论文部分内容阅读
图像是人们传递信息的主要媒介,但图像在采集和传输的过程中,易受到噪声的干扰,导致图像质量下降,这对图像更高层次的处理十分不利。传统图像去噪的方法存在保护边缘信息和抑制噪声两难的矛盾问题。被称为“数学显微镜”的小波理论应运而生,其具有低熵性、多分辨性和去相关性等优点,能在去噪的同时保留图像细节,得到原图像的最佳复原。因此对小波变换图像去噪算法的研究具有现实意义。本文对基于小波变换的图像去噪方法进行了深入的研究和分析,详细讨论了小波变换模极大值去噪、小波系数相关性去噪、小波阈值去噪三种经典的去噪方法,根据仿真结果进行分析比较,得出小波阈值去噪方法的效果最好,计算量最小的结论。小波阈值去噪算法中硬阈值函数的不连续性易导致重构信号出现伪吉布斯现象,软阈值函数估计值与实际值之间总存在恒定的偏差,具有一定的局限性。针对以上问题,提出一种小波阈值去噪的改进算法。该算法在阈值函数的选取、噪声方差估计、阈值的最优化三个方面均作出了改进。经仿真实现可以看出改进算法的去噪效果比传统小波阈值法更显著,图像的峰值信噪比和视觉效果得到了明显的提高,是一种有效的图像去噪方法。最后将改进的小波阈值去噪算法应用于合成孔径雷达(SAR)图像中,仿真结果表明,改进算法能有效地抑制SAR图像中的相干斑点噪声,具有更好的去噪效果。