基于小波變換的受損圖像的復(fù)原研究.pdf

1、在各類數(shù)字圖像系統(tǒng)中，由于圖像的傳送和轉(zhuǎn)換，如成像、復(fù)制、掃描、傳輸?shù)龋傄斐蓤D像的降質(zhì)。典型的表現(xiàn)為圖像模糊、失真、混有噪聲等。而在許多的應(yīng)用領(lǐng)域中如衛(wèi)星電視、天文檢測(cè)、地理信息系統(tǒng)、X射線透視、公安系統(tǒng)用的人臉識(shí)別、指紋識(shí)別等，又都需要清晰的、高質(zhì)量的圖像，因此，為了抑制噪聲，改善圖像質(zhì)量，復(fù)原圖像具有非常重要的意義。
　　對(duì)圖像復(fù)原的要求是既能去除噪聲，又能保持圖像的邊緣和細(xì)節(jié)，而它們往往表現(xiàn)為一對(duì)矛盾。小波分析具有良好的

2、局部時(shí)頻特性，它通過(guò)伸縮、平移等運(yùn)算功能對(duì)信號(hào)進(jìn)行多尺度分析，能有效地從信號(hào)中提取信息。小波分析在圖像去噪中具有廣泛的應(yīng)用，它能在去噪的同時(shí)保留圖像細(xì)節(jié)，得到原圖像的最優(yōu)恢復(fù)。而數(shù)字圖像復(fù)原有著悠久的歷史和很多成熟的經(jīng)典的算法，像頻域的維納濾波和空域的中值濾波，它們都在圖像復(fù)原領(lǐng)域扮演著重要的角色，但是目前的實(shí)際應(yīng)用中，不是所有的受損圖像都能有效的復(fù)原，達(dá)到理想的效果。因?yàn)槊恳环N圖像處理的算法不是萬(wàn)能的，它都有一定的局限性和自己的優(yōu)點(diǎn)，

3、這就促使后人不斷的研究和學(xué)習(xí)，不斷的改進(jìn)各種算法。
　　本文在前面幾章里，首先系統(tǒng)闡述了圖像復(fù)原在頻域、空域及小波域的處理方法，同時(shí)通過(guò)大量仿真實(shí)驗(yàn)得出仿真結(jié)果，驗(yàn)證了各種方法的局限性和優(yōu)缺點(diǎn)。通過(guò)第三章中對(duì)數(shù)字圖像復(fù)原方法的自適應(yīng)中值濾波法的研究和第四章中對(duì)小波域的閾值降噪方法的討論，證明了這兩種方法的優(yōu)點(diǎn)和局限性。小波域復(fù)原算法保持邊緣性好，對(duì)高斯噪聲降噪效果較好，但對(duì)脈沖噪聲處理效果較差。自適應(yīng)中值濾波算法簡(jiǎn)單，處理脈沖噪聲