基于小波變換的去噪方法

《基于小波變換的去噪方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于小波變換的去噪XXXXXXXX專業(yè)：XXXXXXX學(xué)號：XXXXX學(xué)生姓名：XXXX指導(dǎo)老師：XXXXXX圖像處理技術(shù)簡介生物醫(yī)學(xué)圖像常見的分析過程生物醫(yī)學(xué)圖像常見的處理方法及應(yīng)用結(jié)論生物醫(yī)學(xué)圖像處理技術(shù)應(yīng)用與發(fā)展緒論目錄緒論緒論圖像處理技術(shù)簡介常見分析過程常見的處理方法和應(yīng)用緒論結(jié)論處理技術(shù)應(yīng)用與發(fā)展我們?nèi)缃裆畹臅r(shí)代是一個(gè)信息社會(huì)，有研究表明，人類從外界獲得信息約有75%來自我們的視覺系統(tǒng)，也就是從圖像中獲得的，圖像具有信息量大，傳輸距離遠(yuǎn)，傳輸速度快等特點(diǎn)，成為人類獲取、利用信息的重要來源。醫(yī)學(xué)圖像在經(jīng)過成像系統(tǒng)的形成和顯示過程中，將不可避免地引入

2、各種噪聲，降低了醫(yī)學(xué)圖像的可分辨性，對醫(yī)學(xué)圖像的質(zhì)量造成較大的影響。所以圖像去噪這項(xiàng)技術(shù)就成為了生物醫(yī)學(xué)不可缺少的一項(xiàng)手段。小波變換是時(shí)間（空間）頻率的局部化分析，它通過伸縮平移運(yùn)算對信號（函數(shù))逐步進(jìn)行多尺度細(xì)化，最終達(dá)到高頻處時(shí)間細(xì)分，低頻處頻率細(xì)分，能自動(dòng)適應(yīng)時(shí)頻信號分析的要求，從而可聚焦到信號的任意細(xì)節(jié)，解決了Fourier變換的困難問題，成為繼Fourier變換以來在科學(xué)方法上的重大突破。圖像處理技術(shù)簡介圖像處理技術(shù)簡介常見分析過程常見的處理方法和應(yīng)用緒論結(jié)論處理技術(shù)應(yīng)用與發(fā)展圖像和圖像處理數(shù)字和圖像處理數(shù)字化過程圖像的幾何變換圖像處理(image

3、processing)，用計(jì)算機(jī)對圖像進(jìn)行分析，以達(dá)到所需結(jié)果的技術(shù)。基本內(nèi)容圖像處理一般指數(shù)字圖像處理。數(shù)字圖像是指用數(shù)字?jǐn)z像機(jī)、掃描儀等設(shè)備經(jīng)過采樣和數(shù)字化得到的一個(gè)大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值。圖像處理技術(shù)的主要內(nèi)容包括圖像壓縮，增強(qiáng)和復(fù)原，匹配、描述和識別3個(gè)部分。本文是在去噪上的應(yīng)用小波變換離散傅立葉變換傅里葉變換圖像處理技術(shù)簡介常見分析工具常見的處理方法和應(yīng)用緒論結(jié)論處理技術(shù)應(yīng)用與發(fā)展生物醫(yī)學(xué)圖像常見的分析工具連續(xù)傅里葉變換連續(xù)傅里葉變換將平方可積的函數(shù)f（t）表示成復(fù)指數(shù)函數(shù)的積分或級數(shù)形式。式（3.1）這是將頻

4、率域的函數(shù)F(ω)表示為時(shí)間域的函數(shù)f（t）的積分形式。！X常見的處理方法及應(yīng)用圖像處理技術(shù)簡介常見分析工具常見的處理方法和應(yīng)用緒論結(jié)論處理技術(shù)應(yīng)用與發(fā)展圖像處理手段和應(yīng)用常用算法幾種閾值的介紹本系統(tǒng)的實(shí)現(xiàn)方法實(shí)驗(yàn)效果及代碼結(jié)果分析原始圖像小波變換去噪聲小波逆變換去噪圖像門限值本系統(tǒng)采用流程設(shè)原圖像為,被噪聲污染的圖像為并設(shè)其中是噪聲分量,獨(dú)立同分布,且與獨(dú)立。去噪的目的是得到的估計(jì)，使其均方誤差（MSE）最?。涸谛〔ㄓ?，利用正交小波變換，上式變換后既得：其中是有噪小波系數(shù)，是無噪小波系數(shù)。為簡單記并考慮到實(shí)際問題的需要，我們對噪聲的討論僅限于加性的高斯白噪

5、聲，即為獨(dú)立、與同分布的噪聲分量。小波去噪的基本思路圖像去噪在信號處理中是一個(gè)經(jīng)典的問題。傳統(tǒng)的去噪方法多采用平均或線性方法去噪用的是Wiener濾波，但是去噪效果不夠好。隨著小波的理論日趨完善，它以其自身良好的時(shí)頻特性在圖像、信號去噪領(lǐng)域受到越來越多的關(guān)注，開辟了用非線性方法去噪的先河。具體說來，小波去噪的成功主要得益于小波變換有如下特點(diǎn)：①低熵性。小波系數(shù)的稀疏分布，使圖像變換后的熵降低；②多分辨率特性。由于采用了多分辨率的方法，所以可以非常好地刻畫信號地非平穩(wěn)特征，如邊緣、尖峰、斷點(diǎn)等，可在不同分辨率下根據(jù)信號和噪聲分布的特點(diǎn)去噪；③去相關(guān)性。因小波變

6、換可對信號去相關(guān)，且噪聲在變換后有白化趨勢，所以小波域比時(shí)域更利于去噪；④選基靈活性。由于小波變換可以靈活選擇基，也可根據(jù)信號特點(diǎn)和去噪要求選擇多帶小波、小波包、平移不變小波等，對不同相應(yīng)場合，可以選擇不同的小波母函數(shù)。！小波變換的優(yōu)勢幾種閾值的介紹圖像處理技術(shù)簡介常見分析工具常見的處理方法和應(yīng)用緒論結(jié)論處理技術(shù)應(yīng)用與發(fā)展幾種閾值的介紹由直方圖灰度分布選擇閾值雙峰值法選取迭代法選取大津法選取由灰度拉伸選取本文閾值的選取閾值去噪的思想很簡單，就是對小波分解后的各層系數(shù)模對大于和小于某閾值T的系數(shù)分別處理，然后對處理完的小波系數(shù)再反變換重構(gòu)出一幅經(jīng)去噪后的圖像本

7、文方法顯示根據(jù)迭代法選取全閾值，讓后利用閾值去噪函數(shù)wthresh對高頻小波系數(shù)進(jìn)行閾值處理由直方圖灰度分布選擇閾值雙峰值法選取迭代法選取由直方圖灰度分布選擇閾值雙峰值法選取大津法選取迭代法選取由直方圖灰度分布選擇閾值雙峰值法選取由灰度拉伸選取大津法選取迭代法選取由直方圖灰度分布選擇閾值雙峰值法選取小波閾值去噪方法除了閾值函數(shù)的選取，另一個(gè)關(guān)鍵因素是對閾值的具體估計(jì)。如果閾值太小，去噪后的信號仍然有噪聲的存在；相反，閾值太大，重要圖像特征又將被慮掉，引起偏差。從直觀上講，對于給定的小波系數(shù)，噪聲越大，閾值就越大。幾種常用的方法有：SUREShrink閾值、G

8、CV閾值等方法閾值函數(shù)的選取1，硬閾值2，軟閾值3，