基于小波邊緣檢測的圖像去噪方法研究.pdf

1、現實中的圖像多為帶噪圖像，為了更好地對圖像進行分析和通信，就必須在圖像預處理中減小圖像中的噪聲。近年來，隨著小波理論的不斷完善，小波分析已經滲透到各學科領域。小波變換由于具有“數學顯微鏡”的作用，在去噪的同時能保持圖像細節(jié)，得到原圖像的最佳恢復。傳統(tǒng)的去噪方法在去噪的同時使圖像的細節(jié)變得模糊。為了在圖像去噪的同時又保留其邊緣特征，本文提出了把邊緣檢測和MAP估計得到的閾值相結合用于圖像去噪。 傳統(tǒng)的邊緣檢測基于一階導數極大值或二

2、階導數零交叉的定義。這種定義對噪聲非常敏感，因此邊緣檢測需要通過圖像平滑在大尺度下進行。但在大尺度下進行邊緣檢測的一個缺點是邊緣位置容易發(fā)生偏移。小波分析具有多尺度特性，既有大尺度的基函數，又有小尺度的基函數，因而在運用于邊緣檢測時，正好解決了這個問題。本文首先根據小波變換的多尺度特性，用B樣條小波對圖像邊緣進行定位，在獲得良好邊緣的情況下，邊緣定位準確度高。 在閾值處理的時候，這些邊緣點不參與閾值處理。在對各個高頻子帶中由于全

3、局閾值法會“過扼殺”圖像的小波系數，所以非邊緣點采用貝葉斯最大后驗概率準則下的子帶MapShrink閾值。具有局部自適應性，能更好的去除噪聲。通過仿真試驗可知，論文算法在去除噪聲的同時還保留了圖像的邊緣特性，并且在去噪性能指標上、在視覺效果上都要優(yōu)于其它幾種方法。采用本文的方法去噪后，圖像的輪廓比較清晰，細節(jié)比較明顯。 本課題主要工作和研究內容如下： (1)論述了小波理論發(fā)展的歷程、小波分析在圖像去噪和邊緣檢測中的應用以

4、及小波去噪的優(yōu)勢。 (2)探討小波分析在邊緣檢測中的應用。充分利用小波變換的特點，用B樣條小波得到不同尺度的小波變換，在每種尺度下分別提取圖像邊緣：而后利用邊緣信息的多尺度特性，將各尺度的邊緣圖像的結果融合起來，發(fā)揮各尺度的優(yōu)勢，得到精確的單像素寬的邊緣。 (3)針對傳統(tǒng)去噪方法不能保留邊緣特征和全局閾值法“過扼殺”小波系數的缺點，提出了基于邊緣檢測和MAP估計的小波閾值去噪方法，該方法在去噪之前，先通過小波邊緣檢測方法