论文部分内容阅读
目前图像信号处理中已应用到许多新成就。灰度指纹图像一般受脉冲噪声污染较大,对其处理已有许多进展。去噪处理已成为研究重点。小波多分辨率逼近分析去噪已发展成为图像处理的一个重要而有效的工具。小波分析中一个重要问题是阈值的选择。目前大部分的研究是,应用现代谱估计的自回归算法得到各个分辨率下的小波软阈值,未考虑噪声环境的影响。实际上,当图像受到脉冲噪声污染后,图像噪声统计特性不能达到理想程度。本人在这篇论文中,从小波基的选择。量化方法、滤波器构成方面优化设计,尤其在小波阈值选择上,通过把小波软阈值的选择与信噪比联系起来从而增加了图像信号的信噪比。为此我主要做了以下方面的工作: 首先,是小波基的选取,因为小波基的选取不同于短时Fourier变换。选取不同的小波基对同一图像信号处理会得到不同的结果,就目前的几种小波基。我选择了五株形小波。数学上已经证明,这种图像采样后的小波变换必然对应于两个正交的镜相滤波器,而且还包括一个细节。因为这样的一个正交小波包,它具有正交,对称,紧支,高阶消失距,能保持线性相位;而且分辨率是二进小波的二倍。 其次 是在量化方法上考虑一些特殊图象,如指纹灰度图像,由于这种图像变化比较复杂。一般均匀量化不能很好地体现图像本身的信息。所以只能分块量化。在这篇论文中,我采用先分块,再采用均匀量化的办法。 第三是:图像滤波问题,滤波在全图像处理中起着重要的作用。它可以有效地抑制(平滑)各种噪声,保护边缘信息,从而改善后续处理工作的质量。目前国内外图像滤波常用的方法有线性滤波和非线性滤波。线性滤波有完善的理论基础,数学处理也简单,易于FFT实现,在滤波技术中占有及其重要的地位,但对于像素受污染的指纹图像而言由于脉冲噪声的重脱尾,处理效果并不太理想。因为噪声时常包含非线性问题,针对这种情况,既要抑制噪声,又要保护图像边缘,本文采用一从度指纹图像上噪处理研究种基于线性,非线性的混合滤波器算法,该算法比均值滤彼器,中值加权滤波器,格形滤波器,具有更好的抑制噪声的能力,不但较好的保持图像地边缘,而且能反映图像的几何结构和细节特性。 第四是小波软阈值的选择:本人把小波软阈值的选择跟图像信号的信噪比联系起来。我的思路是:改造现有图形结构,先建立能反映信噪比大小且含待定参数K的表达式,然后通过离散型H0pfi旧单层反馈神经网络,再结合前边的混合滤波器构成一个非线性控制系统,写出对应的网络函数,利用相平面法和李雅普诺大稳定性的判据,得到一个稳定的极限环,从而确定出参数卜的范围,进而再对原来的小波软阈值进行修正,用修正后的值作为小波阈值。 综上四个方面的工作我进行了仿真验证,仿真结果验证了上述做法的合理性。