資源描述：
《小波閾值去噪.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、基于小波閾值的圖像去噪方法研究摘要：本文根據(jù)已有的閾值處理函數(shù)的優(yōu)缺點(diǎn),提出了一種新的閾值處理函數(shù),用于圖像的小波閾值去噪.實(shí)驗(yàn)表明,該方法比傳統(tǒng)的硬閾值函數(shù)與軟閾值函數(shù)具有更好的去噪效果關(guān)鍵字：小波閾值去噪，閾值函數(shù)0引言圖像在獲取或傳輸過程中會(huì)因各種噪聲的干擾使質(zhì)量下降,這將對(duì)后續(xù)圖像的處理產(chǎn)生不利影響.所以必須對(duì)圖像進(jìn)行去噪處理,而去噪所要達(dá)到的目的就是在較好去除噪聲的基礎(chǔ)上,良好的保持圖像的邊緣等重要細(xì)節(jié).近年來,小波理論得到了迅速的發(fā)展和廣泛的應(yīng)用.由于其具有低熵性,多分辨性,去相關(guān)性和選基靈活性等優(yōu)點(diǎn),在圖像去噪領(lǐng)域得到廣泛的應(yīng)用.本文提出一種新閾值函數(shù),并將其
2、應(yīng)用于小波閾值去噪,該函數(shù)是現(xiàn)有軟、硬閾值函數(shù)的推廣,通過調(diào)整參數(shù),可以克服硬閾值函數(shù)不連續(xù)和軟閾值函數(shù)有偏差的缺點(diǎn)。1小波閾值處理小波閾值收縮法是Donoho和Johnstone提出的,其主要理論依據(jù)是,小波變換具有很強(qiáng)的去數(shù)據(jù)相關(guān)性,它能夠使信號(hào)的能量在小波域集中在一些大的小波系數(shù)中;而噪聲的能量卻分布于整個(gè)小波域內(nèi).因此,經(jīng)小波分解后,信號(hào)的小波系數(shù)幅值要大于噪聲的系數(shù)幅值.可以認(rèn)為,幅值比較大的小波系數(shù)一般以信號(hào)為主，而幅值比較小的系數(shù)在很大程度上是噪聲.于是,采用閾值的辦法可以把信號(hào)系數(shù)保留,而使大部分噪聲系數(shù)減小至零.小波閾值收縮法去噪的具體處理過程為:將含噪信
3、號(hào)在各尺度上進(jìn)行小波分解,設(shè)定一個(gè)閾值，幅值低于該閾值的小波系數(shù)置為0,高于該閾值的小波系數(shù)或者完全保留,或者做相應(yīng)的“收縮(shrinkage)”處理.最后將處理后獲得的小波系數(shù)用逆小波變換進(jìn)行重構(gòu),得到去噪后的圖像.2閾值函數(shù)的選取閾值去噪中,閾值函數(shù)體現(xiàn)了對(duì)超過和低于閾值的小波系數(shù)不同處理策略，是閾值去噪中關(guān)鍵的一步。設(shè)w表示小波系數(shù),T為給定閾值,sign(*)為符號(hào)函數(shù),常見的閾值函數(shù)有：硬閾值函數(shù)：（1）軟閾值函數(shù)：（2）分析(1)(2)式可以得出:硬閾值函數(shù)在閾值點(diǎn)是不連續(xù)的,軟閾值函數(shù)，原系數(shù)和分解得到的小波系數(shù)總存在著恒定的偏差,這將影響重構(gòu)的精度.同時(shí)這
4、兩種函數(shù)不能表達(dá)出分解后系數(shù)的能量分布。因此,尋找一種新閾值函數(shù),使它既能實(shí)現(xiàn)閾值函數(shù)的功能,又具有高階導(dǎo)數(shù),同時(shí)可以體現(xiàn)出分解后系數(shù)的能量分布，將是我們的目標(biāo)。我們提出一種新的閾值函數(shù)為：,k為調(diào)節(jié)因數(shù)（3）3實(shí)驗(yàn)結(jié)果為檢驗(yàn)新方法的有效性,去大小256×256的babY圖像，分別進(jìn)行小波硬閾值處理,軟閾值處理,及本文新閾值函數(shù)處理，以峰值信噪比作為評(píng)價(jià)標(biāo)準(zhǔn),結(jié)果如圖1于表1.(a)baby原圖像(b)硬閾值去噪圖像(c)軟閾值去噪圖像(d)新方法去噪圖像圖2baby圖像的去噪結(jié)果表2baby帶噪圖像與去噪圖像的PNSR帶噪圖像的PNSR去噪圖像的PNSR硬閾值去噪18.1
5、83621.2716軟閾值去噪18.183621.6437新閾值函數(shù)去噪18.183622.00124結(jié)束語閾值函數(shù)的選取是閾值處理中關(guān)鍵的一步,本文新的閾值函數(shù)克服了硬閾值在閾值點(diǎn)的不連續(xù)性和軟閾值過度平滑的缺點(diǎn),實(shí)驗(yàn)表明,該方法具有更好的去噪效果,能在去噪的同時(shí)保留圖像的邊緣等重要細(xì)節(jié)。參考文獻(xiàn)[1]廖福元，黃國(guó)石．兩種小波閾值去噪算法的比較研究[J].計(jì)算機(jī)工程與應(yīng)用2004.16：101—103．[2]潘泉，戴冠中，張洪才等．基于閾值決策的子波域去噪方法．電子學(xué)報(bào)．1998，26(1)：115—117[3]R.R．Coifman,D．L.Donoho．Transla
6、tion-invariantde-noising．WaveletsandStatistics．SpringerLectureNotesinStatistics103．NewYork，Springer-Verlag,1994：125-150
