题目基于小波变换的图像去噪方法研究毕业论文﹙设计﹚任务书院(系) 物理与电信工程学院专业班级通信1101班学生姓名陈菲菲一、毕业论文﹙设计﹚题目基于小波变换的图像去噪方法研究二、毕业论文﹙设计﹚工作自 2015 年 3 月 1 日起至 2015 年 6 月 20 日止三、毕业论文﹙设计﹚进行地点: 物理与电信工程学院实验室四、毕业论文﹙设计﹚的内容1、图像处理中，输入的是质量低的图像，输出的是改善质量后的图像。
常用的图像处理方法有图像增强、复原、编码、压缩等。
一般图像的能量主要集中在低频区域中，只有图像的细节部的能量才处于高频区域中。
因为在图像的数字化和传输中常有噪声出现，而这部分干扰信息主要集中在高频区域内，所以消去噪声的一般方法是衰减高频分量或称低通滤波，但与之同时好的噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊。
为了改善图像质量，从图像提取有效信息，必须对图像进行去噪预处理。
设计任务：（1）整理文献，研究现有基于小波变换的图像去噪算法，尝试对现有算法做出改进；（2）在MATLAB下仿真验证基于小波变换的图像去噪算法。
2、要求以论文形式提交设计成果，应掌握撰写毕业论文的方法，应突出“目标，原理，方法，结论”的要素，对所研究内容作出详细有条理的阐述。
进度安排：1-3周：查找资料，文献。
4-7周：研究现有图像去噪技术，对基于小波变换的图像去噪算法作详细研究整理。
8-11周：研究基于小波的图像去噪算法，在MATLAB下对算法效果真验证。
12-14周：分析试验结果，对比各种算法的优点和缺点，尝试改进算法。
15-17周：撰写毕业论文，完成毕业答辩。
指导教师陈莉系(教研室)系(教研室)主任签名批准日期 2015.1.1接受论文 (设计)任务开始执行日期 2015.3.1 学生签名基于小波变换的图像去噪方法研究陈菲菲（陕西理工学院物理与电信工程学院通信1101班，陕西汉中 723000）指导教师：陈莉[摘要] 图像去噪是信号处理中的一个经典问题，随着小波理论的不断完善，它以自身良好的时频特性在图像去噪领域受到越来越多的关注。
基于小波变换的去噪方法有很多种，本文主要讨论了基于小波变换的阈值去噪方法和基于小波变换的滤波去噪方法，其基本思想是先对含噪图像进行小波变换，再对高频系数进行阈值去噪或滤波去噪处理，最后进行小波反变换，实现基于小波的图像去噪。
最后，在MATLAB下，分别对图像加入高斯噪声，泊松噪声，椒盐噪声，对算法进行了验证。
[关键词]小波变换图像去噪阈值滤波 MATLABResearch on image denoising method based on Wavelet TransformChen Feifei(Grade11,Class1,Major of Communication Engineering，School of Physics and telecommunication Engineering of Shaanxi University of Technology, Hanzhong 723000,China)Tutor:ChenLiAbstract： Denoising signal processing is a classic problem, with the improvement of wavelet theory, which good time-frequency characteristics .It is more and more attentioned in the field of image denoising. There are many de-noising method based on wavelet transform, this paper discusses the method based on thresholding wavelet transform and filtering denoising method based on wavelet transform, the basic idea is that noisy image is firstly transformed by wavelet and then the high-frequency coefficients is thresholded or filtered , wavelet-based image denoising is finished. Finally, in MATLAB, Gaussian noise and Poisson noise were added to the image , the algorithm was validated.Keywords: Wavelet transformation; Image denoising; Wavelet threshold;filtering; MATLAB目录1绪论 (1)1.1课题背景 (1)1.2课题研究现状和前景 (1)2图像的噪声分析 (2)2.1图像噪声的概念 (2)2.2常见噪声 (2)3小波变换原理 (3)3.1小波变换 (3)3.2连续小波变换 (3)3.2.1一维连续小波变换 (3)3.2.2 高维连续小波变换 (5)3.3离散小波变换 (6)4 基于小波变换的阈值去噪原理及仿真结果分析 (7)4.1 基于小波变换的阈值去噪原理 (7)4.2基于小波变换的阈值去噪法仿真结果及分析 (7)5 基于小波变换的滤波去噪法原理及仿真结果分析 (8)5.1基于小波的均值滤波去噪原理 (8)5.2 基于小波的中值滤波去噪原理 (8)5.3 基于小波的维纳滤波去噪原理 (9)5.4加各种噪声的滤波去噪仿真结果及分析 (9)结束语 (13)致谢 (13)参考文献 (14)附录A 外文及翻译 (15)附录B 程序 (41)1绪论1.1课题背景人类传递信息主要依靠语音和图像。
