資源描述：
《基于小波變換的圖像去噪方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、畢業(yè)設(shè)計（論文）基于小波變換的圖像去噪方法研究院別計算機(jī)與通信工程學(xué)院專業(yè)名稱通信工程班級學(xué)號學(xué)生姓名指導(dǎo)教師2014年6月10日基于小波變換的圖像去噪方法研究摘要一般來說，現(xiàn)實(shí)生活中的圖像都是含有噪聲的。因此，為了能夠更好地進(jìn)行后續(xù)處理，對圖像進(jìn)行去噪處理是很有必要的。然而，在傳統(tǒng)的去噪方法中，有效的去噪和保留圖像細(xì)節(jié)信息是非常矛盾的。所以，尋找一種既能有效地去除圖像噪聲又能保留下更多的圖像細(xì)節(jié)的去噪方法便成了眾多研究人員的共同目標(biāo)。經(jīng)過研究和實(shí)踐發(fā)現(xiàn)，小波變換在對圖像進(jìn)行去噪的同時，又能成功地保留圖像的邊緣信息。因而本文進(jìn)行了基于小波變換的對圖像去噪方法的研究。在多種多樣的基
2、于小波變換的去噪方法中本文選擇主要討論閾值去噪方法和模極大值去噪方法這兩種方法，并對兩者進(jìn)行了仿真實(shí)驗與分析。通過開展對閾值函數(shù)的仿真實(shí)驗發(fā)現(xiàn)，采用軟、硬折中閾值函數(shù)去除由泊松噪聲、椒鹽噪聲、高斯白噪聲、斑點(diǎn)噪聲污染的圖像有著更顯著的效果，而對于只需去除微量噪聲且保留更多細(xì)節(jié)信息的圖像而言，半軟閾值卻是更好的選擇。同時，本文還通過實(shí)驗研究發(fā)現(xiàn)，模極大值對各種噪聲的去噪處理都有著不錯的效果，并且非常適合低信噪比的圖像去噪。但是，由于主流算法實(shí)現(xiàn)的效率較低，該去噪方法總體來說并不能達(dá)到理想的效果。關(guān)鍵詞：圖像去噪，小波變換，閾值去噪，模極大值去噪ResearchonImageDeno
3、isingonWaveletTransformAuthor：Tutor：AbstractGenerallyspeaking,theimagesinourreallifealwayscontainnoise.Therefore，forbettersubsequentprocessing,itisnecessarytodenoisetheimages.However,thetraditionalwayofdenoisingtheimagesisanobviouscontradictionwhichaimsatsmoothingnoiseofimagesaswellasretainin
4、gthedetailsintheimages.Thus,ithasbecomeacommongoalofmanyresearcherstofindawaythatcannotonlydenoiseimagesbutalsopreservetheimages'details.Throughresearchandpractice，wecanfindwavelettransformcanreducethenoise,andmeanwhileretainedgeinformationoftheimageswell.So,wediscussesthedenoisingalgorithmba
5、sedonwavelettransforminthistest.Invariousdenoisingalgorithmsbasedonwavelettransform,thistextprimarilydiscusseswaveletthresholddenoisingandthewavelettransformmodulusmaxima,andtestthetwomethodsbysimulationthenanalyze.Bytestingthethresholdfunctionbysimulation,itcanbefoundthateclecticfunctionofso
6、ftandhardthresholdinghasbettereffectonimagesthatarepollutedbypoissonnoise,saltandpeppernoise,gausswhitenoiseandspecklenoise,whilesemi-softthresholdseemsabetterchoicefordenoisingtheimageswhichrequiretoremovelittlenoiseandpreservemoredetailinformation.Atthesametime,throughtheexperimentalstudywe
7、canalsofindwavelettransformmodulusmaximaisefficienttodenoisedifferentkindsofnoises,especiallytodenoisethelowSNRimages.Nonetheless,sincethemainstreamalgorithmsareinefficient,wavelettransformmodulusmaximaingeneralcannotreceivesatisfactoryresult
