Print

基于二进小波相关系数的比例萎缩图像去噪

论文摘要

基于小波变换的比例萎缩去噪是一种较好的图像去噪方法，它具有对局部信号适应的能力，相对于阈值去噪来说具有更大的灵活性。本文介绍了基于最小均方误差的比例萎缩去噪算法，并对该算法做了一些改进。在此基础上，提出了基于二进小波相关系数的比例萎缩去噪算法。算法的改进主要表现在：(1)用二进小波变换对图像进行去噪处理。由于图像二进小波变换在每次分解时不进行下抽样，所以其表示同小波级数相比是冗余的，且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此，在相同的误判概率下，基于二进小波变换的图像去噪效果会更好。(2)利用小波相关系数与规范化相关系数，定义了信号置信度，并利用信号置信度作为的一个度量对图像进行去噪处理。实验仿真表明，基于相关系数的去噪算法比基于最小均方误差的比例萎缩去噪算法步骤更简化，计算更简单，在有效去除噪声的同时，也能保留图像的重要特征。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 小波变换的由来和作用
  • 1.2 小波变换与图像去噪
  • 1.3 本章小结
  • 第二章 傅立叶变换与连续小波变换
  • 2.1 傅立叶变换
  • 2.2 连续小波变换
  • 2.2.1 连续小波变换的定义
  • 2.2.2 连续小波变换的性质
  • 2.3 本章小结
  • 第三章 离散小波变换与二进小波变换
  • 3.1 尺度和位移的离散化方法
  • 3.2 二进小波变换
  • 3.2.1 连续二进小波变换
  • 3.2.2 离散二进小波变换的快速算法
  • 3.3 二维二进小波变换及其快速算法
  • 3.3.1 二维二进小波变换
  • 3.3.2 二维离散二进小波变换及其快速算法
  • 3.4 本章小结
  • 第四章 小波变换在图像去噪中的应用
  • 4.1 信号的奇异性检测与小波模极大值
  • 4.2 各种小波去噪方法
  • 4.2.1 阈值去噪
  • 4.2.2 比例萎缩去噪方法
  • 4.3 基于二进小波相关系数的比例萎缩图像去噪
  • 4.3.1 小波相关系数与规范化相关系数
  • 4.3.2 信号置信度
  • 4.4 本文算法及实现
  • 4.5 实验与分析
  • 4.6 本章小结
  • 第五章 结束语
  • 参考文献
  • 致谢

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/e796c549d8609d39fa5a3fbc.html