MATLAB基于小波变换的图像数字去噪研究
本文介绍了几种图像去噪方法，并且通过MATLAB仿真将其实现，通过对同一目标图像的去噪效果主客观标准比较来总结其优缺点。在本人编写的可视化界面上方便地操作是本次设计的亮点之一,它具有普适性，对图像的格式和是否有色没有要求，这意着可以随时更换想要去噪的对象，为多次实验提供了方便。通过这一平台，我实现了多种小波基以及一种小波基的多阶数之间的效果对比，证明了关于小波基性质选择的正确性。
毕业论文关键词：小波变换 图像去噪 MATLAB仿真
Abstract:
Since the invention of personal computer, digital image processing has become one of the most important parts of the time. However, pictures are often polluted by noise from the collection, transmission and processing. These pictures prevent people from getting valuable information. Computers also can not deal well with these polluted pictures. It is very important for us to remove the noise from pictures. A good technique to remove noise is worth studying.
This paper introduces several picture de-noising methods. These picture de-noising methods are simulated by MATLAB. Comparisons between different methods of digital image processing are made on one target. A visible interface is built to make it easier for testing. It is universal, which means different formats of pictures can be used. Colorful pictures can also be processed by it. Testing the methods several times costs short time. Various wavelets are tested in the research to prove the correctness of wavelet base selection properties.
Keywords: wavelet transform picture de-noising MATLAB simulation
目录
第一章 绪论1
1.1图像与噪声.1
1.2图像去噪评判标准.2
1.3小波变换在数字图像处理中的应用.3
1.3.1 小波图像分析3
1.3.2 小波图像去噪的发展历史4
1.3.3 小波图像处理应用5
1.4本课题研究内容与结构安排.7
第二章 图像去噪一般方法8
2.1均值滤波.8
2.2中值滤波.8
2.3傅变去噪法.9
2.4本章小结.9
第三章 小波去噪在图像处理中的应用.11
3.1小波理论简介11
3.1.1小波变换的由来11
3.1.2小波的定义11
3.1.3连续与离散小波基12
3.1.4 Mallat算法13
3.2小波基的选取14
3.2.1小波基选取标准14
3.2.2常用小波基15
3.3模极大值去噪法22
3.4空域相关性去噪法22
3.5阈值去噪法22
3.6其他小波去噪方法25
3.7本章小结26
第四章 图像去噪仿真.28
4.1标准灰度图去噪仿真28
4.2均值与中值滤波的彩图去噪仿真32
4.3小波彩图去噪仿真37
4.4实验总结40
第五章 总结与展望.42
致谢.43
参考文献.44
第一章 绪论
1.1图像与噪声
随着数模转换技术、计算技术、传输存储技术的快速发展,图像信息变成了现代社会里人们获取信息的最重要渠道之一，常见的图像格式有EG、TIFF、RAW。在我们获取和处理这些数据的同时，总是容易使图像受到噪声的污染，这些受到污染的图像明显降低了人们从中获取有效信息的能力，也使得计算机对图像的处理不能达到理想的效果。因此必须在图像分割，边缘信息，提取图像特征和模式识别之前，采取合适的方法“净化”图像。为了净化图像，使我们方便获取图像中的消息，必须找合适的途径来对噪声进行净化，这就是我们进行图像处理的重要组成和必然前提。