基于小波变换的数字图像噪声消除的研究与实现开题报告

 2020-02-18 07:02

1. 研究目的与意义(文献综述)

图像降噪是图像预处理的主要任务之一,其作用是为了提高图像的信噪比,突出图像的期望特征。不同性质的噪声应采用不同的方法进行消噪。最简单的也比较通用的消噪算法,是用傅立叶变换直接进行低通滤波或带通滤波[1]。这种方法虽然简单、易于实现,但它对滤去有用信号频带中的噪声无能为力,并且带宽的选择和高分辨率是有矛盾的。带宽选的过宽,达不到去噪的目的;选的过窄,噪声虽然滤去的多,但同时信号的高频部分也损失了,不但带宽内的信噪比得不到改善,某些突变点的信息也可能被模糊掉了。

将小波变换应用于信号处理中,是因为它的主要优点是在时间域和频率域中同时具有良好的局部化特性,从而非常适合时变信号的分析和处理。特别在图像去噪领域中,小波理论受到了许多学者的重视,他们应用小波进行去噪,并获得了非常好的效果。具体来说,小波去噪方法的成功主要得益于小波变换具有以下特点:

(1)低熵性 由于小波系数的稀疏分布,使得图像变换后的熵降低了;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

小波理论虽经过多年发展,并取得了许多非常重要的研究成果。但小波分析的应用潜力仍然很大,仍旧存在着一些需要解决问题。本课题首先要在前人提出的有关小波应用的基础上,简单介绍去噪图像质量的评价方法。然后对小波展开更加系统、深入的分析和研究,对传统的去噪方法进行总结和对比,指出其去噪的不足,介绍基于小波变换的图像去噪,简单介绍小波去噪的发展历程和小波去噪的分类,在此基础上对传统的小波去噪技术进行一定的改进,消除因所选阈值过大,伪吉布斯效应明显,降噪后的图像具有马赛克现象,并要用实验验证此方法的可行性。由于波包分析是一种比小波变换更加精细的分析方法,它不仅将频带进行多层次划分,而且对多分辨分析没有细分的高频部分也进行进一步的分解,即小波包分析具有能使随着尺度的增大而变宽的频谱窗口进一步分割变细的优良性质。为提高去噪图像的信噪比,采用图像融合的联合小波包图像去噪算法,并用实验进行验证该方法的正确性。由于小波包分析不仅将频带进行多层次划分,而且对多分辨分析没有细分的高频部分也进行进一步的分解,基于图像融合的联合小波包图像去噪算法涉及到的计算量必然很大。该方法去噪在一定程度上不能满足适时性;为提高去噪效率,本课题拟通过研究小波新理论,采用提升小波变换方法对图像进行去噪研究,并用实验进行验证该方法的正确性。该方法在保持信噪比不降低的情况下具有运算速度快、不需要额外内存,满足了实时性。本课题拟采用Matlab2015a对以上所述方法进行仿真以证明所提方法的可行性。

3. 研究计划与安排

第一周:根据设计题目查阅收集相关参考文献资料,明确研究内容。

第二周~第三周:理解研究所需的相关参考文献及技术,确定技术方案,完成开题报告。

第四周~第十四周:进入设计论文阶段,完成任务书所要求的设计内容。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1] 夏良正.数字图像处理(2).东南大学出版社,1999:101-106.

[2] 杨福生.小波变换的工程分析与应用.北京:科学出版社,1999.

[3] 杨风暴.金属与非金属超声粘接检测信息的融合处理技术研究.华北工学院博士学位论文.2003.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。