小波變換圖像去噪matlab實現(xiàn)-在線瀏覽
2024-08-09 00:32本頁面
【正文】 可以看出，當(dāng)|a|減小時，時域?qū)挾葴p小，而頻域?qū)挾仍龃?，而且的窗口中心向|ω|增大方向移動?？傮w說來，小波變換具有更好的時頻窗口特性。通常噪聲是不可預(yù)測的隨機(jī)信號。依據(jù)噪聲對圖像的影響，可將噪聲分為加性噪聲和乘性噪聲兩大類。設(shè)f(x，y)力為理想圖像，n(x，y)力為噪聲，實際輸入圖像為為g(x，y)，則加性噪聲可表示為:g(x，y)= f(x，y)+ n(x，y)， （5）其中，n(x，y)和圖像光強(qiáng)大小無關(guān)。圖像去噪就是為了盡量減少圖像的均方誤差，提高圖像的信噪比，從而盡可能多地保留圖像的特征信息。傳統(tǒng)圖像去噪方法如維納濾波、中值濾波等都屬于時域去噪方法。這些方法去噪的依據(jù)是一致的，即噪聲和有用信號在頻域的不同分布。這樣在去除高頻區(qū)域噪聲的同時，難免使圖像的一些細(xì)節(jié)也變得模糊，這就是圖像去噪的一個兩難問題。3. 小波閾值去噪法小波去噪是小波變換較為成功的一類應(yīng)用，其去噪的基本思路可用框圖31來概括，即帶噪信號經(jīng)過預(yù)處理，然后利用小波變換把信號分解到各尺度中，在每一尺度下把屬于噪聲的小波系數(shù)去掉，保留并增強(qiáng)屬于信號的小波系數(shù)，最后再經(jīng)過小波逆變換恢復(fù)檢測信號。而傳統(tǒng)的傅立葉變換去噪方法在去除噪聲和邊沿保持上存在著矛盾，原因是傅立葉變換方法在時域不能局部化，難以檢測到局域突變信號，在去除噪聲的同時，也損失了圖像邊沿信息。Donoho提出的小波閾值去噪方法的基本思想是當(dāng)wj，k小于某個臨界閾值時，認(rèn)為這時的小波系數(shù)主要是由噪聲引起的，予以舍棄。此方法可通過以下三個步驟實現(xiàn):(1)先對含噪聲信號f(t)做小波變換，得到一組小波分解系數(shù)wj，k。(3)利用估計小波系數(shù)進(jìn)行小波重構(gòu)，得到估計信號了，即為去噪之后的信號。閾值函數(shù)關(guān)系著重構(gòu)信號的連續(xù)性和精度，對小波去噪的效果有很大影響。其中，軟閾值處理是將信號的絕對值與閾值進(jìn)行比較，當(dāng)數(shù)據(jù)的絕對值小于或等于閾值時，令其為零。而硬閾值處理是將信號的絕對值閾值進(jìn)行比較，小于或等于閾值的點變?yōu)榱?，大于閾值的點不變。采用軟閾值方法雖然連續(xù)性好，但估計小波系數(shù)與含噪信號的小波系數(shù)之間存在恒定的偏差，當(dāng)噪聲信號很不規(guī)則時顯得過于光滑。三、程序?qū)崿F(xiàn)圖像消噪常用的圖像去噪方法是小波閾值去噪法，它是一種實現(xiàn)簡單而效果較好的去噪方法，閾值去噪方法的思想很簡單，就是對小波分解后的各層稀疏模大于和小于某閾值的系數(shù)分別進(jìn)行處理，然后利用處理后的小波系數(shù)重構(gòu)出去噪后的圖像。小波閾值去噪方法處理
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1