基于多小波理论的图像降噪研究

论文摘要

为了改善图像质量和便于识别和压缩等处理,图像降噪是必不可少的过程。多小波图像降噪已经成为图像降噪的主要方法之一。本文基于多小波理论,探讨了多小波图像降噪处理中的多小波选择、阈值改进、多层阈值优化以及收缩函数改善等问题。针对多小波的选择,在时频分辨率、分解系数比、重建误差和噪声方差估计基础上,提出了一种组合方案。多小波如果同时具有较高的时频分辨率、较小的分解系数比、重建误差以及方差估计合理性等特性,就能够较好地分离因噪声引起的高频分量,具有良好的重构能力和优化计算。多小波降噪的另一个重要问题就是阈值选取。采用同一种多小波对同一个信号进行降噪处理的时候,阈值的选取直接关系到降噪效果的优劣。本文改进了传统Donoho阈值算法,优化了多小波多层阈值降噪参数,该改进阈值方法能够得到更好的降噪效果,信噪比得到了进一步提高。多小波收缩函数的选取同样重要,在D.L.Donoho和I.M.Johnston提出的多分辨分析小波阈值降噪方法的基础上,分析了该阈值的优点和不足之处,提出了改进收缩函数算法。采用新的阈值函数的降噪效果无论在视觉效果上,还是在信噪比增益上和最小均方意义上均优于传统的硬阈值和软阈值,克服了采用硬阈值法降噪效果不佳和软阈值法过度光滑使信号失真的缺点。通过以上几个方面对传统多小波降噪方法的研究,并将提出的算法应用于藻类细胞的边缘提取,在实践中很好地证明了多小波理论在图像降噪上的可行性及优越性。

论文目录

• 中文部分
• 摘要
• ABSTRACT
• 前言
• 0.1 本课题的研究任务
• 0.2 多小波理论简史
• 0.3 国内外图像降噪研究进展
• 0.4 本文的主要内容
• 1 多小波的理论基础
• 1.1 小波分析
• 1.2 多小波分析基础
• 1.2.1 多小波的多分辨分析
• 1.2.2 离散多小波变换
• 1.3 多小波的性质
• 1.4 小结
• 2 多小波图像降噪分析
• 2.1 噪声模型
• 2.2 图像降噪评价标准
• 2.3 降噪原理分析
• 2.3.1 空间域降噪原理
• 2.3.2 频率域降噪原理
• 2.3.3 小波与多小波阈值萎缩降噪原理
• 2.4 多小波图像降噪改进算法分析
• 2.4.1 多小波的选择标准
• 2.4.2 多小波图像降噪阈值以及收缩函数的改进
• 2.4.2.1 阈值改进
• 2.4.2.2 多层阈值改进
• 2.4.2.3 收缩函数改进
• 2.4.3 改进算法实验分析
• 2.4.3.1 改进算法与传统方法的对比实验
• 2.4.3.2 改进算法与DJ 算法的对比实验
• 2.5 小结
• 3 多小波降噪在藻类图像中的应用
• 3.1 藻类图像的预处理
• 3.2 基于多小波降噪的边缘提取
• 3.3 小结
• 4 总结与展望
• 4.1 现阶段工作总结
• 4.2 工作展望
• 参考文献
• 致谢
• 个人简历
• 发表的学术论文
• 英文部分
• ABSTRACT
• INTRODUCTION
• 0.1 Research Task of the Thesis
• 0.2 The Brief History of Multi-wavelets
• 0.3 The development of domestic and foreign image denoising research
• 0.4 Main Work of the Paper
• 1 MULTI-WAVELET THEORY
• 1.1 Wavelet Analysis
• 1.2 The Basis of Multi-wavelet analysis
• 1.2.1 Multi-Resolution Analysis
• 1.2.2 Discrete Multi-wavelet Transform
• 1.2.3 Discrete Multi-wavelet Transform for the Two-dimensional Image
• 1.3 The Characters of Multi-wavelets
• 1.4 Conclusion
• 2 MULTI-WAVELET IMAGE DENOISING RESEARCH
• 2.1 Noise Model
• 2.2 Image Denoising Evaluation Criteria
• 2.3 Denoisng Principle Analysis
• 2.3.1 Spatial-domain Denoising Principle
• 2.3.2 Frequency-domain Denoising Principle
• 2.3.3 Wavelet and Multi-wavelet Denoising Principle
• 2.4 Improved Analysis of Multi-wavelet Image Denoising
• 2.4.1 Multi-wavelet Selection Standard
• 2.4.2 Improvement of Multi-wavelet Threshold and Shrinkage Function
• 2.4.2.1 Threshold Improvement
• 2.4.2.2 Multi-level threshold Improvement
• 2.4.2.3 Shrinkage Function Improvement
• 2.4.3 Experimental Analysis for Improved Algorithm
• 2.4.3.1 Comparison of Improved methods and Traditional methods
• 2.4.3.2 Comparison of Improved methods and DJ methods
• 2.5 Conclusion
• 3 APPLICATION OF MULTI-WAVELET IN ALGAE IMAGES
• 3.1 Algae Image Preprocessing
• 3.2 Edge Detection based on Multi-wavelet Dnoising
• 3.3 Conclusion
• 4 SUMMARY AND CONCLUSIONS
• 4.1 Conclusions
• 4.2 Follow on Research
• REFERENCES
• ACKNOWLEDGEMENTS
• VITA
• RESEARCH PUBLICATIONS