不同小波基函数的去噪结果分析课件.pptVIP

小波在图像去噪中的应用电气与自动化工程学院控制科学与工程苏永钢：1014203042

目录1研究背景23小波图像去噪理论及常用方法实验结果分析2TianjinUniversity

研究背景1为什么进行图像去噪？23常见噪声类型及去噪方法小波图像去噪的发展3TianjinUniversity

为什么进行图像去噪？随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、目标跟踪等，所以为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性（即主要特征）的同时，又能够去除图像中无用的噪声。所以，降噪处理一直是图像处理和计算机视觉研究的热点。4TianjinUniversity

常见噪声类型及去噪方法…随机值噪声…散斑噪声高斯噪声椒盐噪声去噪方法：均值滤波、中值滤波、维纳滤波、高斯滤波、马尔可夫随机场模型、偏微分方程、小波分析…5TianjinUniversity

小波图像去噪的发展第一阶段：利用小波变换模极大值方法结合边缘检测去噪；第二阶段：小波变换阈值去噪；第三阶段：多小波图像去噪，如GHM多小波；第四阶段：基于小波系数模型的去噪；第五阶段：脊波、曲波、轮廓波、剪切波去噪。6TianjinUniversity

小波图像去噪理论及常用方法1小波图像去噪原理2常用的小波阈值函数7TianjinUniversity

小波图像去噪原理小波图像变换的三级分解示意图图像和噪声在经小波变换后具有不同的统计特性：图像本身的能量对应着幅值较大的小波系数，主要集中在低频（LL）部分；噪声能量则对应着幅值较小的小波系数，并分散在小波变换后的所有系数中。基于此可设置一个合适的阈值门限，认为大于该阈值的小波系数的主要成份为有用的信号，给予收缩后保留；小于该阈值的小波系数，主要成份为噪声，予以置零剔除；然后经过阈值函数映射得到估计系数；最后对估计系数进行逆变换，就可以实现去噪和重建。去噪时，通常认为低通系数含有大量的图像能量，一般不作处理，只对剩余三个高通部分进行处理。一次阈值去噪并不能完全去除噪声，还需要对未作处理的低频部分（LL）再次进行小波分解和阈值去噪，直到实际图像与估计图像的偏差达到最小值。但是，随着分解和去噪次数的增加，小波系数中的噪声能量越来越小，并且趋于分散，去噪的效果将逐渐降低。一般来说，进行3-4层小波分解和去噪就可以达到满意的去噪效果。8TianjinUniversity

常用的小波阈值函数软阈值函数：硬阈值函数：折中阈值函数：半阈值函数：9TianjinUniversity

实验结果分析1图像去噪效果评价标准23不同小波基函数的去噪结果分析同一小波基函数下不同去噪方法结果分析10TianjinUniversity

图像去噪效果评价标准均方误差(MSE)：注：MSE越小说明去噪效果越好。11TianjinUniversity

不同小波基函数的去噪结果分析原图高斯噪声图15%db8haarbior2.4coif3sym412TianjinUniversity

不同小波基函数的去噪结果分析13TianjinUniversity

不同小波基函数的去噪结果分析原图db8haar散斑噪声图15%sym4bior2.4coif314TianjinUniversity

不同小波基函数的去噪结果分析15TianjinUniversity

不同小波基函数的去噪结果分析原图椒盐噪声图15%db8haarsym4bior2.4coif316TianjinUniversity

不同小波基函数的去噪结果分析17TianjinUniversity

同一小波基函数下不同去噪方法结果分析原图高斯噪声图20%中值滤波高斯滤波维纳滤波软阈值硬阈值半阈值折中阈值18TianjinUniversity

同一小波基函数下不同去噪方法结果分析19TianjinUniversity

同一小波基函数下不同去噪方法结果分析原图散斑噪声图20%中值滤波高斯滤波维纳滤波软阈值硬阈值折中阈值半阈值20TianjinUniversity

同一小波基函数下不同去噪方法结果分析21TianjinUniversity

同一小波基函数下不同去噪方法结果分析原图椒盐噪声图20%中值滤波高斯滤波维纳滤波软阈值硬阈值折中阈值半阈值22TianjinUniversity

同一小波基函数下不同去噪方法结果分析23TianjinUniversity