法，该小波得到了非常广泛的应用。1989年，随着小波理论的进一步发展，Mallat提出了实现小波变换的快速算法一 Mallat塔式算法，为小波应用铺平了道路。1990年，崔锦泰和王建中构造出了基于样条函数的正交小波函数，并讨论了具有最好局部化性质的多尺度分析生成函数及相应的小波函数。同年，Wickethauser和Coifman等人提出了小波包的概念，并将 Mallat算法进一步深化，得到了小波包算法。使得小波变换的分析性质有了很大的改善。1994年，Goodmkan 等人在 r 元多分辨分析基础上建立了多重小波的基本理论框架，进一步丰富了小波理论。 (二)小波变换 小波变换作为一种多分辨率分析方法，具有信号“显微镜”的美称。近年来一直受到人们的关注。图像去噪是小波应用范围中的一个部分，噪声主要分布在高频区域，但同时图像的细节也分布在高频区域。在传统的基于傅氏变换的信号去噪方法中，当信号和噪声的频带重叠部分小时可以轻易地不损失信号的条件下去除噪声，但是当重叠区域很大时这种方法就无能为力了。由于图像细节和噪声分布在高频段，利用传统去噪方法可能破坏图像的细节信息，利用小波分析理论，可以构造一种既能降低图像噪声，又能保持图像细节信息的方法。 小波分析去噪法的基本思想在于小波变换将大部分有用信号的信息压缩而将噪声的信息分散。对信号进行小波分解，就是把信号向是平方可积的实数空间）空间各正交基分量投影，即求信号与各小波基函数之间的相关系数，亦即小波变换值。由于局部信号的小波分解系数仅仅在一些尺度上有较大的值，而噪声的分解系数则广泛分布于各尺度上，所以噪声与局部信号在小波分解后呈现出完全不同的特性。基于这个特点，对含噪局部信号进行小波分解与重构就可以达到去噪的