Matlab小波变换在图像处理中的仿真及应用+源码(2)
4.1.3 仿真结果 26
4.1.4 仿真结果分析 28
4.2 小波变换在图像压缩中的应用 28
4.2.1 小波图像压缩的基本原理 28
4.2.2 参数设置 29
4.2.3 仿真结果 30
4.2.4 仿真结果分析 31
4.3 小波变换在图像平滑处理中的应用 32
4.3.1 小波图像平滑处理的基本原理 32
4.3.2 参数设置 32
4.3.3 仿真结果 33
4.4小波变换在图像增强中的应用 34
4.4.1 小波图像增强的基本原理 34
4.4.2 参数设置 34
4.4.3 仿真结果 35
4.4.3 仿真结果 36
4.5 小波变换在图像融合中的应用 36
4.5.1 小波图像融合的基本原理 36
4.5.2 参数设置 36
4.5.3 仿真结果 37
4.6 小波变换在特定图像处理中的应用 38
4.6.1 特定图像处理的实际意义 38
4.6.2 小波图形用户GUI界面 38
4.6.3 运用GUI界面对特定数字图片处理 39
4.6.4 对特定数字图片处理的Matlab代码实现 42
5 总结与展望 47
致谢 48
参考文献 49
附录 50,4776
1 引言
1.1 课题的背景及研究意义
小波分析是近年来国际上掀起新潮的一个前沿研究领域，是继Fourier分析的一个突破性进展。它给许多相关领域带来了崭新的思想，提供了强有力的工具，在科技界引起了广泛的关注和高度的重视。它既包含有丰富的数学理论，又是工程应用中强有力的方法和工具。小波分析的发展推动着许多其他学科和领域的发展，使得其本身具有了多学科相互结合、相互渗透的特点。探讨小波的新理论、新方法以及新应用己经成为当前数学界和工程界的一个非常活跃和富有挑战性的研究领域。
小波分析理论作为新的时频分析工具，由于其自身的优良特性，在信号分析处理和中图像处理中得到了越来越多的应用。由于在图像的获取和转换过程中,往往会造成图像的某些降质,使图像的分辨率和对比度产生下降，造成图像的应用性大幅降低，对最后的识别结果造成恶劣的影响。
利用小波变换良好的局部特性,使图像的信号通过小波变换后在频域上得到足够的分解,分离出了反映图像轮廓和细节的信息。使得图像的视觉效果得到改善,图像的使用价值得到提高。
一般来说，现实中的图像都是含有噪声的图像，所以为了后续更高层次的处理，很有必要对图像进行去噪。图像去噪，是一个古老的课题。而人们也根据实际图像的特点、噪声的统计特征和频谱分布的规律，发展了各式各样的去噪方法，其中最为直观的方法是根据噪声能量一般集中于高频，而图像频谱则分布于一个有限区间的这一特点，采用低通滤波方式来进行去噪，例如滑动平均窗滤波器、Wiener线性滤波器等，其他的去噪方法还有基于秩一阶滤波(排序量)的方法；基于马尔可夫场模型和基于偏微分方程(PDE，Partial Differential Equation)的方法等。
不仅如此，为了满足人们对于数字图像的不同需求，往往就需要对数字图像进行不同形式的数字图像处理，例如：图像压缩、图像融合、图像平滑处理等。传统的图像处理方式没有由于其自身的局限，没有办法完全的达到预期的处理效果。小波变换理论的出现，却巧妙的解决的相关问题。因此，研究小波变换在图像处理中的仿真与应用就显得应运而生而又十分必要了。