基于小波變換的圖像去噪畢業(yè)設(shè)計word格式(參考版)
2024-11-28 03:13本頁面
【正文】 二是在某些情況下，如在信號的不連續(xù)點處，去噪后會出現(xiàn)偽吉布斯現(xiàn)象。用軟閾值法去噪刻使去噪信號是原始信號的近似最優(yōu)估計，且估計信號至少和原始信號同樣光滑而不會產(chǎn)生附加振蕩。該方法主要適用于信號中混有白噪聲的情況。但相關(guān)性去噪在分析信號的邊緣方面具有優(yōu)勢，并且可擴展到邊緣檢測、圖像增強及其他方面的應(yīng)用。但它有一個根本性的缺點，就是在去噪過程中，需要由模極大值對小波系數(shù)進行重構(gòu)，這將使計算量大大增加，計算速度變得較慢，從而在現(xiàn)實中往往因不能滿足處理系統(tǒng)對算 法的實時性要求而失去了應(yīng)用價值。在去噪的同時，可有效地保留信號的奇異點特性，去噪后的信息沒 有多余振蕩，是原始信號的一個好的估計。 三種方法的比較分析 對于基于小波變換模極大值原理的去噪方法而言，它是根據(jù)信號與噪聲在小波變換下隨尺度變化呈現(xiàn)出的不同變化特性而提出來的，有很好的理論保證，去噪效果非常穩(wěn)定。相關(guān)性去噪方法去噪效果比較穩(wěn)定，在分析信號邊緣方面有優(yōu)勢，不足之處是計算量較大，并且需要估算噪聲方差。 2：小波系數(shù)相關(guān)性去噪方法 信號與噪聲在不同尺度上模極大值的不同傳播特性表明，信號的小波變換在各尺度相應(yīng)位置上的小波系數(shù)之間有很強的相關(guān)性，而且在邊緣處有很強的相關(guān)性。小波變換模極大值去噪方法，具有很好的理論基礎(chǔ)，對噪聲的依賴性較小，無需知道噪聲的方差，非常適合于低信噪比的信號去噪。利用信號與噪聲的局部奇異性不一樣，其模極大值的傳播特性也不一樣這些特性對信號中的隨機噪聲進行去噪處理。 1：小波變換模極大值去噪方法 信號與噪聲的模極大值在小波變換下會呈現(xiàn)不同的變化趨勢。其流程圖如圖 小波去噪常用方法 目前，小波去噪的方法大概可以分為三大類：第一類方法是利用小波變換模極大值原理去噪，即根據(jù)信號和噪聲在小波變換各尺度上的不同傳播特性，剔除由噪聲產(chǎn)生的模極大值點，保留信號所對應(yīng)的模極大值點，然后利用所余模極大值點重構(gòu)小波系數(shù)
公司管理相關(guān)推薦
鄂ICP備17016276號-1