基于小波閾值的圖像去噪研究.pdf

1、圖像去噪這門學科自從誕生以來，產生了許多去噪方法，小波閾值去噪方法由于易于理解，去噪后圖像品質良好脫穎而出。然而，該算法在具備了上述優(yōu)點的同時也同樣存在缺點。傳統(tǒng)的小波閾值去噪方法由軟閾值小波去噪和硬閾值小波去噪兩種方法組成。小波硬閾值函數由于在閾值點處左極限不等于右極限，從而造成了函數在該點處不連續(xù)，這將會造成去噪圖像出現偽吉布斯現象，對去噪圖像的質量造成不利影響。軟閾值小波去噪函數由于小波系數出現的收縮，從而造成去噪后的圖像出現邊緣

2、模糊、不能夠很好地凸顯圖像的細節(jié)信息。另外，小波閾值對于圖像分解后每層的系數都固定不變，這樣會對圖像的無噪系數“過度扼殺”，從而使去噪后的圖像效果不佳。
　　脊波變換是小波變換的升級，對于線奇異性的檢測，脊波變換的能力大大強于小波變換。在一幅圖像中通常存在點奇異性和線奇異性，因此采用小波閾值與脊波變換相結合的去噪方法更加有效。為了使去噪的效果更好，本文對小波閾值去噪進行了改進，并以改進后的小波閾值函數為基礎進行脊波變換去噪，具體的

3、研究內容如下：
　　1．本文以傳統(tǒng)的軟閾值小波去噪和硬閾值小波去噪為基礎，改進后的小波閾值去噪函數和閾值滿足以下幾點：改進之后的小波閾值去噪函數在閾值點處是連續(xù)的，這樣可以消除偽吉布斯現象；由于傳統(tǒng)的統(tǒng)一小波閾值存在“過度扼殺”現象，改進后的閾值應該滿足隨著小波分解層數的不同采用的閾值也不同。
　　2．對于點奇異性和線奇異性，小波變換的檢測能力表現不一，本文以改進后的小波閾值去噪算法為基礎，利用脊波變換方法對圖像進行處理，有