本文選題：圖像濾波 + 小波理論�。� 參考：《新疆大學(xué)》2017年碩士論文

【摘要】：數(shù)字信號濾波一直是信息處理研究的一個(gè)熱點(diǎn),特別是近50年內(nèi)各種新理論、新方法的提出,使信息處理成為二十世紀(jì)發(fā)展最快的學(xué)科之一。小波分析理論是現(xiàn)階段處理信號最有效的具有時(shí)頻特性的處理工具。本文重點(diǎn)研究了小波域的非線性閾值函數(shù)去噪�；谛〔ǚ治龅膱D像去噪方法是圖像去噪中最常用的方法之一。通過小波變換對圖像進(jìn)行多層分解,再由有效信息和干擾信息在小波域的奇異性可知,有效信息呈中低頻,而干擾信息呈高頻。根據(jù)這一特性,常在干擾信息處設(shè)定閾值對小波系數(shù)進(jìn)行判斷,將大于閾值的信息保留,而小于閾值的清零或做其他方式的處理。構(gòu)造新的多層閾值函數(shù),并選取固定估計(jì)閾值為閾值判定準(zhǔn)則并對其做了優(yōu)化改進(jìn),改善了固定估計(jì)閾值選取過大的問題。通過粒子群優(yōu)化算法與新多層閾值函數(shù)相結(jié)合的方法,實(shí)現(xiàn)一種自適應(yīng)的圖像去噪算法。通過選取不同國際標(biāo)準(zhǔn)測試圖像、不同類型和不同方差的噪聲以及兩種及其以上的混合噪聲來進(jìn)行實(shí)驗(yàn)仿真,通過與其他學(xué)者提出的閾值函數(shù)進(jìn)行主觀和客觀的數(shù)據(jù)對比,驗(yàn)證本文方法在圖像去噪上的有效性。
[Abstract]:Digital signal filtering has been a hot topic in information processing, especially in the past 50 years, with the development of new theories and methods, information processing has become one of the fastest developing subjects in the 20th century. Wavelet analysis theory is the most effective signal processing tool with time-frequency characteristics. In this paper, the nonlinear threshold function denoising in wavelet domain is studied. Image denoising based on wavelet analysis is one of the most commonly used methods in image denoising. The wavelet transform is used to decompose the image in multilayer, and from the singularity of the effective information and the interference information in the wavelet domain, it can be known that the effective information is middle and low frequency, while the interference information is high frequency. According to this characteristic, the wavelet coefficients are usually judged by setting a threshold at the interference information. The information greater than the threshold is preserved, while the information less than the threshold is cleared or processed in other ways. A new multilayer threshold function is constructed, and the fixed estimation threshold is selected as the threshold decision criterion, and the optimization improvement is made to improve the problem that the fixed estimation threshold is too large. An adaptive image denoising algorithm is implemented by combining particle swarm optimization with a new multilayer threshold function. By selecting different international standard test images, different types and variances of noise, and two or more kinds of mixed noise to carry out experimental simulation, the subjective and objective data are compared with the threshold function proposed by other scholars. The effectiveness of this method in image denoising is verified.
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝云聰;;數(shù)字圖像處理的發(fā)展與應(yīng)用趨勢討論[J];電子世界;2016年16期

2 國強(qiáng);孫宇梟;;改進(jìn)的雙鏈量子遺傳算法在圖像去噪中的應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2016年05期

3 王輝;朱龍彪;朱天成;陳紅艷;邵小江;朱志慧;;基于粒子群遺傳算法的泊車系統(tǒng)路徑規(guī)劃研究[J];工程設(shè)計(jì)學(xué)報(bào);2016年02期

4 謝家林;李根強(qiáng);謝家麗;張懷奇;;改進(jìn)閾值函數(shù)在圖像去噪中的應(yīng)用[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年01期

5 江虹;蘇陽;;一種改進(jìn)的小波閾值函數(shù)去噪方法[J];激光與紅外;2016年01期

6 張騰飛;張合新;孟飛;強(qiáng)鉦捷;;一種級聯(lián)的激光主動成像圖像融合降噪算法[J];激光與紅外;2015年09期

7 盧仕澤;李星野;;新雙閾值函數(shù)下的小波去噪研究[J];計(jì)算機(jī)與數(shù)字工程;2015年09期

8 李松江;張異;龔躍;;基于蟻群算法的智能交通最優(yōu)路徑研究[J];長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

9 王琪;程彬;杜娟;徐國清;;一種改進(jìn)的小波閾值圖像去噪方法[J];計(jì)算機(jī)與現(xiàn)代化;2015年04期

10 王燕燕;葛洪偉;王娟娟;楊金龍;;一種動態(tài)分組的粒子群優(yōu)化算法[J];計(jì)算機(jī)工程;2015年01期

相關(guān)會議論文 前1條

1 翟磊;董守平;馬紅蓮;;數(shù)字圖像處理技術(shù)的發(fā)展現(xiàn)狀與展望[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

相關(guān)碩士學(xué)位論文 前10條

1 李萬程;基于改進(jìn)粒子群優(yōu)化算法的圖像去噪和圖像分割研究[D];天津工業(yè)大學(xué);2016年

2 張兆倫;基于非局部均值圖像去噪算法研究[D];南京郵電大學(xué);2015年

3 金國偉;基于混合高斯建模的目標(biāo)檢測和光流法的方向判斷[D];杭州電子科技大學(xué);2015年

4 孔波;運(yùn)動模糊圖像恢復(fù)算法研究與實(shí)現(xiàn)[D];西北師范大學(xué);2014年

5 潘昭;小波變換在超聲圖像處理中的研究與應(yīng)用[D];中南大學(xué);2011年

6 彭慧玲;基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測研究[D];遼寧工程技術(shù)大學(xué);2011年

7 張芬;基于多小波變換的圖像去噪方法研究[D];成都理工大學(xué);2010年

8 毛艷輝;小波去噪在語音識別預(yù)處理中的應(yīng)用[D];上海交通大學(xué);2010年

9 李慎篤;基于多特征的人臉檢測識別研究[D];中南大學(xué);2009年

10 黃淑君;第二代小波變換理論在圖像去噪中的應(yīng)用研究[D];武漢理工大學(xué);2006年

，

本文編號：1845207