【摘要】：數(shù)字圖像已成為人們獲得信息和利用信息的重要手段。然而,數(shù)字圖像在采集、傳輸、存儲等過程中都會受到不同程度的噪聲干擾,為了得到盡可能真實的圖像,從而滿足實際應用中對圖像的視覺及圖像質量的要求,對數(shù)字圖像的去噪處理是很有必要的。圖像去噪是當前數(shù)字圖像處理研究的熱點之一。圖像中的高斯噪聲為常見噪聲中的一種,對于這種噪聲,小波變換去噪為一種相對有效的去噪方法。本文深入地研究了小波變換理論,小波變換是一種良好的時頻變換方法,是調和分析的結晶。但是近年來研究發(fā)現(xiàn)小波變換在二維圖像中,對圖像的表示存在著不足。針對于小波變換在二維圖像中系數(shù)的稀疏性、圖像方向細節(jié)性表示的不足。本文深入地研究了剪切波變換這種新型的圖像表示方法,可通過拉普拉斯金字塔實現(xiàn)圖像尺度的分解,通過偽極向格實現(xiàn)圖像的細節(jié)捕捉。本文在研究了小波變換及剪切波變換的基礎上做了以下工作:1.將一維信號中去噪的相關的閾值函數(shù)引用到了二維圖像去噪中。本文研究了小波閡值圖像去噪,通過幾種閾值函數(shù)在VisuShrink閡值下做了仿真實驗,實驗對比中發(fā)現(xiàn)軟閡值改進函數(shù)優(yōu)于其它閾值函數(shù)。2.改進了剪切波變換下的硬閾值函數(shù)圖像去噪。本文研究了剪切波分解尺度及方向數(shù)量對圖像去噪效果的影響。通過小波閾值圖像去噪,將小波中的閾值函數(shù)用到了剪切波變換下,發(fā)現(xiàn)效果不良,因此探索改進了閾值函數(shù),在一定程度上優(yōu)化了硬閾值函數(shù)。3.給出了一種未知噪聲大小下剪切波變換改進閾值函數(shù)圖像去噪。針對剪切波變換在已知噪聲下去噪,本文在貝葉斯框架下將小波閾值用于圖像噪聲估計,將得到的噪聲估計大小用到剪切波的硬閾值函數(shù)與改進閾值函數(shù)下的圖像去噪。給出了一種在未知噪聲下的剪切波改進閡值函數(shù)圖像去噪方法,并從實驗仿真效果上證明了其有效性。
[Abstract]:Digital image has become an important means for people to obtain and utilize information. However, in the process of acquisition, transmission and storage, digital image will be disturbed by noise to different degrees. In order to get the real image as much as possible, it can meet the requirements of image vision and image quality in practical application. The denoising of digital image is necessary. Image denoising is one of the hotspots in digital image processing. Gao Si noise in image is one of the common noises, for which wavelet transform denoising is a relatively effective denoising method. In this paper, the theory of wavelet transform is deeply studied. Wavelet transform is a good time-frequency transform method and is the crystallization of harmonic analysis. However, in recent years, wavelet transform has been found to be inadequate in the representation of two-dimensional images. In view of the sparsity of coefficients in two-dimensional images and the deficiency of directional detail representation of wavelet transform. In this paper, a new image representation method, shear wave transform, is studied, which can decompose the image scale by Laplacian pyramid and capture the details by pseudo polar lattice. Based on the study of wavelet transform and shear wave transform, the following works have been done: 1. The threshold function related to denoising in one dimensional signal is referenced to two dimensional image denoising. In this paper, the wavelet threshold image denoising is studied. The simulation experiments are done under the VisuShrink threshold by several threshold functions. The comparison of the experimental results shows that the improved soft threshold function is better than other threshold functions. 2. The hard threshold function image denoising under shear wave transform is improved. In this paper, the effect of the scale and direction of shear wave decomposition on image denoising is studied. Through wavelet threshold image denoising, the threshold function of wavelet is used in shear wave transform, and the effect is not good. Therefore, the threshold function is improved, and the hard threshold function is optimized to a certain extent. An improved threshold function image denoising based on shear wave transform with unknown noise is presented. In this paper, the wavelet threshold is applied to image noise estimation under Bayesian framework, and the noise estimation is applied to the hard threshold function of the shear wave and the image denoising under the improved threshold function. An improved threshold function image denoising method for shear wave under unknown noise is presented, and its effectiveness is proved by experimental simulation.
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 王勇智,黃紅波;一種數(shù)學圖像去噪的新方法[J];岳陽職業(yè)技術學院學報;2005年01期

