资源描述：
《自适应模糊小波阈值去噪算法在图像中的应用》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、自适应模糊小波阈值去噪算法在图像中的应用汤仁民I,王代强2（1贵州大学理学院，贵州贵阳550025；2贵州大学人民武装学院贵州贵阳550025）摘要：随着图像在信息传播中越來越重要。消除在图像中产生的噪声，为了使图像清晰，污染度小，成了数字图像处理信息传播的重要部分。木文分析了屮值滤波法、维纳滤波法、邻域平均法等几种传统的方法，着重研究H适应模糊小波阈值算法在图像去噪小的应用。运用Matlab软件对一张含噪图片（含高斯噪声）进行仿真去噪，仿真结果分析比较，得出了自适应模糊小波阈值去噪算法比传统方法去噪效果更好
2、，更明显。尤其适合于图像中高斯噪声和脉冲噪声的混合消除。关键词：小波变换；中值滤波法；维纳滤波法；邻域平均法；MATLABApplicationofAdaptiveFuzzyWaveletThresholdDenoisingAlgorithminImageI2TangRen-Min,WangDai-Qiang^(1TheScieneeCollegeofGuizhouUniversity,Guiyang550025・2TheArmedForcesCollegeofGuizhouUniversity,Guiyan
3、g550025)Abstract：Withtheimagemoreandmoreimportantininformationcommunication.Theeliminationofthenoiseintheimage,tomaketheimageclear,asmalldegreeofpollution,thedigitalimageprocessinghasbecomeanimportantpartofinformationtransmission.Thispaperanalyzesseveraltra
4、ditionalmethodssuchasthemedianfilteringmethod,Wienerfilteringmethod,neighborhoodaverage.Focusresearchadaptivefuzzywaveletthresholddenoisingalgorithmapplicationofintheimage.UsingMatlabsoftwaretoanoiseimage(withgaussiannoise)simulationdenoising,thesimulationr
5、esultsbyanalyzing,theadaptivefuzzywaveletthresholddenoisingalgorithmisbetterandmoreobviousthanthetraditionalmethod.EspeciallysuitablefortheGaussnoiseandimpulsenoiseareeliminated.Keywords：medianfiltering;Wienerfiltering;neighborhoodaverage;wavelettransform.;
6、MATLAB0引言口适应模糊小波阈值去噪算法是根据信号和噪声的小波系数在不同分解尺度上的传递性，结合屮值滤波和模糊理论，自适应地进行软阈值滤波，然后进行小波重构得到去噪图像。所谓高斯噪声是指它的概率密度函数服从正态分布的一类噪声。在图像中加高斯噪声通常会使得图像变模糊门出现细小的斑点。为了更好的保持图像屮信息的传输，人们提出了几种传统的方法:中值滤波法，它很好的克服了线性滤波器所带來的图像细节模糊以及滤除脉冲干扰的缺陷，但对点、线、尖顶细节多的图像不宜采用；维纳滤波法，它对噪声有良好的抑制特性，同时可以保留尽
7、可能多的图像信息，但若噪声为非平稳的随机过程将很难对图像去噪；邻域平均法，它去噪方式简单快速，但会使去噪后图像变得模糊,弱化或丢失图像的边缘和细节。因此木文提出-•种口适应模糊小波阈值去噪算法，该算法具有良好而稳健的去噪效果，能够高效率地去除噪声和保留图像的边缘细节。1高斯噪声与原始信号的作用假设原始图像受到高斯噪声的污染，信号模型如g（兀,y）=/（兀,y）+斤（兀,y）兀,y=1……ni—i其中g（x,y）表示含噪图像，.f（x,y）表示原始图像,n{x,y）表示方差为cr2的高斯噪声信号，原始信号与噪声
8、号通过加法作用，获得含噪图像g（x,y），g（x,y）经小波变换后有Wg=wf+，其中Wg为含噪图像的小波系数，y为原图像的小波系数，叫为噪声的小波系数。在高斯噪声函数衣示如：1££（xjJ+厂"了/7（x,y）=-/=——-ezt="h1—2,2兀XL2自适应模糊小波阈值去噪（1）对含噪图像用中值滤波法预处理基于中值滤波算法能够很好地消除脉冲噪声，保证图像细节及其边缘的特性，因此我们先对含噪图g（
