小波阈值图像去噪.ppt

上传人:小飞机 文档编号:5346122 上传时间:2023-06-28 格式:PPT 页数:25 大小:1.41MB
返回 下载 相关 举报
小波阈值图像去噪.ppt_第1页
第1页 / 共25页
小波阈值图像去噪.ppt_第2页
第2页 / 共25页
小波阈值图像去噪.ppt_第3页
第3页 / 共25页
小波阈值图像去噪.ppt_第4页
第4页 / 共25页
小波阈值图像去噪.ppt_第5页
第5页 / 共25页
点击查看更多>>
资源描述

《小波阈值图像去噪.ppt》由会员分享,可在线阅读,更多相关《小波阈值图像去噪.ppt(25页珍藏版)》请在三一办公上搜索。

1、小波阈值图像去噪,姓名:丁红军学院:精仪学院学号:1215202002,1、图像噪声2、小波阈值去噪 3、去噪的流程与步骤 4、仿真结果5、去噪结果分析6、结论,1、图像噪声 图像信号在其形成、传输、变换以及终端处理中,经常会受到各种噪声的干扰而降质。,4,为什么进行图像去噪?,随着各种数字仪器和数码产品的普及,图像和视频已成为人类活动中最常用的信息载体,它们包含着物体的大量信息,成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质,并且图像预处理算法的好坏又直接关系到后续图像处理的效果,如图像分割、目标识别、目标跟踪等,所以为了获取

2、高质量数字图像,很有必要对图像进行降噪处理,尽可能的保持原始信息完整性(即主要特征)的同时,又能够去除图像中无用的噪声。所以,降噪处理一直是图像处理和计算机视觉研究的热点。,5,常见噪声类型及去噪方法,高斯噪声,椒盐噪声,散斑噪声,随机值噪声,去噪方法:均值滤波、中值滤波、维纳滤波、高斯滤波、马尔可夫随机场模型、偏微分方程、小波分析,2、小波阈值去噪2.1 小波图像去噪原理2.2 常用的小波阈值函数,小波图像去噪原理,小波图像变换的三级分解示意图,图像和噪声在经小波变换后具有不同的统计特性:图像本身的能量对应着幅值较大的小波系数,主要集中在低频(LL)部分;噪声能量则对应着幅值较小的小波系数,

3、并分散在小波变换后的所有系数中。基于此可设置一个合适的阈值门限,认为大于该阈值的小波系数的主要成份为有用的信号,给予收缩后保留;小于该阈值的小波系数,主要成份为噪声,予以置零剔除;然后经过阈值函数映射得到估计系数;最后对估计系数进行逆变换,就可以实现去噪和重建。去噪时,通常认为低通系数含有大量的图像能量,一般不作处理,只对剩余三个高通部分进行处理。一次阈值去噪并不能完全去除噪声,还需要对未作处理的低频部分(LL)再次进行小波分解和阈值去噪,直到实际图像与估计图像的偏差达到最小值。但是,随着分解和去噪次数的增加,小波系数中的噪声能量越来越小,并且趋于分散,去噪的效果将逐渐降低。一般来说,进行3-

4、4层小波分解和去噪就可以达到满意的去噪效果。,2.2 常用的小波阈值函数 阈值函数法(又称小波阈值去噪法)是目前研究和应用比较广泛的去噪方法之一。阈值函数法主要是基于在小波高频子空间中,比较大的小波系数一般都是以实际信号为主,而比较小的小波系数则很大程度上都是由噪声产生,因此可通过设定合适的阈值去除噪声。首先将小于阈值的系数置为零,而保留大于阈值的小波系数,再通过一个阈值函数映射,得到估计系数,最后对估计系数进行逆小波变换,就可以得到去噪后的信号重建。但噪声水平比较高时,容易将原信号的高频部分模糊掉。在这里如何对小波系数进行筛选是阈值函数法的关键步骤,小波系数的筛选又主要依赖于阈值函数和阈值的

5、选择。,常用的小波阈值函数,软阈值函数:,硬阈值函数:,最佳软阈值函数:,3.小波阈值去噪的流程与步骤 3.1 小波阈值去噪的流程 3.2 小波阈值去噪步骤 3.3 参数选择,3.1 小波阈值去噪的流程,3.2 小波阈值去噪步骤(1)二维信号的小波分解。选择一个小波(sym8)和小波分解的层次 N(3),然后计算信号S 到第 N 层的分解。(2)对高频系数进行阈值量化,对于从一到 N 的每一层,选择一个阈值,并对这一层的高频系数进行软阈值化处理。(3)二维小波的重构,根据小波分解的第 N 层的低频系数和经过修改的从第一层到第 N 层的高频系数,来计算二维信号的小波重构。,3.3 参数选择(1)

6、小波为sym8和小波分解的层次为3;(2)最佳阈值系数为a=0.6774;(3)根据小波分解的尺度选择不同的阈值,4.小波阈值去噪的仿真结果,5.去噪结果分析,Tianjin University,(1)均方误差(MSE):,注:MSE越小说明去噪效果越好。,(2)峰值信噪比(PSNR):PSNR值越大,就代表失真越少。其中,MSE是原图像与处理图像之间均方误差。,通过比较,可以得出结论,使用最佳软阈值算法得到的性噪比明显比硬、软阈值得到的高,而均方差又明显比较小。虽然硬阈值的数据比最佳软阈值差不多,但是最佳软阈值对图像细节的保护明显比硬阈值的好。,6、结论 在小波变换图像去噪理论中,主要是对两个方向进行改进和研究,一是小波变换理论,寻找最理想的小波变换基,来获得对图像更好的分析和理解;二是通过挖掘小波变换系数之间的各种关系,寻找到噪声点和信号点存在的差异性,通过这种差异性来完成对图像的去噪。,Thank You!,

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 生活休闲 > 在线阅读


备案号:宁ICP备20000045号-2

经营许可证:宁B2-20210002

宁公网安备 64010402000987号