【正文】 分類號： 編號：沈陽化工大學本科畢業(yè)論文題 目： 基于MATLAB小波分析的圖像降噪處理 院 系： 信息工程學院 專 業(yè)： 通信工程 班 級： 1001 學生姓名： 田維軍 指導(dǎo)教師： 郭爍 論文提交日期： 年 月 日 論文答辯日期： 年 月 日摘要本文研究的對象是加入高斯白噪聲的數(shù)字信號，信號在傳輸或進行處理的過程中會受到噪聲的影響，會影響到數(shù)字圖像的質(zhì)量，因此本文針對加入噪聲的圖像進行降噪處理，提高圖像的清晰度，使得圖像的質(zhì)量達到最優(yōu)。為了克服傳統(tǒng)的圖像降噪方法的缺點，本文提出了小波分析的圖像降噪的方法，這個方法克服了傳統(tǒng)降噪方法的缺點，能夠在很好的保留圖像細節(jié)信息的前提下，更好的進行含噪圖像的降噪。小波分析降噪中的小波閾值降噪方法比較適合噪聲圖像的降噪處理，首先對噪聲圖像進行多層次的分解，然后在對噪聲圖像進行水平方向垂直方向以及斜線方向三個方向的閾值處理，最后對閾值處理后的圖像進行圖像的重構(gòu)處理。利用不同的小波基函數(shù)對噪聲圖像進行分解，觀察利用不同的小波基函數(shù)對圖像降噪的結(jié)果，通過計算信噪比和最小均方誤差來判斷最適合圖像降噪的小波基函數(shù)，信噪比越大，最小均方誤差越小則圖像的降噪效果就越好，通過分析可以選擇出圖像降噪的最優(yōu)的小波基函數(shù)。然后在對最優(yōu)的小波基函數(shù)進行不同層次的小波系數(shù)分解，也是通過計算信噪比和最小均方誤差來得出小波基的最優(yōu)分解層數(shù)，在最優(yōu)分解層數(shù)下對噪聲圖像進行降噪處理效果最好。圖像最清晰，圖像的質(zhì)量更好，細節(jié)信息越完整。對噪聲圖像進行閾值處理能夠很好的對圖像進行降噪處理，也能夠很好的保留圖像的細節(jié)信息，通過對六個小波基函數(shù)的分析，，通過比較信噪比和最小均方誤差，可知對圖像進行3層的小波分解，對噪聲圖像的降噪效果最好。利用以上的分析對噪聲圖像進行了很好的降噪效果。關(guān)鍵詞：小波變換，圖像去噪，小波閾值，閾值函數(shù)，小波基函數(shù)，最優(yōu)分解層AbstractIn the course of image processing，the collection，transformation and transmission of images are frequently affected by imaging equipments and noises in exterior environment，therefore，image quality declines．Because noises have big infection to the continuous processing of images，it has very important practical meaning to noises reduction．Image noise reduction is a widely image preprocessing of technology. It’ s purpose is to enhance the SNR between original image and denoised image, improve the characteristics of image. The digital image denoise involves domains and so on optical system, microelectronic technology, puter science，mathematical analysis, it’s a very prehensive interdisciplinary science, now its practice application is very widespread: In the medicine, the military, art, the agriculture and all have very extensive and ripe using so on. MATLAB is one kind of highly effective engineering calculation language，in aspects and so on value putation, data processing, imagery processing, neural network, wavelet analysis all has the widespread application.Therefore, hunting for a method of denoising effectively and keeping the edge information simultaneously is a goal people have been pursuing all the time. Wavelet analysis is local analysis in the time domain and frequency domain, which represents the signal property using bination of the time domain and frequency domain ,which represents the signal property using bination of the time domain and frequency domain. It is a useful tool to analyze the unstationary signal that important multiscale analysis to the signal by the translation and diatom of the moocher wavelet ,so it can effectively extract information from signal .Recently ,with the improvementof wavelet theory ,wavelet analysis has applied to image