基于双树复数小波的图像去噪.docx

苏州大学本科生毕业设计（论文）27目录摘要2ABSTRACT3前言4第一章绪论51.1图像去噪的意义51.2小波的兴起5第二章双树复数小波变换原理72.1一维双树复数小波变换72.2二维双树复数小波变换9第三章双树复数小波阈值去噪133.1去噪问题描述133.2阈值收缩法133.3阈值函数的选取153.4去噪图像的质量评价173.5仿真实验及结果分析183.6仿真结果193.7分析与结论23第四章总结25参考文献26致谢27摘要噪声抑制是任何图像处理任务的组成部分，噪声会显着降低图像质量，因此使观察者难以区分图像的细节，特别是在诊断检查中。经过几十年的研究，已经提出了大量关于图像去噪的方法。通过使用空间滤波或变换域滤波，可以减少图像中噪声的影响。在变换域小波方法中，提供更好的去噪效果，同时保留像边缘那样的图像细节。离散小波变换具有一些缺点，即由于缺乏移位不变性和较差的方向选择性，导致其在图像处理中的应用尚未确定。为了克服这些缺点，使用了双树复数小波变换，其在传统的小波变换上提供了完美的重构。它使用2个离散实小波变换；第一个离散实小波变换给出了变换的实部，而第二个离散实小波变换给出了变换的虚部。它在二维和更高维度上有限的冗余几乎是不变和定向选择性的。双树复数小波变换在图像去噪和增强等应用方面优于离散小波变换。双树复数小波变换的优点之一是它可用于实现比二维离散小波变换方向更具选择性的二维小波变换。二维双树复数小波在每个尺度上产生十二个子带，每一个都以不同的角度精确定位。关键词：图像；去噪；双树复数小波；阈值ABSTRACTNoisesuppressionisanintegralpartofanyimageprocessingtask.Noisesignificantlydegradestheimagequalityandhencemakesitdifficultfortheobservertodiscriminatefinedetailoftheimagesespeciallyindiagnosticexaminations.Throughdecadesofresearch,alotofmethodsonimagedenoisinghavebeenproposed.Theeffectofnoiseintheimagescanbereducedbyusingeitherspatialfilteringortransformdomainfiltering.Intransformdomain,thewaveletmethodprovidesbetterdenoisingeffectwhilepreservingthedetailsofimageslikeedges.TheDiscreteWaveletTransform(DWT)hassomedisadvantagesthatundetermineditsapplicationinimageprocessingaslackofshiftinvarianceandpoordirectionalselectivity.InordertoovercomethesedisadvantagesDualTreeComplexWaveletTransform(DT-CWT)isusedwhichprovideperfectreconstructionoverthetraditionalwavelettransform.Itemploys2realDWTs;thefirstDWTgivestherealpartofthetransformwhilesecondDWTgivestheimaginarypart.Itisnearlyshiftinvariantanddirectionallyselectiveintwoandhigherdimensionswithlimitedredundancy.TheDTCWToutperformstheDWTforapplicationslikeimagedenoisingandenhancement.OneoftheadvantagesoftheDTCWTisthatitcanbeusedtoimplement2Dwavelettransformsthataremoreselectivewithrespecttoorientationthanisthe2DDWT.The2DDTCWTproducestwelvesub-bandsateachscale,eachofwhicharestronglyorientedatdistinctangles.Keywords:image;denoising;DualTreeComplexwavelet;threshold前言近年来