基于小波变换的图像去噪方法研究毕业设计

《基于小波变换的图像去噪方法研究毕业设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、题目基于小波变换的图像去噪方法研究学生姓名陈菲菲学号1113024020所在学院物理与电信工程学院专业班级通信工程专业1101班指导教师陈莉完成地点物理与电信工程学院实验中心2015年5月20日毕业论文﹙设计﹚任务书院(系)物理与电信工程学院专业班级通信1101班学生姓名陈菲菲一、毕业论文﹙设计﹚题目基于小波变换的图像去噪方法研究二、毕业论文﹙设计﹚工作自2015年3月1日起至2015年6月20日止三、毕业论文﹙设计﹚进行地点:物理与电信工程学院实验室四、毕业论文﹙设计﹚的内容1、图像处理中，输入的是质量低的图像，输出的是改善质量后的图像。常

2、用的图像处理方法有图像增强、复原、编码、压缩等。一般图像的能量主要集中在低频区域中，只有图像的细节部的能量才处于高频区域中。因为在图像的数字化和传输中常有噪声出现，而这部分干扰信息主要集中在高频区域内，所以消去噪声的一般方法是衰减高频分量或称低通滤波，但与之同时好的噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊。为了改善图像质量，从图像提取有效信息，必须对图像进行去噪预处理。设计任务：（1）整理文献，研究现有基于小波变换的图像去噪算法，尝试对现有算法做出改进；（2）在MATLAB下仿真验证基于小波变换的图像去噪算法。2、要求以论文形

3、式提交设计成果，应掌握撰写毕业论文的方法，应突出“目标，原理，方法，结论”的要素，对所研究内容作出详细有条理的阐述。进度安排：1-3周：查找资料，文献。4-7周：研究现有图像去噪技术，对基于小波变换的图像去噪算法作详细研究整理。8-11周：研究基于小波的图像去噪算法，在MATLAB下对算法效果真验证。12-14周：分析试验结果，对比各种算法的优点和缺点，尝试改进算法。15-17周：撰写毕业论文，完成毕业答辩。指导教师陈莉系(教研室)系(教研室)主任签名批准日期2015.1.1接受论文(设计)任务开始执行日期2015.3.1学生签名基于小波变换

4、的图像去噪方法研究陈菲菲（陕西理工学院物理与电信工程学院通信1101班，陕西汉中723000）指导教师：陈莉[摘要]图像去噪是信号处理中的一个经典问题，随着小波理论的不断完善，它以自身良好的时频特性在图像去噪领域受到越来越多的关注。基于小波变换的去噪方法有很多种，本文主要讨论了基于小波变换的阈值去噪方法和基于小波变换的滤波去噪方法，其基本思想是先对含噪图像进行小波变换，再对高频系数进行阈值去噪或滤波去噪处理，最后进行小波反变换，实现基于小波的图像去噪。最后，在MATLAB下，分别对图像加入高斯噪声，泊松噪声，椒盐噪声，对算法进行了验证。[关键

5、词]小波变换图像去噪阈值滤波MATLABResearchonimagedenoisingmethodbasedonWaveletTransformChenFeifei(Grade11,Class1,MajorofCommunicationEngineering，SchoolofPhysicsandtelecommunicationEngineeringofShaanxiUniversityofTechnology,Hanzhong723000,China)Tutor:ChenLiAbstract：Denoisingsignalprocessi

6、ngisaclassicproblem,withtheimprovementofwavelettheory,whichgoodtime-frequencycharacteristics.Itismoreandmoreattentionedinthefieldofimagedenoising.Therearemanyde-noisingmethodbasedonwavelettransform,thispaperdiscussesthemethodbasedonthresholdingwavelettransformandfilteringde

7、noisingmethodbasedonwavelettransform,thebasicideaisthatnoisyimageisfirstlytransformedbywaveletandthenthehigh-frequencycoefficientsisthresholdedorfiltered,wavelet-basedimagedenoisingisfinished.Finally,inMATLAB,GaussiannoiseandPoissonnoisewereaddedtotheimage,thealgorithmwasva

8、lidated.Keywords:Wavelettransformation;Imagedenoising;Waveletthreshold;filtering;M