基于小波變換的手機(jī)相機(jī)圖像去噪算法研究.pdf

1、圖像去噪技術(shù)是圖像處理領(lǐng)域的一個古老的話題，其主要目的是使圖像在保留更多原有細(xì)節(jié)的前提下去除圖像在采集以及傳輸?shù)倪^程中被增加的噪聲。在所有的去噪方法中，小波閾值去噪由于具有優(yōu)良的去噪性能，因此被廣泛地應(yīng)用。本文圍繞小波分解的方式、小波去噪的閾值選擇、去噪軟件的編寫等問題展開研究。主要研究工作和成果如下:
　　(1)在小波去噪中，閾值的選擇很關(guān)鍵。論文研究了幾種經(jīng)典的閾值，包括VisuShrink閾值、SureShrink閾值以及B

2、ayesShrink閾值，并針對這三種閾值進(jìn)行仿真實驗和實際實驗。實驗表明，經(jīng)典的BayesShrink閾值去噪算法對仿真含噪圖像具有良好的去噪效果，其性能優(yōu)于VisuShrink閾值和SureShrink閾值。
　　(2)為了利用雙樹小波變換的多方向性，用雙樹復(fù)數(shù)小波變換來分解圖像，然后對圖像進(jìn)行去噪，實驗結(jié)果表明，使用雙樹復(fù)數(shù)小波變換來分解圖像然后去噪可以保留更多的圖像細(xì)節(jié)。針對單變量統(tǒng)計模型不能顯示出小波系數(shù)之間的聯(lián)系的問題

3、，研究了小波系數(shù)的雙變量統(tǒng)計模型，該模型可以顯示出相鄰層的小波系數(shù)之間的相關(guān)性，將該雙變量模型應(yīng)用于圖像去噪，實驗表明，使用雙變量閾值去噪算法之后，圖像的峰值信噪比和視覺效果均比單變量模型有所提高。
　　(3)對基于雙樹復(fù)數(shù)小波的雙變量閾值去噪算法進(jìn)行改進(jìn)，使其在應(yīng)用中更加有效。改進(jìn)的方法有降采樣處理、子帶自適應(yīng)的噪聲方差、局部類灰度化處理。首先，對圖像進(jìn)行降采樣然后對降采樣之后的每一張小圖片分別去噪，最后再合成原來的大圖;其次，

4、對小波系數(shù)的每一個子帶分別計算噪聲方差;最后，用單尺度小波變換算法檢測出圖像的輪廓，對輪廓處的像素點不做處理，對非輪廓處的像素點做類灰度化處理，去除彩色噪聲塊。實驗結(jié)果表明，改進(jìn)之后的方法對手機(jī)拍攝的噪聲圖像具有更好的去噪效果。
　　(4)采用VS2010完成了小波去噪軟件的編寫，用C語言實現(xiàn)了基于雙樹復(fù)數(shù)小波的雙變量閾值去噪算法。該軟件能夠?qū)崿F(xiàn)對手機(jī)相機(jī)拍攝的含噪圖像進(jìn)行去噪，并采用多線程等手段來提高軟件的性能。最后對軟件進(jìn)行了