基于小波阈值的图像去噪 毕业论文

《基于小波阈值的图像去噪 毕业论文》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、摘要图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。数字图像噪声去除涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘科学，如今其理论体系已十分完善，且其实践应用很广泛，在医学、军事、艺术、农业等都有广泛且成熟的应用。MATLAB是一种高效的工程计算语言，在数值计算、数据处理、图像处理、神经网络、小波分析等方面都有广泛的应用。MATLAB是一种向量语言，它非常适合于进行图像处理。本文概述了小波阈值去噪的基本原理。对常用的几种阈值去噪方法进行了分析比较和仿真实现。最后结合理论分

2、析和实验结果，讨论了一个完整去噪算法中影响去噪性能的各种因素。为实际的图像处理中，小波阈值去噪法的选择和改进提供了数据参考和依据。关键字：小波变换图像去噪阈值MATLABAbstractImageisonekindofimportantinformationsource,mayhelpPeoplethroughtheimageryprocessingtounderstandtheinformationtheconnotation.Thedigitalimagede-noiseinvolvesdomainsandsoo

3、nopticalsystem,microelectronictechnology,computerscience，mathematicalanalysis,it’saverycomprehensiveinterdisciplinaryscience,nowitspracticeapplicationisverywidespread:Inthemedicine,themilitary,art,theagricultureandallhaveveryextensiveandripeusingsoon.MATLABison

4、ekindofhighlyeffectiveengineeringcalculationlanguage，inaspectsandsoonvaluecomputation,dataprocessing,imageryprocessing,neuralnetwork,waveletanalysisallhasthewidespreadapplication.Thisarticlehasstatedthetheoryofwaveletthresholddenoising，thendonecomparingexperime

5、ntsusingseveralgoodthresholddenoisingmethods．Finallyaccordingtothetheoryanalysisandsimulationresults，thepaperdiscussesseveralkindsoffactorswhichaffectthedenoisingcapabilityinacompletedenoisingalgorithm．Thatprovidesthedatereferenceofthresholddenoisingmethodsinac

6、tualimageprocess．Keywords:Wavelettransformation;Imagedenoising;Waveletthreshold;MATLAB目录前言1第一章图像与噪声31.1噪声图像模型及噪声特性31.1.1含噪模型31.1.2噪声特性41.2图像质量的评价51.2.1主观评价51.2.2客观评价5第二章图像去噪方法72.1传统去噪方法72.1.1空域滤波72.1.2频域低通滤波法92.2小波去噪132.2.1小波去噪的发展历程132.2.2小波去噪的研究现状142.2.3小波去噪方法

7、17第三章小波变换理论基础183.2小波理论的基本概念203.2.1连续小波变换203.2.2离散小波变换23第四章小波阈值去噪及MATLAB仿真264.1小波阈值去噪概述264.1.1阈值去噪法简述264.1.2小波阈值去噪方法274.2基于MATLAB的小波去噪函数简介284.3小波去噪对比试验304.3.1实验信号的产生304.3.2各参数下的去噪效果对比324.4利用小波去噪函数去除给定图像中的噪声36总结与展望39致谢语41参考文献:43前言图像在生成和传输过程中常常因受到各种噪声的干扰和影响而使图像降质，

8、这对后续图像的处理(如分割、压缩和图像理解等)将产生不利影响。噪声种类很多，如：电噪声、机械噪声、信道噪声和其他噪声。在图像处理中，图像去噪是一个永恒的主题，为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理。计算机图像处理主要采取两大类方法：一是在空间域中的处理，即在图像空间中对图像进行各种处理；另一类是把空间域中的图像