基于小波理论的图像去噪和增强技术研究

论文摘要

小波分析在图像处理中有非常重要的应用。本文研究方向是在其图像去噪和图像增强中的应用。小波分析是傅立叶分析思想方法的发展与延拓。二维小波分析用于图像去噪和图像增强是小波分析应用的一个重要方面。小波分析用于图像去噪和增强具有明显的优点。基于小波分析的图像去噪方法有很多,比较成功的有小波阈值法,空域相关法,模极大值重构法,投影法等。而基于小波的图像增强方法也比传统图像增强方法更有效。主要工作包括:本文详细阐述了小波基本理论在图像处理中的应用,介绍了连续小波变换和离散小波变换,给出离散二进小波变换的快速分解与重构算法,最后研究了小波基的函数及其特性,分析了它们对实际应用的影响和作用。在对目前小波理论、小波图像去噪的相关文献进行研究的基础上,介绍了小波变换在图像去噪领域的应用;其次,对目前常用的几类小波去噪方法进行了分别阐述,着重分析了阈值收缩法并分析了其存在的不足;最后,提出了新的阈值选取方法和阈值函数改进方法。本文采用Matlab进行仿真实验,分别对含噪图像使用改进的阈值,改进的阈值函数进行去噪处理,新函数是现有软、硬阈值函数的推广,通过调整参数,克服了硬阈值函数不连续和软阈值函数有偏差的缺点,改善了图像的视觉效果和客观指标,对图像进行仿真实验得到了较好的结果。研究了基于小波变换的图像增强,先分析了图像增强的基本方法,然后将图像增强放入小波域中去研究,并提出了一种新的小波变换自适应图像增强算法,在Matlab环境中验证了该算法的可行性和优越性。本文主要研究了基于小波的图像去噪与增强技术的理论基础,提出了新的基于小波变换的图像去噪和增强方法,以Matlab为平台实现图像去噪和增强算法过程,并对相应的图像处理结果进行了分析和比较,验证了其可行性和高效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景
• 1.2 小波分析理论
• 1.3 图像去噪技术
• 1.4 图像增强技术
• 1.5 研究内容及安排
• 第2章 小波在图像处理中的应用
• 2.1 从傅立叶变换到小波变换
• 2.1.1 傅里叶变换
• 2.1.2 短时傅里叶变换
• 2.1.3 小波变换
• 2.2 连续小波变换
• 2.2.1 一维连续小波变换
• 2.2.2 高维连续小波变换
• 2.3 离散小波变换
• 2.4 多分辨分析和 Mallat算法
• 2.4.1 多分辨分析
• 2.4.2 Mallat分解重构算法
• 2.5 小波基函数及其性质
• 2.5.1 小波基具有的性质
• 2.5.2 常用小波基
• 2.6 小波在图像处理中的应用
• 2.7 本章小结
• 第3章 小波图像去噪技术
• 3.1 小波图像去噪
• 3.2 小波阈值去噪的基本方法
• 3.2.1 阈值去噪原理
• 3.2.2 阐值函数的选取
• 3.2.3 软硬阈值函数存在的不足
• 3.2.4 常用阈值选取方法
• 3.3 小波阈值去噪的改进方法
• 3.3.1 小波阈值函数的改进
• 3.3.2 小波阈值的改进
• 3.3.3 小波基选择
• 3.3.4 图像质量的评价方法
• 3.3.5 实验结果及分析
• 3.4 本章小结
• 第4章 小波图像增强技术
• 4.1 图像增强的定义
• 4.2 图像增强的基本方法
• 4.2.1 空间域的图像增强方法
• 4.2.2 频率域的图像增强方法
• 4.3 基于小波的图像增强方法
• 4.3.1 小波变换的自适应图像增强算法
• 4.3.2 实验结果及分析
• 4.4 本章小结
• 第5章 结论与展望
• 5.1 全文总结
• 5.2 工作展望
• 参考文献
• 致谢
• 附录1 攻读硕士期间发表的论文