据统计，在人类接收的信息中，听觉信占20％，视觉信息占60%。
其中图像信息以其信息量大，传输速度快，距离远等优势的作用，是人类获取信息的重要来源和使用信息的重要手段。
包含在图像的直观信息是声音，文本不能被替换的。
但是，在产生和传输过程中的图像会受到各种噪声干扰，图像的质量可能会被损坏，其遵循的图像处理的一个更高的水平是非常不利的。
所以，图像预处理阶段，有必要进行图像的去噪，这样可以将信号增加到图像的信噪比，突显图像的所需特征。
人们根据实际图像的特点、噪声的频谱分布的规律和统计特征，开发了多种多样的去噪方法，最直接的方法是基于所述噪声能量通常集中在高频率和信道的频谱分布在该功能的有限范围，使用傅立叶变换使嘈杂信号变换到频域，再进行低通滤波方法滤波去噪。
但是，由于图像的细节也分布在高频区域，所以去除图像噪声的方法中，它也将平滑图像的边缘，失去了一些图像细节方面的信息。
比较糟糕的是，信号奇点进行信号检测很重要，也可以过滤掉。
因此，传统的基于傅立叶变换去噪方法中，保护信号边缘的存在和有噪声抑制之间的矛盾，在信号中的噪声难以正确地识别和除去。
两难的去噪是如何保持在降低噪声和保持图像细节的平衡。
小波变换具有良好的时频局部化特性，来解决这个问题提供了一个很好的工具。
随着公司的不断发展和完善小波理论，其特点使它成为一个很好的时间和频率已被广泛应用于图像去噪领域。
小波变换噪声信号到小波域，可以使用多分辨率分析，这将能够描绘非常良好的非稳定信号，如边缘，尖峰，断点的特性，以便提取在特征。
此外还小波变换具有低熵和相关特性。
小波变换对信号去相关，噪声具有美白趋势，小波系数稀疏，通常对应于少数大的小波系数的一个信号，以及对应于大量小，这有利于信号的小波系数的噪声去噪。
另一方面，理论和实验结果表明，在小波域具有不同的传播特性的信号和噪声，小波变换模极大信号会增加或保持不变的增加的比例，而小波变换模最大噪声值减小用规模，充分利用在小波这些特征变换域可以非常有效区分信号和噪声中。
因此，基于小波变换的图像信号去噪方法可以在同一时间被保护消除边缘噪声，具有很好的应用前景和极大的发展潜力。
1.2 课题研究现状和前景Mallat是最早从事小波分析在信号处理中应用的研究者之一，它于1992年建立了小波变换快速算法，运用于信号和图像的分解与重构。
同时还提出了基于指示将要描述，得到使用小波信号变换奇异性检测的基本原理的使用上的信号，图像和噪声的多尺度数学特征李普希茨索引信号和图像多尺度边缘法奇点的信号。
他的另一个贡献是提出一个模极大去噪方法。
即根据在小波的信号和噪声的不同传播特性各尺度的变换，除去模极大噪声，保留对应模极大信号，再使用小波模极大重建因子的其余部分，并然后恢复信号。
这是小波去噪方法中最经典的。
然而，只有有限的使用模极大信号重构误差很大，交替投影法的Mallat还提出了这个问题更好的解决方案。
但是交替投影法来计算用量大，通过迭代实现，有时并不稳定。
1994年，Xu等人提出的，用于基于信号和噪声在相邻的小波系数的尺度滤波之间的相关性的空间相关性去除噪声的方法。
这种方法的优点是易于直接实现，缺点是不够精确。
在该算法的执行过程中，所估计的噪声能量是非常关键的。
Pan等人得到的理论噪声能量阈值，并给出信号噪声方差估计，使得自适应滤波器算法的空间相关性的有效途径。
同时还有一个斯坦福大学领导多诺霍学术团体，我们致力于去噪信号。
在研究过程中，DonohoJohnstone另一种方式，在高斯噪声模型，多维普通变量独立决策理论，小波阈值方法的应用，并取得了大量的研究。
他们提出在1995年的软阈值法和硬阈值信号去噪推导VisuShrink阈式和SurcShrink阈式和证明均方意义渐进最佳。
同年，夸夫曼和多诺霍提出平移不变小波去噪方法，进一步提高了消噪效果。
高和布鲁斯软阈值函数和硬阈值函数进行了改进和半软阈值函数和绞喉阈值函数研究不同收缩功能的特点，给予差，方差等计算阈值的估计，但通过对比说明了半软连续性阈方法比硬阈值更好，有比软阈值法等较小的偏差。
约翰斯通等1997年小波阈值估计都给出了相关噪声去除。
詹森，使用广义互估计来估计的小波阈值，以及相关噪声去除图像。
1998年Dowinc和Silvcrman建议一般阈值的公式多小波，同年，裴和CHCN平移不变小波去噪扩展到多小波的场景。
诺瓦克，在1999年提出了小波域滤波算法用于光子成像系统，用于去除泊松噪声的图像。
同年Hsung等人提出了去噪算法基于奇点的检测和MaUat模极大去噪方法是相似的，但它并没有，而是通过计算一个锥形区小波的影响进行模极大检测和处理系数来估计信号的局部模式和规律性，从而过滤小波系数。