1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
各种处理然后反变换到空间域，形成处理后的图像。
人们也根据实际图像的特点噪声的统计特征和频谱分布的规律，发展了各式各样的去噪方法。
其中最为直观的方法，是根据噪声能量般集中于高频而图像频谱则分布于个有限区间的这特点，采用低通滤波方式来进行去噪，或对图像进行平滑处理等，这属于第类图像处理方法。
还有就是在频域进行处理，如傅立叶变换小波基变换。
近年来，小波理论得到了非常迅速的发展，而且由于其具备良好的时频特性，实际应用也非常广泛。
其中图像的小波阈值去噪方法可以说是众多图像去噪方法的佼佼者。
基本思想就是利用图像小波分解后，各个子带图像的不同特性选取不同的阈值，从而达到较好的去噪目的。
而且，小波变换本身是种线形变换，而国内外的研究大多集中在如何选取个合适的全局阈值，通过处理低于该阈值的小波系数同时保持其余小波系数值不变的方法来降噪，因而大多数方法对于类似于高斯噪声的效果较好，但对于混有脉冲噪声的混合噪声的情形处理效果并不理想。
线形运算往往还会造成边缘模糊，小波分析技术正因其独特的时频局部化特性在图像信号和噪声信号的区分以及有效去除噪声并保留有用信息等方面较之传统的去噪具有明显的优势，且在去噪的同时实现了图像定程度的压缩和边缘特征的提取。
所以小波去噪具有无可比拟的优越性。
小波去噪主要优点有低熵性，小波系数的稀疏分布，使得图象变换后的熵降低多分辨率，由于采用了多分辨率的方法，所以可以非常好地刻画信号的非平稳特征，如边缘尖峰断点等去相关性，因为小波变换可以对信号进行去相关，且噪声在变换后有白化趋势，所以小波域比时域更利于去噪选基灵活性，由于小波变换可以灵活选择变换基，从而对不同应用场合不同的研究对象，可以选用不同的小波函数，以获得最佳的效果。
本文以图像去噪方法为研究对象，以小波图像去噪为研究方向，对比了传统去噪方法与小波去噪方法，比较深入地研究了基于小波阈值的图像去噪，对其在图像去噪中的应用做了进步的探讨。
全文安排具体如下第章主要介绍噪声的特性和噪声模型，图像质量的评价方法。
第二章主要对传统的去噪方法进行了总结和对比，指出其去噪的不足，介绍小波变换，综述了小波去噪的发展历程研究现状及其分类。
第三章主要介绍连续小波变换离散小波变换，并介绍了图像小波变换情况，为下个章节中图像小波去噪奠定理论基础。
第四章详细介绍小波阈值在图像去噪中的应用，以及相应的程序，并给出了相应的仿真实验结果。
第五章是对全文的总结与展望，概括了全文的研究内容和创新之处针对论文的不尽完善之处，提出了些意见和建议，以供后续工作参考借鉴。
第章图像与噪声人类获取外界信息有视觉听觉触觉味觉等多种方法，但绝大部分约是来自视觉所接收的图像信息，即所谓百闻不如见。
而图像处理就是对图像息进行加工处理，以满足人的视觉心理和实际应用的要求。
因此，图像处理技术的广泛研究和应用是必然的趋势。
在分析和使用图像之前，需要对图像信号进行系列处理。
比如调整图像存储的格式，对图像进行去噪等等。
图像处理是针对性很强的技术，根据不同用途不同要求采用不同的处理方法。
采用的方法是综合各学科较先进的成果而成的，如数学物理学心理学生理学医学计算机科学通信理论信号分析控制论和系统工程等，各学科相互补充相互渗透才使数字图像处理技术飞速发展。
根据本文研究的内容，我们只探讨图像去噪这图像预处理技术。
般来说，在图像采集编码传输恢复的几个基本步骤中，影响图像质量的因素很多。
例如，现实图像中无用的信息对我们而言就是噪声，设备环境获取方法等因素也会引入许多噪声干扰。
如电磁干扰相片颗粒噪声采集图像信号的传感器噪声信道噪声甚至滤波器产生的噪声等等。
所以，为了提高图像的质量以及后续更高层次的处理，对图像进行去噪处理是不可缺少的重要环节，而寻求种行之有效的去噪方法也是人们直在进行的工作。
噪声图像模型及噪声特性含噪模型现实中的数字图像在数字化和传输过程中，常受到成像设备与外部环境噪声干扰等影响，成为含噪图像。
去除或减轻在获取数字图像中的噪声称为图像去噪在图像去噪之前我们先要建立个含噪图像的模型，为了简便，我们研究如下的加性噪声模型，即含噪图像仅由原始图像叠加上个随机噪声形成，，表示图像，，为噪声，含噪图像记为，。
噪声特性在对这个含噪模型进行研究之前，我们有必要了解下噪声的些特性，经常影响图像质量的噪声源可分为三类。
人们对其生成原因及相应的模型作了大量研究电子噪声。
在阻性器件中由于电子随机热运动而造成的电子噪声是三种模型中最简单的，般常用零均值高斯白噪，谢杰成，张大力，许文立小波图像去噪综述中国图像图形学报，Ⅲ，杨蒙召，李朝峰，许磊基于复数小波变换和准则对图像的去噪计算机应用杨福生，小波变换的工程分析与应用，北京科学出版社，图像去噪处理的研究摘要图像是种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。
数字图像噪声去除涉及光学系统微电子技术计算机科学数学分析等领域，是门综合性很强的边缘科学，如今其理论体系已十分完善，且其实践应用很广泛，在医学军事艺术农业等都有广泛且成熟的应用。
是种高效的工程计算语言，在数值计算数据处理图像处理神经网络小波分析等方面都有广泛的应用。
是种向量语言，它非常适合于进行图像处理。