denoising successfully Compared with traditional methods, wavelet has inparable advantage in image denoising. It can not only wipe off noise but also retain the image details.In this paper, wavelet threshold noise reduction, through the deposition of the image, extracting the threshold, the final reconstructed image, wavelet threshold noise reduction coefficient of thought is a layer wavelet deposition coefficients modulus greater than or less than a certain threshold are processed in the image obtained after the processing of digital image is reconstructed. Paper in the horizontal direction, vertical direction and diagonal direction of the threshold processing, the threshold value processing of the three directions of the image can be a good noise reduction processing. Then we discuss the quality of image noise reduction effect in the case of different wavelet bases, and in the noise reduction methods and wavelet basis in certain circumstances, to find the optimal deposition level of wavelet coefficients obtained by the wavelet deposition under optimal number of levels the best wavelet deposition level image noise reduction.Key words: Wavelet Analysis。 Image Denoising。 Threshold。 Threshold Function目錄第一章 緒論 1 研究背景和意義 1 數(shù)字圖像降噪處理的簡介 5 本文研究內(nèi)容 6第二章 MATLAB圖像處理基礎(chǔ) 7 MATLAB簡介 7 MATLAB概述及發(fā)展史 7 MATLAB工作環(huán)境 8 數(shù)據(jù)類型、圖像類型及轉(zhuǎn)換 9 數(shù)據(jù)類型 9 圖像類型 10 圖像類型轉(zhuǎn)換 11第三章 小波分析理論 13 傅立葉變換 13 14 小波變換 15 16 連續(xù)小波變換 16 17 18 常見的小波 18第四章 應(yīng)用MATLAB實現(xiàn)小波分析的圖像降噪 23 小波閾值降噪的概述 23 小波閾值降噪的方法 25 小波分析閾值降噪實例分析 27第五章 結(jié)論 35參考文獻 37致謝 38沈陽化工大學學士學位論文 致謝第一章 緒論 圖像降噪技術(shù)的研究背景和意義圖像降噪技術(shù)的研究歷史非常久遠，要追溯到70年代，現(xiàn)在每年仍有大量公發(fā)表的文獻討論這方面的問題。信息傳輸中，媒介有很多，而圖像是其中最主要之一。因為圖像承載的信息量大，傳輸速度快，作用距離遠等一系列優(yōu)點，使圖像成為信息傳輸?shù)牧己幂d體，是人類認識世界和認識自我的非常重要的途徑。在圖像處理技術(shù)的早期，人們是用給拍到的黑白照片上顏色來反映真實自然外界和人類的歷史。隨著科學技術(shù)的發(fā)展和完善，原始的圖像處理技術(shù)已經(jīng)被現(xiàn)在的計算機圖像處理技術(shù)逐漸的代替了。但是計算機對圖像處理要經(jīng)過很多過程，但是圖像數(shù)字化后，整個技術(shù)的過程就更加直接了，同時憑借著圖像的數(shù)字化，數(shù)字圖像處理技術(shù)得到了很快的發(fā)展。數(shù)字圖像和我們的生活有著千絲萬縷的關(guān)系。在人的生命中，不管是工作還是生活都離不開數(shù)字圖像給我們帶來的信息，像我們每天看的電視，像很多科學實驗的展現(xiàn)等等，都離不開數(shù)字圖像。圖像降噪技術(shù)的應(yīng)用廣泛不僅是因為它的應(yīng)用范圍的特性，也是因為它的簡單的操作性，以及可逆性，它是對圖像處理技術(shù)評估一個方便直接的平臺。在以前，有很多的學術(shù)喜好者利用自己的方法研究圖像降噪的問題，圖像降噪技術(shù)是圖像處理技術(shù)的關(guān)鍵技術(shù)之一，在處理圖像的過程中我們不能避免噪聲的出現(xiàn)，人們根據(jù)噪聲的特性以及它的頻譜的特點，各種各樣的圖像降噪技術(shù)的方法隨運而生，得到了廣泛的應(yīng)用。圖像降噪技術(shù)中的統(tǒng)計估計方法和空間自適應(yīng)濾波法和偏微分方法，都有其缺點應(yīng)用的范圍不是很廣，而變換域方法小波變換降噪處理技術(shù)運用起來非常有效和方便。近年來，小波理論廣泛的應(yīng)用特性，使得小波技術(shù)的發(fā)展速度相當?shù)捏@人，這個理論具有完備的時域特性。發(fā)展速度快，實際應(yīng)用也非常廣泛。多種的圖像降噪的方法中閾值小波降噪技術(shù)更好，應(yīng)用范圍更廣闊。小波閾值降噪的基本思想是首先利用函數(shù)將圖像進行多層次的分解，然后進行圖像的閾值處理，最后對閾值處理完的圖像進行多次的圖像重構(gòu)，已達到圖像降噪技術(shù)的實現(xiàn)。傳統(tǒng)的線性降噪方法，它們能夠達到降低圖像噪聲的要求也能夠提高圖像