小波分析在图像去噪与压缩中的应用研究

论文摘要

图像在采集、获取以及传输的过程中,往往要受到噪声的污染,比如天文图像、医学图像、遥感图像、计算机视觉等等,被噪声污染了的图像叫做含噪图像。噪声是影响图象质量的主要因素,极大影响了人们从图像中提取信息,因此,非常有必要在分析和利用图像之前消除噪声。对图像来说,如果需要进行快速或实时传输以及大量存储,就需要对图像数据进行压缩。图像压缩研究的就是寻找高压缩比的方法,而且压缩后的图像要有合适的信噪比,在压缩传输后还要恢复原图像,在压缩、传输、恢复过程中,还要求图像的失真小等等。小波分析是局部化时频分析,它用时域和频域的联合表示信号的特征,是分析非平稳信号的有力工具,它通过伸缩、平移等运算功能对信号进行多尺度细化分析,能有效地从信号中提取信息。小波分析是目前国际公认的信号与信息处理领域的高新技术,是信号处理的前沿课题和研究热点,在信号滤波、图像去噪、图像压缩、图像边缘检测、图像融合等领域的应用愈来愈受到人们的重视。本文以图像去噪为重点,对信号滤波、图像去噪和图像压缩进行研究。本文所做的主要工作如下:1.综合阐述了图像去噪与压缩编码技术发展的历史和技术发展现状,同时指出小波去噪与压缩编码较其它传统方法的优势,以及开展小波图像去噪与压缩编码研究的意义。2.介绍了小波图像去噪与压缩的理论基础,阐述了各种小波变换、多分辩率分析、Mall at算法、多孔算法等图像去噪与压缩中常用的理论知识。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 图像去噪的研究现状
• 1.2.1 传统的图像去噪方法
• 1.2.2 小波图像去噪方法
• 1.3 图像压缩编码的研究现状
• 1.3.1 传统的图像编码技术
• 1.3.2 小波图像编码技术
• 1.4 本文的主要工作
• 2 小波分析的基本理论
• 2.1 小波分析产生的背景
• 2.1.1 傅立叶分析
• 2.1.2 短时傅立叶变换
• 2.1.3 小波分析
• 2.2 多分辨分析
• 2.2.1 由理想滤波器组引入多分辨率分析
• 2.2.2 由函数空间的剖分引入多分辨率分析
• 2.3 小波变换
• 2.3.1 连续小波变换
• 2.3.2 二进小波与二进小波变换
• 2.3.3 离散小波与离散小波变换
• 2.4 小波变换的实现技术
• 2.4.1 Mallat算法
• 2.4.2 多孔算法
• 2.4.3 二维Mallat算法
• 2.5 本章小结
• 3 高斯白噪声背景下图像去噪方法研究
• 3.1 引言
• 3.2 遥感图像噪声模型
• 3.2.1 遥感图像噪声分析
• 3.2.2 噪声模型
• 3.3 小波变换去噪的理论依据
• 3.3.1 信号去噪问题的描述
• 3.3.2 函数的正则性及其度量
• 3.3.3 函数的正则性与小波变换模极大值之间的关系
• 3.3.4 信号与噪声在小波变换各尺度上的传播特性
• 3.4 几种典型小波去噪方法比较
• 3.4.1 模极大值去噪法
• 3.4.2 基于小波变换尺度间相关性去噪
• 3.4.3 小波阈值去噪法
• 3.5 基于非抽取小波变换Bayesian去噪方法
• 3.5.1 DWT小波阈值去噪法的不足
• 3.5.2 平移不变小波变换去噪法
• 3.5.3 基于非抽取小波变换Bayesian去噪方法
• 3.6 仿真实验结果
• 3.6.1 一维信号去噪实验及分析
• 3.6.2 图像去噪实验及分析
• 3.7 本章小结
• 4 混合噪声背景下图像去噪方法研究
• 4.1 引言
• 4.2 不同类型噪声在小波分解下的统计特性
• 4.3 脉冲噪声在小波分解下的传播特性
• 4.4 基于影响锥分析的小波系数和的去噪方法
• 4.4.1 一维局部FIR滤波器的设计
• 4.4.2 二维局部FIR滤波器的设计
• 4.4.3 基于影响锥分析的小波系数和的去噪方法
• 4.5 仿真实验结果
• 4.5.1 一维信号去噪实验及分析
• 4.5.2 图像去噪实验及分析
• 4.6 本章小结
• 5 含噪图像的小波域去噪与压缩编码
• 5.1 引言
• 5.2 数字图像的小波分解及其系数特点
• 5.3 嵌入式零树小波编码
• 5.3.1 嵌入式编码
• 5.3.2 EZW算法的关键步骤
• 5.4 图像去噪与图像压缩编码的结合
• 5.4.1 噪声对图像压缩编码的影响
• 5.4.2 图像去噪与图像压缩编码的结合
• 5.4.3 量化器的设计与熵编码
• 5.5 含噪图像的压缩方法
• 5.6 本章小结
• 6 全文总结
• 6.1 主要工作和结论
• 6.2 具有创新意义的工作
• 6.3 进一步的研究工作
• 参考文献
• 发表文章目录
• 致谢