【正文】 評(píng)價(jià)，不過(guò)它仍然沒(méi)有完全消除主觀不確定性的影響，其定量計(jì)算公式中的參數(shù)往往要依賴專家經(jīng)驗(yàn)確定。 主觀評(píng)價(jià)主觀評(píng)價(jià)通常有兩種[2]：一種是作為觀察者的主觀評(píng)價(jià)，這是由選定的一組人對(duì)圖像直接用肉眼進(jìn)行觀察，然后分別給出其對(duì)所觀察的圖像的質(zhì)量好或壞的評(píng)價(jià)，再綜合全組人的意見(jiàn)給出一個(gè)綜合結(jié)論。它是一種數(shù)學(xué)上統(tǒng)計(jì)的處理方法，其缺點(diǎn)是它并不是總能反映人眼的真實(shí)感覺(jué)。因此主觀評(píng)價(jià)標(biāo)準(zhǔn)還只是一個(gè)定性的描述方法，不能作定量描述，但它能反映人眼的視覺(jué)特性。目前對(duì)圖像的去噪質(zhì)量評(píng)價(jià)主要有兩類常用的方法：一類是人的主觀評(píng)價(jià)，它由人眼直接觀察圖像效果，這種方法受人為主觀因素的影響比較大。 圖像去噪效果的評(píng)價(jià)在圖像去噪的處理中，常常需要評(píng)價(jià)去噪后圖像的質(zhì)量。這為實(shí)際的去噪工作提供了依據(jù)。實(shí)際生活中還有多種多樣的圖像噪聲，如皮革上的疤痕噪聲、氣象云圖上的條紋噪聲等等。這類帶有噪聲的圖像可看成是理想的沒(méi)有被噪聲“污染”的圖像與噪聲的和，即 （）（2）乘性噪聲 圖像的乘性噪聲和圖像的加性噪聲是不一樣的，加性噪聲和圖像信號(hào)強(qiáng)度是不相關(guān)的，而乘性噪聲和圖像信號(hào)是相關(guān)的，往往隨著圖像信號(hào)的變化而發(fā)生變化，如飛點(diǎn)掃描圖像中的噪聲、電視掃描光柵、膠片顆粒噪聲等，這類噪聲和圖像的關(guān)系是 （）（3）量化噪聲 量化噪聲是數(shù)字圖像的主要噪聲源，它的大小能夠表示出數(shù)字圖像和原始圖像的差異程度，有效減少這種噪聲的最好辦法就是采用按灰度級(jí)概率密度函數(shù)選擇量化級(jí)的最優(yōu)量化措施。因此要有效降低圖像中的噪聲，必須針對(duì)不同的具體情況采用不同方法，否則就很難獲得滿意的去噪效果。最后往往還要在組成多維圖像信號(hào)，而圖像噪聲也將同樣受到這樣的分解和合成。小波變換具有多分辨率分析的特點(diǎn)，在時(shí)域、頻域都具有較強(qiáng)的表征信號(hào)局部特征的能力，因此基于小波分析的圖像去噪技術(shù)已成為圖像去噪的一個(gè)重要方法。不同的變換方法在變換域得到的系數(shù)都是有不同特點(diǎn)的，根據(jù)系數(shù)的特點(diǎn)合理的處理變換系數(shù)再通過(guò)反變換將圖像還原到時(shí)域，往往就可以有效地達(dá)到去除噪聲的目的。為了進(jìn)一步提高去噪的效果，在變換域中進(jìn)行降噪處理成為有效的方法，圖像變換域去噪就是對(duì)圖像進(jìn)行某一種變換，然后將圖像從時(shí)域變換到變換域中，再對(duì)變換域中的圖像變換系數(shù)按照某種方法進(jìn)行處理，最后再對(duì)處理后的系數(shù)按照某種方法進(jìn)行反變換，這樣就實(shí)現(xiàn)了將圖像去除圖像噪聲的目的。對(duì)圖像進(jìn)行去噪最初主要是在空域內(nèi)進(jìn)行的，圖像空域去噪方法很多，主要是通過(guò)各種濾波器對(duì)圖像進(jìn)行去噪。圖像去噪可以在空間域內(nèi)進(jìn)行，也可以在變換域內(nèi)進(jìn)行。 圖像去噪概述現(xiàn)實(shí)中的數(shù)字圖像在數(shù)字化和傳輸過(guò)程中常受到成像設(shè)備與外部環(huán)境噪聲干擾等影響，稱為含噪圖像。除了視覺(jué)質(zhì)量上下降外，噪聲還可能掩蓋一些重要的圖像細(xì)節(jié)，使圖像的熵增大，從而對(duì)于圖像數(shù)據(jù)的有效壓縮起到了一定的妨礙作用。數(shù)字圖像之所以含有噪聲這是因?yàn)樵趫D像的采集、獲取、編碼和傳輸?shù)倪^(guò)程中，所有的圖像均不同程度地被可見(jiàn)或不可見(jiàn)的噪聲“污染”。噪聲[1]可以理解為“妨礙人們感覺(jué)器官對(duì)所接收的信源信息理解的因素”。數(shù)字圖像在我們?nèi)粘Ｉ钪衅鹬浅Ｖ匾淖饔茫c我們的日常生活息息相關(guān)，例如在衛(wèi)星、電視、核磁共振、計(jì)算機(jī)視覺(jué)、地球信息系統(tǒng)以及天文學(xué)中應(yīng)用非常廣泛。