小波变换图像去噪及其在SAR图像中的应用

论文摘要

图像是人们传递信息的主要媒介,但图像在采集和传输的过程中,易受到噪声的干扰,导致图像质量下降,这对图像更高层次的处理十分不利。传统图像去噪的方法存在保护边缘信息和抑制噪声两难的矛盾问题。被称为“数学显微镜”的小波理论应运而生,其具有低熵性、多分辨性和去相关性等优点,能在去噪的同时保留图像细节,得到原图像的最佳复原。因此对小波变换图像去噪算法的研究具有现实意义。本文对基于小波变换的图像去噪方法进行了深入的研究和分析,详细讨论了小波变换模极大值去噪、小波系数相关性去噪、小波阈值去噪三种经典的去噪方法,根据仿真结果进行分析比较,得出小波阈值去噪方法的效果最好,计算量最小的结论。小波阈值去噪算法中硬阈值函数的不连续性易导致重构信号出现伪吉布斯现象,软阈值函数估计值与实际值之间总存在恒定的偏差,具有一定的局限性。针对以上问题,提出一种小波阈值去噪的改进算法。该算法在阈值函数的选取、噪声方差估计、阈值的最优化三个方面均作出了改进。经仿真实现可以看出改进算法的去噪效果比传统小波阈值法更显著,图像的峰值信噪比和视觉效果得到了明显的提高,是一种有效的图像去噪方法。最后将改进的小波阈值去噪算法应用于合成孔径雷达(SAR)图像中,仿真结果表明,改进算法能有效地抑制SAR图像中的相干斑点噪声,具有更好的去噪效果。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题的研究背景和意义
• 1.2 小波理论的发展
• 1.3 小波变换图像去噪方法的研究现状
• 1.4 本文的主要工作和章节安排
• 2 小波变换基本理论
• 2.1 从傅里叶变换到小波变换
• 2.2 小波变换基本概念
• 2.3 连续小波变换
• 2.4 小波时频分析
• 2.5 离散小波变换
• 2.5.1 离散小波变换
• 2.5.2 二进小波变换
• 2.6 多分分辨率分析及与Mallat 算法
• 2.6.1 多分辨率分析
• 2.6.2 正交小波变换
• 2.6.3 小波分解与重构算法
• 2.6.4 二维小波变换及其快速算法
• 2.7 本章小结
• 3 基于小波变换的图像去噪原理与方法
• 3.1 小波去噪的基本原理
• 3.2 小波变换模极大值方法去噪
• 3.2.1 李普西兹 （Lipschitz） 指数的定义
• 3.2.2 信号与噪声在小波变换各尺度上的不同传播特性
• 3.2.3 算法描述
• 3.2.4 几个相关参数的选取
• 3.3 小波系数相关性去噪
• 3.3.1 算法的基本原理
• 3.3.2 SSNF 去噪原理
• 3.3.3 SSNF 去噪算法的具体步骤
• 3.4 小波阈值去噪法
• 3.4.1 小波阈值去噪法
• 3.4.2 算法实现
• 3.4.3 阈值函数的选取
• 3.4.4 阈值的估计
• 3.5 实验结果与分析
• 3.5.1 去噪效果客观评估方法
• 3.5.2 加性噪声图像的处理结果分析
• 3.5.3 三种去噪方法的比较
• 3.6 本章小结
• 4 小波阈值图像去噪改进算法
• 4.1 改进阈值函数的提出
• 4.2 图像噪声方差的改进估计法
• 4.3 改进算法阈值的确定
• 4.4 实验结果分析
• 4.5 本章小结
• 5 改进算法在SAR 图像降噪中的应用
• 5.1 SAR 图像
• 5.2 SAR 图像的基本特征
• 5.2.1 SAR 图像与光学图像的区别
• 5.2.2 SAR 图像特点
• 5.3 SAR 图像相干斑点噪声描述及其模型
• 5.3.1 SAR 图像的相干斑特性
• 5.3.2 SAR 图像相干斑模型
• 5.4 实验结果及分析
• 5.5 本章小结
• 6 结论
• 6.1 工作总结
• 6.2 工作展望
• 致谢
• 参考文献