2 楊淑伶;郭定輝;管克英;;一個用于圖像去噪、量化的反應擴散模型[J];數(shù)學的實踐與認識;2006年08期

3 王香菊;;圖像去噪方法及應用[J];科技情報開發(fā)與經濟;2007年27期

4 高嵐;廖云良;袁中華;;尺度適應性二代小波的圖像去噪方法[J];船海工程;2007年06期

5 楊文國;;基于擴散方程的圖像去噪[J];科技風;2008年20期

6 于雯輝;田逢春;李立;唐光菊;;基于空域平均的圖像去噪方法[J];光電子技術;2008年02期

7 王銀峰;朱麗麗;何光宏;朱根琴;;一種基于尺度相關的小波圖像去噪方法[J];激光雜志;2008年05期

8 姚斌;楊玲香;;基于非線性復擴散和小波的圖像去噪方法[J];航空計算技術;2009年05期

9 李柯材;張曦煌;;基于鄰域閾值萎縮法的圖像去噪方法的優(yōu)化[J];計算機應用;2010年01期

10 李燕民;季維勛;李維國;;一種新的圖像去噪方法[J];微計算機應用;2010年03期

相關會議論文 前10條

1 劉旨春;朱偉;盛磊;;基于鄰域特性的小波閾值圖像去噪方法[A];第九屆全國信息獲取與處理學術會議論文集Ⅱ[C];2011年

2 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應方向小波在磁共振圖像去噪中的應用[A];第十七屆全國波譜學學術會議論文摘要集[C];2012年

3 韓希珍;趙建;;基于偏微分方程的圖像去噪[A];第八屆全國信息獲取與處理學術會議論文集[C];2010年

4 殷明;劉衛(wèi);;基于非高斯分布的四元數(shù)小波圖像去噪[A];全國第22屆計算機技術與應用學術會議(CACIS·2011)暨全國第3屆安全關鍵技術與應用（SCA·2011）學術會議論文摘要集[C];2011年

5 侯艷芹;李均利;魏平;陳剛;;一種新的基于模糊均差和小波閾值的醫(yī)學圖像去噪方法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

6 劉曙光;費佩燕;屈萍鴿;;基于對偶樹復小波的圖像去噪技術研究[A];2009中國儀器儀表與測控技術大會論文集[C];2009年

7 周利利;張曉明;;基于小波變換的圖像去噪研究[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎論文集[C];2009年

8 王文;康錫章;王曉東;;基于小波域HMT的航空偵察圖像去噪方法[A];'2003系統(tǒng)仿真技術及其應用學術交流會論文集[C];2003年

9 倪永婧;王成儒;;一種紋理圖像去噪方法的研究[A];2006中國控制與決策學術年會論文集[C];2006年

10 鄧超;;基于改進神經網絡的CCD圖像去噪方法研究[A];武漢(南方九省)電工理論學會第22屆學術年會、河南省電工技術學會年會論文集[C];2010年

相關博士學位論文 前10條

1 張偉;具有擴散—波動調和特性的圖像去噪方法[D];上海交通大學;2014年

2 劉孝艷;變分、PDE和非局部濾波在圖像去噪中的應用研究[D];西安電子科技大學;2015年

3 羅亮;基于MCMC采樣的非局部圖像去噪方法研究[D];西安電子科技大學;2015年

4 廖帆;四方向全變分在圖像去噪問題中的應用[D];東南大學;2015年

5 楊昊;圖像去噪中幾種優(yōu)化算法的相關研究[D];電子科技大學;2016年

6 楊成佳;圖像去噪及其效果評估若干問題研究[D];吉林大學;2016年

7 張崢嶸;基于變分模型的泊松圖像去噪及去模糊研究[D];南京理工大學;2015年

8 劉紅毅;結構保持的圖像去噪方法研究[D];南京理工大學;2011年

9 侯迎坤;非局部變換域圖像去噪與增強及其性能評價研究[D];南京理工大學;2012年

10 侯建華;基于小波及其統(tǒng)計特性的圖像去噪方法研究[D];華中科技大學;2007年

相關碩士學位論文 前10條

1 陳龍;偏微分方程擴散模型在圖像去噪中的應用[D];昆明理工大學;2015年

2 李孟嬌;基于壓縮感知的圖像去噪理論研究[D];長安大學;2015年

3 楊巧;新的TV改進模型以及在SAR圖像去噪中的應用[D];陜西師范大學;2015年

4 顏珂;高通量基因測序堿基識別中圖像去噪的方法研究[D];哈爾濱工業(yè)大學;2015年

5 遲廣元;兩類圖像去噪模型的若干數(shù)值新方法研究[D];華北電力大學;2015年

6 陳會娟;噪聲的估計及基于快速NLM的去除[D];華僑大學;2015年

7 溫海嬌;圖像去噪與恢復[D];南京航空航天大學;2014年

8 范旭;基于Contourlet變換的SAR圖像去噪研究[D];西安電子科技大學;2015年

9 田剛;基于非局部均值的MRI圖像去噪研究[D];西安電子科技大學;2014年

10 范婷;基于字典學習的圖像去噪方法研究[D];西安電子科技大學;2014年

，

本文編號：2403908