基于小波的水下图像去噪研究

基于小波的水下图像去噪研究

论文摘要

众所周之,二十一世纪是海洋开发时代,对于人口众多、陆地资源有限、环境日趋恶化的中国来说,丰富的海洋资源可以在一定程度上缓解中国目前所面临的诸多困境,所以开发海洋是一项意义重大、影响深远的工程。但现在人们对海洋的了解还是很少的,因此如何合理有效地利用这个潜能无限的宝藏是摆在科学工作者面前的一个难题。由于水下环境复杂,成像条件恶劣,从水下拍摄到的图像往往淹没在各种噪声中。本文的目的是尝试对真实水下图像中提取出来的噪声,利用小波这个新兴工具进行去噪,力求提高图像的对比度,改善图像质量。首先,本文研究了小波变换的基本理论,分析了小波变换的特点,随之对小波域滤波去噪的三种主要方法进行了阐述比较分析,重点介绍了小波域阈值去噪方法,对其中的几种经典阈值估计方法给出了详细说明;其次对水下图像背景噪声的性质做了简要分析,在此基础上,根据“层层独立阈值”思想,结合各种准则下的经典阈值估计方法,对含水下噪声的图像进行去噪,并提出一种新噪声方差估计方法用于确定阈值,实验对比了两种方法的去噪效果,分析讨论了原因;最后对基于广义交叉确认(GCV)准则的阈值确定方法进行了研究,同样是建立在“层层独立阈值”思想之上,将该方法用于含水下噪声图像的去噪,并针对正交小波变换不具备线性相位、不具有平移不变性的缺陷,将广义交叉确认(GCV)准则和冗余小波变换与双正交冗余小波变换分别结合用于去噪。实验表明后两种方法在去噪效果上要优于原方法,但需要更多的计算时间和更高的内存要求。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 引言
  • 1.2 课题背景
  • 1.2.1 水的光学特性及其对水下成像的影响
  • 1.2.2 水下图像特点
  • 1.3 小波去噪的研究概况及发展现状
  • 1.3.1 研究概况
  • 1.3.2 发展现状
  • 1.4 应用前景
  • 1.5 本论文主要工作及章节安排
  • 第2章 小波变换基本理论
  • 2.1 小波变换
  • 2.1.1 连续小波变换
  • 2.1.2 离散小波变换
  • 2.1.3 小波框架
  • 2.1.4 正交小波
  • 2.2 多分辨率分析
  • 2.2.1 多分辨率分析的概念
  • 2.2.2 小波空间
  • 2.2.3 二维多分辨率分析
  • 2.3 经典 Mallat 算法
  • 2.3.1 二尺度方程
  • 2.3.2 Mallat 算法
  • 2.4 本章小结
  • 第3章 经典小波域滤波去噪方法研究
  • 3.1 三种经典小波域图像去噪方法
  • 3.1.1 模极大值重构滤波
  • 3.1.2 空域相关方法
  • 3.1.3 小波域阈值法
  • 3.1.4 三种滤波方法的比较分析
  • 3.2 经典小波域阈值图像去噪方法
  • 3.2.1 小波基和分解层数的选择
  • 3.2.2 阈值函数
  • 3.2.3 各种小波域阈值估计算法简要描述
  • 3.3 图像去噪质量评价标准
  • 3.3.1 主观评价
  • 3.3.2 客观评价
  • 3.4 本章小结
  • 第4章 基于噪声方差估计的小波域阈值方法去噪研究
  • 4.1 噪声
  • 4.1.1 噪声模型
  • 4.1.2 噪声特性
  • 4.2 基于噪声方差估计的小波域阈值方法去除水下图像噪声
  • 4.2.1 Johnstone.I.M 等提出的方法
  • 4.2.2 基于噪声方差估计的小波域阈值去噪新方法
  • 4.3 实验过程与结果分析
  • 4.4 本章小结
  • 第5章 基于广义交叉确认准则的小波域阈值方法去噪研究
  • 5.1 冗余小波变换
  • 5.1.1 一维冗余离散小波变换
  • 5.1.2 二维冗余离散小波变换
  • 5.2 双正交小波变换
  • 5.3 双正交冗余小波变换结合广义交叉确认方法用于水下图像去噪
  • 5.4 实验过程与结果分析
  • 5.5 本章小结
  • 第6章 总结和展望
  • 参考文献
  • 致谢
  • 个人简历、在学期间发表的学术论文与研究成果
  • 相关论文文献