本文概述了小波阈值去噪的基本原理。
对常用的几种阈值去噪方法进行了分析比较和仿真实现。
最后结合理论分析和实验结果，讨论了个完整去噪算法中影响去噪性能的各种因素。
为实际的图像处理中，小波阈值去噪法的选择和改进提供了数据参考和依据。
关键字小波变换图像去噪阈值目录前言第章图像与噪声„„„„„„„„„„„„„„„„„„„„„„„„„„„„„噪声图像模型及噪声特性„„„„„„„„„„„„„„„„„„„„„„„„„含噪模型„„„„„„„„„„„„„„„„„„„„„„„„„„„„噪声特性„„„„„„„„„„„„„„„„„„„„„„„„„„„„图像质量的评价„„„„„„„„„„„„„„„„„„„„„„„„„„„„„主观评价„„„„„„„„„„„„„„„„„„„„„„„„„„„„客观评价„„„„„„„„„„„„„„„„„„„„„„„„„„„„第二章图像去噪方法„„„„„„„„„„„„„„„„„„„„„„„„„„„„传统去噪方法„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„空域滤波„„„„„„„„„„„„„„„„„„„„„„„„„„„„频域低通滤波法„„„„„„„„„„„„„„„„„„„„„„„„„小波去噪„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„小波去噪的发展历程„„„„„„„„„„„„„„„„„„„„„„„小波去噪的研究现状„„„„„„„„„„„„„„„„„„„„„„„小波去噪方法„„„„„„„„„„„„„„„„„„„„„„„„„第三章小波变换理论基础„„„„„„„„„„„„„„„„„„„„„„„„„„从傅里叶变换到小波变换„„„„„„„„„„„„„„„„„„„„„„„„小波理论的基本概念„„„„„„„„„„„„„„„„„„„„„„„„„„连续小波变换„„„„„„„„„„„„„„„„„„„„„„„„„离散小波变换„„„„„„„„„„„„„„„„„„„„„„„„„第四章小波阈值去噪及仿真„„„„„„„„„„„„„„„„„„„„„小波阈值去噪概述„„„„„„„„„„„„„„„„„„„„„„„„„„„阈值去噪法简述„„„„„„„„„„„„„„„„„„„„„„„„小波阈值去噪方法„„„„„„„„„„„„„„„„„„„„„„„基于的小波去噪函数简介„„„„„„„„„„„„„„„„„„„„小波去噪对比试验„„„„„„„„„„„„„„„„„„„„„„„„„„实验信号的产生„„„„„„„„„„„„„„„„„„„„„„„„各参数下的去噪效果对比„„„„„„„„„„„„„„„„„„„„利用小波去噪函数去除给定图像中的噪声„„„„„„„„„„„„„„„„„总结与展望本行顶头，下面的红色字去掉„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„全文工作总结„„„„„„„„„„„„„„„„„„„„„„„„„„„„„工作展望„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„致谢语„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„参考文献„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„附录„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„前言图像在生成和传输过程中常常因受到各种噪声的干扰和影响而使图像降质，这对后续图像的处理如分割压缩和图像理解等将产生不利影响。
噪声种类很多，如电噪声机械噪声信道噪声和其他噪声。
在图像处理中，图像去噪是个永恒的主题，为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理。
计算机图像处理主要采取两大类方法是在空间域中的处理，即在图像空间中对图像进行各种处理另类是把空间域中的图像经过正交变换到频域，在频域里进行各种处理然后反变换到空间域，形成处理后的图像。
人们也根据实际图像的特点噪声的统计特征和频谱分布的规律，发展了各式各样的去噪方法。
其中最为直观的方法，是根据噪声能量般集中于高频而图像频谱则分布于个有限区间的这特点，采用低通滤波方式来进行去噪，或对图像进行平滑处理等，这属于第类图像处理方法。
还有就是在频域进行处理，如傅立叶变换小波基变换。
近年来，小波理论得到了非常迅速的发展，而且由于其具备良好的时频特性，实际应用也非常广泛。
其中图像的小波阈值去噪方法可以说是众多图像去噪方法的佼佼者。
基本思想就是利用图像小波分解后，各个子带图像的不同特性选取不同的阈值，从而达到较好的去噪目的。
而且，小波变换本身是种线形变换，而国内外的研究大多集中在如何选取个合适的全局阈值，通过处理低于该阈值的小波系数同时保持其余小波系数值不变的方法来降噪，因而大多数方法对于类似于高斯噪声的效果较好，但对于混有脉冲噪声的混合噪声的情形处理效果并不理想。
线形运算往往还会造成边缘模糊，小波分析技术正因其独特的时频局部化特性在图像信号和噪声信号的区分以及有效去除噪声并保留有用信息等方面较之传统的去噪具有明显的优势，且在去噪的同时实现了图像定程度的压缩
毕业论文：PS图像去噪处理的研究