早期人們?yōu)榱苏鎸?shí)反映自然景物和人物的原貌，對(duì)拍攝到的黑白照片進(jìn)行手工上色，這就是最原始的圖像處理技術(shù)。圖像以其信息量大，傳輸速度快，作用距離遠(yuǎn)等一系列優(yōu)點(diǎn)成人人類獲取信息的重要來(lái)源和利用信息的重要手段。 Threshold。關(guān)鍵詞：小波變換，圖像去噪，閾值，閾值函數(shù) The method Based on the wavelet image denoisingAbstractImage is an important information source for human beings. However, in the course of its acquisition and transmission, noise is often introduced, which makes great influence to the processing, delivering and saving of information. 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. Based on the profound analysis on wavelet image denoising ,several classical wavelet denoising methods ate introduced in detail. The principles and algorithm of wavelet transform modulus maxima denoising method are introduced in detail and an analysis of the choice of some parameters in the process of denoising is made in detail. The principles and the algorithm of the relativity of the wavelet coefficient denoising method are introduced .Some key problem on denoising method based on wavelet threshold are discussed in detail. The advantages and disadvantages of these methods and their applicable condition are discussed at last and the simulation experiments show the results of image denoising. Keywords: Wavelet Analysis。該方法利用小波閾值去噪基本原理,在基于最小均方誤差算法LMS和Stein無(wú)偏估計(jì)的前提下,引出了一個(gè)具有多階連續(xù)導(dǎo)數(shù)的閾值函數(shù),利用其對(duì)閾值進(jìn)行迭代運(yùn)算,得到最優(yōu)閾值,從而得到更好的圖像去噪效果。而軟閾值函數(shù)雖然整體連續(xù)性好,但估計(jì)值與實(shí)際值之間總存在恒定的偏差,具有一定的局限性。傳統(tǒng)的硬閾值函數(shù)和軟閾值函數(shù)去噪方法在實(shí)際中得到了廣泛的應(yīng)用,而且取得了較好的效果。最后對(duì)這些方法進(jìn)行了分析比較,討論了它們各自的優(yōu)缺點(diǎn)和適用條件,并給出了仿真實(shí)驗(yàn)結(jié)果。詳細(xì)介紹了小波系數(shù)相關(guān)性去噪方法的原理和算法。本文對(duì)基于小波變換的圖像去噪方法進(jìn)行了深入的研究分析,首先詳細(xì)介紹了幾種經(jīng)典的小波變換去噪方法。它通過(guò)伸縮、平移等運(yùn)算功能對(duì)信號(hào)進(jìn)行多尺度細(xì)化分析,能有效地從信號(hào)中提取信息。尋求一種既能有效地減小噪聲,又能很好地保留圖像邊緣信息的方法,是人們一直追求的目標(biāo)。畢業(yè)論文基于小波變換的圖像去噪方法的研究學(xué)生姓名： 蘭瑞青 學(xué)號(hào)： 07050441X55 信息與通信工程系學(xué) 院： 信息商務(wù)學(xué)院 電氣工程及其自動(dòng)化系 名： 郎文杰專 業(yè)： 指導(dǎo)教師： 2011年 5 月基于小波變換的圖像去噪方法的研究摘要圖像是人類傳遞信息的主要媒介。