基于小波变换的图像去噪方法研究.doc

。6-可编辑修改-毕业设计（论文）基于小波变换的图像去噪方法研究院别计算机与通信工程学院专业名称通信工程班级学号学生姓名指导教师2014年6月10日。-可编辑修改-基于小波变换的图像去噪方法研究摘要一般来说，现实生活中的图像都是含有噪声的。因此，为了能够更好地进行后续处理，对图像进行去噪处理是很有必要的。然而，在传统的去噪方法中，有效的去噪和保留图像细节信息是非常矛盾的。所以，寻找一种既能有效地去除图像噪声又能保留下更多的图像细节的去噪方法便成了众多研究人员的共同目标。经过研究和实践发现，小波变换在对图像进行去噪的同时，又能成功地保留图像的边缘信息。因而本文进行了基于小波变换的对图像去噪方法的研究。在多种多样的基于小波变换的去噪方法中本文选择主要讨论阈值去噪方法和模极大值去噪方法这两种方法，并对两者进行了仿真实验与分析。通过开展对阈值函数的仿真实验发现，采用软、硬折中阈值函数去除由泊松噪声、椒盐噪声、高斯白噪声、斑点噪声污染的图像有着更显著的效果，而对于只需去除微量噪声且保留更多细节信息的图像而言，半软阈值却是更好的选择。同时，本文还通过实验研究发现，模极大值对各种噪声的去噪处理都有着不错的效果，并且非常适合低信噪比的图像去噪。但是，由于主流算法实现的效率较低，该去噪方法总体来说并不能达到理想的效果。关键词：图像去噪，小波变换，阈值去噪，模极大值去噪ResearchonImageDenoisingonWaveletTransformAuthor：Tutor：AbstractGenerallyspeaking,theimagesinourreallifealwayscontainnoise.Therefore，forbettersubsequentprocessing,itisnecessarytodenoisetheimages.However,thetraditionalwayofdenoisingtheimagesisanobviouscontradictionwhichaimsatsmoothingnoiseofimagesaswellasretainingthedetailsintheimages.Thus,ithasbecomeacommongoalofmanyresearcherstofindawaythatcannotonlydenoiseimagesbutalsopreservetheimages'details.Throughresearchandpractice，wecanfindwavelettransformcanreducethenoise,andmeanwhileretainedgeinformationoftheimageswell.So,wediscussesthedenoisingalgorithmbasedonwavelettransforminthistest.Invariousdenoisingalgorithmsbasedonwavelettransform,thistextprimarilydiscusseswaveletthresholddenoisingandthewavelettransformmodulusmaxima,andtestthetwomethodsbysimulationthenanalyze.Bytestingthethresholdfunctionbysimulation,itcanbefoundthateclecticfunctionofsoftandhardthresholdinghasbettereffectonimagesthatarepollutedbypoissonnoise,saltandpeppernoise,gausswhitenoiseandspecklenoise,whilesemi-softthresholdseemsabetterchoicefordenoisingtheimageswhichrequiretoremovelittlenoiseandpreservemoredetailinformation.Atthesametime,throughtheexperimentalstudywecanalsofindwavelettransformmodulusmaximaisefficienttodenoisedifferentkindsofnoises,especiallytodenoisethelowSNRimages.Nonetheless,sincethemainstreamalgorithmsareinefficient,wavelettransformmodulusmaximaingeneralcannotreceives