小波變換圖像去噪matlab實現(xiàn)-文庫吧資料
2025-07-05 00:32本頁面
【正文】 頻系數(shù)進(jìn)行軟閾值化處理。這三步是：1）二維信號的小波分解。從直觀上講，對給定的小波系數(shù)，噪聲越大，閾值就越大。在閾值去噪中，閾值函數(shù)體現(xiàn)了對小波分解稀疏的不同處理策略以及不同的估計方法，常用的閾值函數(shù)有硬閾值和軟閾值函數(shù)，硬閾值函數(shù)可以很好的保留圖像邊緣等局部特征，但圖像會出現(xiàn)偽吉布斯效應(yīng)，等視覺失真現(xiàn)象，而軟閾值處理相對較平穩(wěn)，但可能會出現(xiàn)邊緣模糊等失真現(xiàn)象，為此人們又提出了半軟閾值函數(shù)?；谛〔ㄗ儞Q的圖像分解與重構(gòu)二維離散小波主要解決二維多分辨率分析問題，如一幅二維離散圖像{c(m，n)} ，二小波可以將它分解為各層各個分辨率上的近似分量cAj，水平方向細(xì)節(jié)分量 cHj，垂直方向細(xì)節(jié)分量cVj，對角線方向細(xì)節(jié)分量cDj，其二層小波圖像分解過程如圖 41 所示：圖41 小波圖像分解過程 圖42 小波圖像分解過程其二層小波圖像重構(gòu)過程正好與此相反如圖42所示，基于小波變換的圖像處理，是通過對圖像分解過程中所產(chǎn)生的近似分量與細(xì)節(jié)分量系數(shù)的調(diào)整，使重構(gòu)圖像滿足特定條件，而實現(xiàn)圖像處理。但硬閾值函數(shù)的不連續(xù)性使消噪后的信號仍然含有明顯的噪聲。大于閾值的數(shù)據(jù)點則向零收縮，變?yōu)樵擖c值與閾值之差。目前，閾值的選擇主要分硬閾值和軟閾值兩種處理方式。需要說明的是，在小波閾值去噪法中，最重要的是閉值函數(shù)和閑值的選取。(2)通過對分解得到的小波系數(shù)wj，k進(jìn)行閾值處理，得出估計小波系數(shù)使得wj，k uj，k，盡可能的小。當(dāng)wj，k大于這個臨界閾值時，認(rèn)為這時的小波系數(shù)主要是由信號引起，那么就把這一部分的wj，k直接保留下來(硬閾值方法)，或者按某一個固定量向零收縮(軟閾值方法)，然后用新的小波系數(shù)進(jìn)行小波重構(gòu)得到去噪后的信號。由此可見，與傅立葉變換去噪方法相比，小波變換去噪方法具有明顯的優(yōu)越性。帶噪圖像小波分解分尺度去噪逆小波變換恢復(fù)圖像圖31小波去噪框圖因此，利用小波變換在去除噪聲時，可提取并保存對視覺起主要作用的邊緣信息。因此如何構(gòu)造一種既能降低圖像噪聲，又能保留圖像細(xì)節(jié)特征的去噪方法成為圖像去噪研究的一個重大課題。我們知道，有用信號主要分布于圖像的低頻區(qū)域，噪聲主要分布在圖像的高頻區(qū)域，但圖像的細(xì)節(jié)信息也分布在高頻區(qū)域。而采用傅里葉變換去噪則屬于頻域去噪。圖像去噪分為時域去噪和頻域去噪兩種。圖像去噪的目的就是從所得到的降質(zhì)圖像以g(x，y)中盡可能地去除噪聲n(x，y)，從而還原理想圖像f(x，y)。由于
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1