然而,圖像在生成和傳輸?shù)倪^(guò)程中會(huì)受到各種噪聲的干擾,對(duì)信息的處理、傳輸和存儲(chǔ)造成極大的影響。小波分析是局部化時(shí)頻分析,它用時(shí)域和頻域聯(lián)合表示信號(hào)的特征,是分析非平穩(wěn)信號(hào)的有力工具。隨著小波變換理論的完善,小波在圖像去噪中得到了廣泛的應(yīng)用,與傳統(tǒng)的去噪方法相比小波分析有著很大的優(yōu)勢(shì),它能在去噪的同時(shí)保留圖像細(xì)節(jié),得到原圖像的最佳恢復(fù)。對(duì)于小波變換模極大值去噪法,詳細(xì)介紹了其去噪原理和算法,分析了去噪過(guò)程中參數(shù)的選取問(wèn)題,并給出了一些選取依據(jù)。對(duì)小波變換閾值去噪方法的原理和幾個(gè)關(guān)鍵問(wèn)題進(jìn)行了詳細(xì)討論。在眾多基于小波變換的圖像去噪方法中,運(yùn)用最多的是小波閾值萎縮去噪法。但是硬閾值函數(shù)的不連續(xù)性導(dǎo)致重構(gòu)信號(hào)容易出現(xiàn)偽吉布斯現(xiàn)象。鑒于此,本文提出了一種基于小波多分辨率分析和最小均方誤差準(zhǔn)則的自適應(yīng)閾值去噪算法。最后,通過(guò)仿真實(shí)驗(yàn)結(jié)果可以看到,該方法去噪效果顯著,與硬閾值、軟閾值方法相比,信噪比提高較多,同時(shí)去噪后仍能較好地保留圖像細(xì)節(jié),是一種有效的圖像去噪方法。 Image Denoising。 Threshold Function目 錄1 緒論………………………………………………………………………………1 引言……………………………………………………………………………1 圖像去噪概述 …………………………………………………………………………1 圖像噪聲分類 …………………………………………………………………………2 圖像去噪效果的評(píng)價(jià) ………………………………………………………………3 主觀評(píng)價(jià)…………………………………………………………………………… 3 客觀評(píng)價(jià)…………………………………………………………………………… 4 基于小波變換的圖像去噪技術(shù)研究現(xiàn)狀……………………………………………5 主要工作…………………………………………………………………………………62 小波分析理論基礎(chǔ) ………………………………………………………………6 小波分析的產(chǎn)生[12] …………………………………………………………………7 小波變換 …………………………………………………………………………………8 連續(xù)小波變換 [13，14]……………………………………………………………………8 離散小波變換[15] ……………………………………………………………………11 多分辨率分析與濾波器組…………………………………………………………13 圖像的小波變換及其Mallat算法………………………………………………16 圖像的雙正交小波變換……………………………………………………………20 小波變換與傅里葉變換的比較[20…………………………………………………21 本章小結(jié)…………………………………………………………………………………223 傳統(tǒng)去噪方法…………………………………………………………………………… 23 空域?yàn)V波…………………………………………………………………………………23 頻域低通濾波法[23] …………………………………………………………………254 基于小波變換的圖像去噪技術(shù)…………………………………………………………27 常見(jiàn)的去噪方法…………………………………………………………………………27 基于小波閾值的混合濾波圖像去噪方法 …………………………………………31 算法介紹 ……………………………………………………………………31 實(shí)驗(yàn)結(jié)果與分析 ……………………………………………………………32 基于小波變換的圖像去噪有關(guān)問(wèn)題的分析………………………………………33 小波變換去噪算法中分解層數(shù)對(duì)去噪效果的影響………………………… 34 小波變換去噪算法中小波基對(duì)去噪效果的影響…………………………… 35 本章小結(jié)…………………………………………………………………………………375 結(jié)論參考文獻(xiàn)…………………………………………………………………………… 39致謝………………………………