小波分析在圖像去噪與壓縮中的應用研究.pdf

1、圖像在采集、獲取以及傳輸?shù)倪^程中，往往要受到噪聲的污染，比如天文圖像、醫(yī)學圖像、遙感圖像、計算機視覺等等，被噪聲污染了的圖像叫做含噪圖像。噪聲是影響圖象質(zhì)量的主要因素，極大影響了人們從圖像中提取信息，因此，非常有必要在分析和利用圖像之前消除噪聲。 對圖像來說，如果需要進行快速或?qū)崟r傳輸以及大量存儲，就需要對圖像數(shù)據(jù)進行壓縮。圖像壓縮研究的就是尋找高壓縮比的方法，而且壓縮后的圖像要有合適的信噪比，在壓縮傳輸后還要恢復原圖像，在壓縮

2、、傳輸、恢復過程中，還要求圖像的失真小等等。 小波分析是局部化時頻分析，它用時域和頻域的聯(lián)合表示信號的特征，是分析非平穩(wěn)信號的有力工具，它通過伸縮、平移等運算功能對信號進行多尺度細化分析，能有效地從信號中提取信息。小波分析是目前國際公認的信號與信息處理領域的高新技術，是信號處理的前沿課題和研究熱點，在信號濾波、圖像去噪、圖像壓縮、圖像邊緣檢測、圖像融合等領域的應用愈來愈受到人們的重視。 本文以圖像去噪為重點，對信號濾波、

3、圖像去噪和圖像壓縮進行研究。本文所做的主要工作如下： 1.綜合闡述了圖像去噪與壓縮編碼技術發(fā)展的歷史和技術發(fā)展現(xiàn)狀，同時指出小波去噪與壓縮編碼較其它傳統(tǒng)方法的優(yōu)勢，以及開展小波圖像去噪與壓縮編碼研究的意義。 2.介紹了小波圖像去噪與壓縮的理論基礎，闡述了各種小波變換、多分辯率分析、Mallat算法、多孔算法等圖像去噪與壓縮中常用的理論知識。 3.在高斯白噪聲背景下，針對傳統(tǒng)小波閾值去噪方法的缺點，在圖像小波系數(shù)模

4、型的基礎上對BayeShrink閾值進行了總結，提出了基于非抽取小波變換的Bayesian去噪方法，重建信號視覺上更光滑，對原信號的逼近程度更好，尤其在信號奇異點處有效地抑制了偽吉布斯現(xiàn)象。并通過一維信號仿真實驗和圖像去噪仿真實驗驗證了去噪性能。 4.在混合噪聲背景下，提出了基于影響錐分析的小波系數(shù)和的去噪方法，有效地去除了脈沖噪聲，彌補了傳統(tǒng)的小波閾值去噪法的不足，并與第三章提出的基于非抽取小波變換的Bayesian去噪方法結

5、合，有效地去除混合噪聲，包括脈沖噪聲與高斯噪聲的混合形式以及脈沖噪聲與泊松噪聲的混合形式，從而擴展了本文去噪方法的適用范圍。仿真實驗證明本文方法是有效的。 5.在第5章是開展了含噪圖像的小波域去噪及壓縮的研究。在嵌入式零樹小波(EZW)編碼算法和BayesShrink閾值的基礎上，通過軟閾值函數(shù)和帶死區(qū)的量化技術結合，從而在小波域把圖像去噪與壓縮結合起來，提出了基于BayesShrink閾值和EZW算法的含噪圖像的壓縮方法，在小