基于多尺度幾何變換的圖像去噪方法研究.pdf

1、數(shù)字圖像在傳輸和獲取過程中,經(jīng)常會(huì)受到噪聲的污染,為了對(duì)圖像進(jìn)行后續(xù)的處理,比如分割,編碼等,對(duì)圖像先進(jìn)行去噪處理就變得非常必要了。
　　 小波變換是繼Fourier變換后新發(fā)展起來的一種具有多分辨率特性的變換。由于小波具有時(shí)頻聚焦、多分辨率、低冗余度、小波基豐富等特點(diǎn),使其非常適合圖像去噪。然而對(duì)于圖像來說,邊緣不連續(xù)性是按照空間分布的,這種奇異性影響了小波展開級(jí)數(shù)中的許多項(xiàng),所以小波展開的系數(shù)不是稀疏的,從而影響了逼近誤差。

2、
　　 為了有效克服小波變換在圖像去噪方面的不足,人們將目光轉(zhuǎn)向了新型奇異性分析工具--多尺度幾何變換。本文主要研究了基于多尺度幾何變換的圖像去噪,主要工作如下:
　　 1.以性能優(yōu)越的非下采樣輪廓變換為基礎(chǔ),提出了一種新的圖像去噪方法。該方法首先對(duì)圖像進(jìn)行非下采樣輪廓變換,以得到不同尺度、不同方向上的變換系數(shù)；然后結(jié)合噪聲分布特點(diǎn)確定多尺度閾值,并依此閾值對(duì)高頻系數(shù)進(jìn)行去噪處理；最后對(duì)去噪處理后的變換系數(shù)進(jìn)行反變換,以

3、得到去噪圖像。該方法不僅擁有較強(qiáng)的抑制噪聲的能力,而且具有較好的邊緣保護(hù)能力,同時(shí)消除了圖像邊緣附近的偽吉布斯(Gibbs)現(xiàn)象。
　　 2.由于閾值去噪方法的局限性,我們又研究了基于支持向量機(jī)的圖像去噪方法。該方法首先對(duì)圖像進(jìn)行小波變換,以得到不同尺度不同方向上的變換系數(shù)；然后在每一尺度的每一個(gè)方向上結(jié)合噪聲分布特點(diǎn)確定系數(shù)的空間特征,并依此空間特征構(gòu)造最小二乘支持向量機(jī)的訓(xùn)練特征向量；最后對(duì)所有的小波系數(shù)用訓(xùn)練后的LS-SV