基于边缘检测的图像多小波去噪方法

来源 :华南师范大学 | 被引量 : 0次 | 上传用户:chenfengling
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图像受获取和存储、处理及各种干扰的影响,不可避免地会带有噪声。因此,对含噪图像进行去噪处理,提高图像的质量,就成为一个重要的研究课题。对于图像的去噪问题,目前小波系数收缩法及其改进形式的研究成了一个热点,并取得了较好的结果。但单小波不能同时拥有对于图像处理很重要的正交性、对称性、紧支性和光滑性,这限制了进一步提高单小波系数收缩算法去噪效果。因而人们开始关注具有良好性质的多小波,并得到了一些研究结果。   保护图像边缘和去噪往往是一个矛盾点,在有效去噪的同时很容易丢失图像的边缘信息。而边缘信息对于图像来说又是一个非常重要的特征。因此,我们有必要寻求一种既能有效去噪又能保护图像的边缘信息的算法。本文提出了一种保护图像边缘的多小波去噪算法,该算法先采用Canny边缘枪测算法对含噪图像进行边缘提取,保存该提取的边缘信息,然后再对含噪图像进行多小波去噪,对于提取出来的含噪图像边缘信息,可以采用简单的图像平滑算法进行去噪,去噪后再将该边缘信息去替换用多小波去噪后的边缘信息,这样就达到了去噪的同时保护了图像的边缘信息。   本文以标准256级灰度图像为研究对象,利用多小波变换将图像变换到多小波域,在多小波域内使用分层阈值对多小波系数进行阈值收缩函数处理,对图像进行多小波去噪。针对标准的256级灰度图像,本文进行了去噪仿真实验研究,实验结果表明,本文提出的算法在去除噪声的同时可以有效地保护图像的边缘细节信息。
其他文献
水下无线传感器网络(Underwater Wireless Sensor Network,UWSN)可用于海洋学数据收集、污染监测、近海探测、灾难防御以及协助海军进行战术跟踪等领域。与其他水下探测工具
中文分词及词性标注不仅是自然语言理解领域的难点问题,也是中文数学智能教学系统中的基础性问题。提高自动分词及词性标注的准确率,修正分词及词性标注的结果,能为实现小学
车牌识别是现代智能交通系统中的重要组成部分,它以数字图像处理、模式识别、计算机视觉等技术为基础,对摄像机所拍摄的车辆图像或者视频序列进行分析,得到每一辆汽车唯一的
传统的数据挖掘解决了海量数据贫乏知识的情况,但是传统的数据挖掘只适合于准确的数据,它没有考虑到数据的不确定性,然而不确定性是客观事物本身所固有的一种特性,数据挖掘如
随着互联网的飞速发展,互联网的应用也在快速普及,并受到了公众的认可和赞同。同时,互联网也渗透到我们每个人的生活中,网上交易购物,也变得越来越流行。由于互联网信息的种
在工业和农业领域,温度的测量已经成为保证设备正常运转和实验正常进行的重要指标。本文用ZigBee无线通信技术和基于ARM的嵌入式技术组建了无线温度监控系统。   ZigBee无
近年来,随着计算机及互联网技术的不断发展,对网络带宽要求较高的多媒体技术也得到了充分的发展,其中基于P2P流媒体技术成为了当前的热点研究问题。P2P网络的发展,为我们提供
搜索引擎作为一扇通往互联网高速信息的窗口,已成为广大网民日常生活中不可或缺的重要组成部分。搜索引擎的功能改进和性能优化一直以来都是业内研究的热点问题。未来搜索引
近年来国内外学者对本体理论和本体构建技术的研究不断深入,但是本体的构建大多处于一种各自为阵的状态,造成资源的大量浪费,本体的重用和共享程度低。在这种背景下,构建一套
本体是共享概念模型的形式化规范说明。随着语义Web的发展,本体的开发及应用越来越多,这必然会引起本体异构问题。本体映射能够很好的解决本体异构问题。   本体映射是发