论文摘要
图像边缘检测和去噪是重要的图像预处理技术,广泛应用于图像轮廓、图像特征的提取以及纹理分析等应用领域。小波分析由于其良好的时-频局部化特点和多尺度的特性,适合于分析非平稳信号,使得其在图像处理中得到广泛应用。本文围绕多尺度分析及其在图像边缘检测与图像去噪中的应用进行了系统深入地研究。论文的主要工作体现在以下几个方面:对利用小波变换用于信号和图像边缘提取的基本理论和实现方法进行了深入细致的研究与探讨,重点分析了李普西兹（Lipschitz）指数与边缘的关系。探讨了小波边缘检测算子的构造,研究了小波变换系数模极大值边缘提取方法。基于冗余小波变换思想,提出了一种采用非下采样小波变换和上下文滤波的边缘提取方法,实验结果验证了该方法在提取含噪图像边缘的有效性。对传统的基于硬软阈值的小波图像去噪方法进行了系统研究;针对传统的硬软阈值函数不连续以及非自适应的缺陷,分别探讨了一种具有连续性和高阶可导特性的阈值函数,基于局部上下文自适应的阈值函数的构造以及基于局部上下文的连续高阶可导阈值函数的构造,并用于图像去噪,实验结果证明了这些方法的有效性。
论文目录
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)