畢業(yè)論文基于小波變換手指靜脈去噪技術(shù)-閱讀頁
2025-07-13 10:19本頁面
【正文】 圖22圖像兩層小波分解示意圖程序見附錄一。兩層小波分解圖像原始圖像一層小波分解圖像圖23圖像兩層小波分解圖像重構(gòu)算法是分解算法的逆過程，其原理就是利用細(xì)節(jié)信號(hào)和最終的逼近信號(hào)復(fù)原最初的原始信號(hào)，如圖2所示：22……圖24 信號(hào)重構(gòu)同樣的道理可以容易地給出重構(gòu)算法的公式： （26）3 靜態(tài)小波變換去噪由于小波變換將信號(hào)在不同的頻帶展開，因而可以根據(jù)各頻段的特點(diǎn)分別加以處理。采樣的時(shí)候只保留偶數(shù)項(xiàng)，這樣奇數(shù)項(xiàng)所含有的時(shí)移信息就被丟棄了, 缺乏平移不變性。靜態(tài)小波變換（stationary wavelet transform,SWT）去掉下采樣算子，具有平移不變性。靜態(tài)小波分解分為兩步：1) 給定長(zhǎng)度為N的信號(hào)s，SWT的第一步是將s分成兩個(gè)系數(shù)集：低頻系數(shù)（逼近系數(shù)）和高頻系數(shù)（細(xì)節(jié)系數(shù)），前者通過s和低通濾波器Lo_D卷積得到，而后者是和高通濾波器Hi_D卷積得到的。如圖31所示：圖31靜態(tài)小波分解第一步，與濾波器作卷積2) 與Mallat算法不同，我們不對(duì)第一步的結(jié)果進(jìn)行亞采樣，而是將低頻系數(shù)使用相同的方法分成兩部分。然后，SWT產(chǎn)生和。由于這里變換后的近似系數(shù)和細(xì)節(jié)系數(shù)并沒有進(jìn)行下采樣，所以仍然是原信號(hào)的長(zhǎng)度，即靜態(tài)小波分解得到的4幅圖像與原圖像尺寸一致。隨著分解步數(shù)增大，濾波器也逐步增大。如圖33所示。程序見附錄二。 中頻高頻中頻低頻逼近信號(hào) 圖33靜態(tài)小波分解后的各頻層1) 低頻：低頻含有圖像的主要信號(hào)特征，是原始圖像的近似圖像，用軟閾值方法可以使去噪后的圖像相對(duì)平滑，不會(huì)出現(xiàn)較大的視覺失真，所以我們對(duì)低頻采用軟閾值的方法，設(shè)閾值為，閾值公式為： （31）2) 高頻：高頻含有圖像的大部分噪聲，而且孤立的噪聲點(diǎn)比較多，所以我們沒有必要考慮高頻圖像的平滑特性，而是直接采用硬閾值的方法，設(shè)閾值為，閾值公式為： （32） 下圖34分別為硬閾值與軟閾值函數(shù)示意圖，橫坐標(biāo)表示信號(hào)（或圖像）的原始小波系數(shù)，縱坐標(biāo)表示信號(hào)（或圖像）閾值化后的小波系數(shù)。所以，對(duì)于中頻帶來說，我們只保留圖像中的橫向和縱向極值點(diǎn)，而對(duì)于其他點(diǎn)都置為0。如圖35所示。4 總結(jié)與展望本文我們采用靜態(tài)小波變換的方法進(jìn)行手指靜脈去噪。首先我們對(duì)原始圖像做靜態(tài)小波分解，得到四個(gè)不同的頻帶：低頻LL，中頻LH、HL和高頻HH。最后對(duì)處理后的各頻層作靜態(tài)小波逆變換，得到降噪后的圖像。對(duì)于去噪后的圖像，可以采用基于局部歸一化的手指靜脈圖像增強(qiáng)、基于直方圖均衡的手指靜脈圖像增強(qiáng)等算法，實(shí)現(xiàn)手指靜脈圖像的增強(qiáng)，以便于更好的進(jìn)行識(shí)
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號(hào)-1