    • [1].图像去噪方法探析[J]. 科技与创新 2016(23)
    • [2].图像去噪处理技术在通信领域的应用[J]. 电子技术与软件工程 2017(03)
    • [3].改进分数阶积分的激光图像去噪研究[J]. 内蒙古师范大学学报(自然科学汉文版) 2017(02)
    • [4].数字滤波技术在医学图像去噪中的应用[J]. 数字技术与应用 2016(10)
    • [5].基于小波变换的图像去噪方法综述[J]. 电子制作 2015(07)
    • [6].基于预滤波的组稀疏残差约束图像去噪模型[J]. 传感器与微系统 2020(02)
    • [7].利用生成对抗网络的时频图像去噪和增强处理[J]. 电讯技术 2020(05)
    • [8].几种图像去噪方法的比较研究[J]. 通信技术 2017(11)
    • [9].图像去噪算法设计的三种形态[J]. 咸阳师范学院学报 2015(02)
    • [10].高斯滤波在水下声呐图像去噪中的应用[J]. 黑龙江科技信息 2015(19)
    • [11].一种改进的变分法图像去噪模型[J]. 数学学习与研究 2019(17)
    • [12].一种基于分数阶积分的图像去噪改进方法(英文)[J]. Frontiers of Information Technology & Electronic Engineering 2020(10)
    • [13].一种基于小波变换的图像去噪方法的应用研究[J]. 河南科学 2013(01)
    • [14].一种医学图像去噪程序的并行优化[J]. 中国医学物理学杂志 2012(06)
    • [15].基于多线性权重核范数最小化的遥感图像去噪(英文)[J]. 机床与液压 2020(12)
    • [16].改进小波阈值和全变分图像去噪[J]. 宜宾学院学报 2020(06)
    • [17].基于泊松分布的非局部均值图像去噪方法[J]. 液晶与显示 2020(10)
    • [18].基于深度残差网络的强辐照图像去噪方法研究[J]. 仪表技术与传感器 2019(07)
    • [19].一种基于形态变换的图像去噪方法[J]. 无线互联科技 2017(07)
    • [20].基于最大值滤波和数学形态学的弹性图像去噪[J]. 电脑知识与技术 2017(24)
    • [21].一种基于小波阈值改进的图像去噪方法[J]. 齐鲁工业大学学报(自然科学版) 2017(03)
    • [22].基于边缘检测与双边滤波的彩色图像去噪[J]. 信息化建设 2015(11)
    • [23].一种改进的自适应非局部均值图像去噪方法[J]. 控制工程 2016(06)
    • [24].不同分辨率遥感图像去噪方法研究[J]. 城市地理 2015(22)
    • [25].小波变换在图像去噪中的应用[J]. 电子世界 2013(24)
    • [26].PET/CT医学图像去噪方法的研究[J]. 清华大学学报(自然科学版) 2012(08)
    • [27].基于小波系数相关性的图像去噪研究[J]. 潍坊教育学院学报 2010(02)
    • [28].数字图像去噪方法的比较与研究[J]. 中国新技术新产品 2010(15)
    • [29].梯度引导的高阶几何彩色图像去噪模型[J]. 中国图象图形学报 2017(10)
    • [30].基于双边滤波的自适应彩色图像去噪研究[J]. 包装工程 2017(15)

    标签:;  ;  ;  ;  

    基于小波的水下图像去噪研究
    下载Doc文档

    猜你喜欢