论文摘要
在图像的采集和传输过程中,图像经常会被噪声所污染,因此在对图像进行使用或进一步处理前,需要去除图像中的噪声。去除噪声的同时不可避免地会扭曲图像,图像降噪实际上就是要在降低噪声水平和保留图像特征(如图像中的边)之间作权衡。基于傅立叶变换的频域滤波法因为其简单而被经常使用。应用傅立叶变换进行滤波时,我们假设图像的傅立叶变换系数主要集中在低频部分,应用低通滤波器将认为是噪声的高频系数去除或收缩,便可以达到滤波的目的。理论上来讲,用变换域滤波法进行滤波时,若只有少数的图像的变换域系数的幅值较大,而大部分的系数幅值都较小,几乎为零(称之为图像能在变换域中被稀疏表示),则滤波效果会好。但是图像能否在变换域中被稀疏表示和图像的特征、变换的种类有关。由于现实世界的图像千差万别,没有一种变换方法能对所有类型的图像进行稀疏表示。傅立叶变换能有效地稀疏表示图像中有一定变化周期规律的纹理部分和变化平缓的部分,但是不能有效的表示图像中的突变部分,如图像中的边。小波变换能稀疏表示包含尖锐变化部分的信号如图像中的边,但缺点是不能有效表示图像中的纹理和缓慢变化的部分。因此,如果能有一种滤波算法将傅立叶变换和小波变换组合起来,有可能获得比单独使用傅立叶变换或小波变换都要好的滤波效果。本文提出一种混合傅立叶小波图像降噪方法:先在傅立叶域降噪,再在小波域降噪。由于小波变换比傅立叶变换更适合处理图像这样的非平稳信号,因此在傅立叶域中的降噪要保守一些,起的是辅助作用,以免使图像过分扭曲。实验结果表明,这种混合算法能够取得比基于小波变换的图像降噪法好的降噪效果。激光测速靶是一种区截测速装置,即根据子弹通过两个靶面的时间间隔和两个靶面间的距离计算出子弹的平均速度。对激光测速靶的信号进行分析,准确计算出子弹穿过靶面的时刻对提高测量精度有非常重要的意义。激光测速靶的信号分析是一种信号奇异点位置检测问题。本文提出一种使用连续小波变换分析激光测速靶的信号的方法。该算法从大尺度到小尺度沿着小波变换模极大线确定信号奇异点的位置,从而判断出子弹的过靶时刻。由于在大尺度上噪声的小波变换系数的幅值比信号的小波变换系数的幅值小,该算法能有效抑制噪声的影响。实验结果表明应用小波分析激光靶的信号提高了测量的精度和可靠性。
论文目录
摘要Abstract第1章 绪论1.1 研究的背景和意义1.2 主要的图像降噪技术及发展现状1.2.1 空间域图像降噪1.2.2 频域图像降噪1.2.3 基于小波变换的图像降噪算法1.2.4 其它图像降噪方法1.3 SAR图像的相干斑点噪声抑制1.4 基于小波变换的激光测速靶信号分析1.5 论文研究的内容第2章 小波变换2.1 小波变换概述2.1.1 小波变换的一些概念2.1.2 连续小波变换2.2 离散小波变换2.2.1 小波框架和小波基2.2.2 多分辨率分析2.2.3 多分辨率滤波器组2.2.4 离散正交小波变换的快速算法2.2.5 连续的且紧支撑的正交小波基2.2.6 初始输入序列2.2.7 二维离散正交小波变换第3章 基于小波变换的图像降噪3.1 噪声的小波变换系数的统计特性3.2 噪声方差估计3.3 降噪效果的评估方法3.4 小波域的理想滤波器3.5 小波阈值降噪3.5.1 硬阈值和软阈值滤波3.5.2 阈值的选择3.5.3 小波基的选择3.6 基于贝叶斯估计理论的小波域降噪3.6.1 贝叶斯估计3.6.2 图像小波变换系数的几个统计特性和分布模型3.6.3 小波域的局部自适应维纳滤波3.6.4 小波域的双参数收缩降噪3.6.5 有方向窗口的局部维纳滤波器3.6.6 三种算法的比较第4章 混合傅立叶-小波图像降噪4.1 变换域滤波效果和稀疏表示的关系4.2 傅立叶变换和小波变换的比较4.3 应用简单统计模型的混合傅立叶-小波图像降噪4.3.1 有色噪声的小波变换系数4.3.2 混合傅立叶-小波降噪算法4.3.3 实验结果4.4 应用GGD统计模型的混合傅立叶-小波图像降噪4.4.1 算法的描述4.4.2 实验结果4.5 应用GSM统计模型的混合傅立叶-小波图像降噪4.5.1 GSM模型4.5.2 BLS-GSM降噪算法4.5.3 应用BLS-GSM图像降噪算法的混合傅立叶-小波图像降噪4.5.4 实验结果第5章 混合傅立叶-小波图像降噪在SAR图像降噪中的应用5.1 SAR图像的相干斑点噪声模型5.2 应用混合傅立叶-小波降噪的相干斑点噪声抑制5.3 实验第6章 基于小波的激光测速靶的信号分析6.1 激光测速靶的结构原理6.2 基于小波变换的过靶信号分析6.3 实验第7章 结论参考文献攻读博士学位期间发表的论文及所取得的研究成果致谢
相关论文文献
标签:图像降噪论文; 小波变换论文; 傅立叶变换论文; 贝叶斯估计论文; 测速论文;