截止目前累计成功为5,000,000 用户成功查重检测

CNCNKI学术不端文献查重检测系统 多语种 图文 高校 期刊 职称 查重 抄袭检测系统

基于剪切波变换的图像去噪算法设计与仿真

时间:2016-10-04 15:00:00 编辑:知网 阅读:

摘   要

图像是现代社会中很普遍的信息源,也是我们交换信息的一项有用的媒介。然而,图像在产生和传送的过程中总会受到许多噪声的影响,这些噪声带来的影响对于图像的使用、传送和储存会造成相当的负面作用。故而研发一种能明显降低噪声,又能尽可能地保存图像所携带信息的方法,在图像处理的领域中,是一个很重要的问题。

在图像去噪这一领域,我们经常使用的小波分析方法,已经具备比较好的性能,然而由于它自身也具有某些局限性,使得它更适合应用于那些具有着各向同性特征的对象,而且它在应对高维对象时,也有一些不足。而shearlet变换是一种多尺度的变换,因此它在应对高维和各向异性的对象时可以更好地展现出图像的细节等特征。本次设计拟提出一种shearlet变换分解和重构的实现方法,并将其运用到图像去噪中。在图像去噪中首先进行shearlet变换,然后对子带系数进行估计, 并对子系数进行阈值收缩处理,最后进行shearlet逆变换得到去噪后的恢复图像。实验结果表明, 该方法能够很好地抑制和去除噪声, 同时也能很好地保留图像边缘等细节特征。

知网论文查重

知网论文查重

第一章  绪  论

 

1.1  Shearlet变换的研究背景及意义

在处于21世纪的现代社会,图像是人们互通信息和资源的主要媒介之一。据相关调查,大约75%的信息是由我们的视觉系统来得到的,由此可以看出图像对于人类的重要性。作为极其重要的信息源,图像有着直观性良好、信息容量大等优势。

因此,在现代社会的每一个方面,图像本身及其处理,都是有着极大的现实意义,像医疗卫生、影像传播、科技教育等种种民事方面,图像都是不可或缺的;与此同时,图像在军事战争、卫星通信等领域也是必不可少的。

在图像的产生,传递,与处理过程中,或多或少的存在着一些影响其质量的因素,我们称这些因素为图像噪声。噪声的存在往往会使得图像的质量下降。

噪声的存在自身也会在相当大程度上给我们造成种种麻烦,例如在对边缘进行分析、收取图像特征、或是进行分割处理等等这些属于图像处理的绝大部分领域,噪声都会使得效果有所下降,甚至会严重影响工作的结果。这样的原因是:在很多非人力因素所能影响到的情况下,图像本身及其所含信息会不得被来自一些自然方面因素的噪声所干扰,情况非常严重的,甚至会使原图像变得乱七八糟。

因此,我们必须要想方设法,极尽所能的采取我们所能够采取的种种手段,用以在尽可能地不影响图像所携带信息的情况下,努力去除噪声,提高图像质量,提升工作效率。

噪声作为干扰图像的重要因素,我们把它分为三个大类:加性噪声,乘性噪声以及量化噪声。同时,处理噪声的方法也有均值滤波器,自适应维纳滤波器,中值滤波器,形态学噪声滤除器以及小波去噪等种种手段。

现在,小波分析的方法,在去除图像噪声时的应用是愈加常见起来。小波变换这个理论,是在二十世纪八十年代左右产生的,其研究和发展的最初目的是为了即展现图像细节特征,有就整体情况而言对它进行良好的信息储存。

一般意义的小波变换已经在图像去噪中取得了极其良好的效果,然而随着我们图像去噪的要求越来越精细,越来越严格,普通小波的一些劣势和不足,也逐渐被人们所发现。

通过大量的实验和结果总结,人们发现,小波变换在一维的处理上具有优良的性能,然而这种方法更适于去处理各向同性,奇异性的图像对象,面对更高维的,他就不能良好地展现出图像的像边缘和细节这样的基础特征。换而言之,常规小波并没有很强的方向性,这是导致它出现这些劣势地根本原因。

为了弥补小波变换的种种不足,同时推进图像处理技术的发展和完善,人们把眼光投向了一些其它新的方法,shearlet变换就是在这样的背景下,被研究图像领域的一些专家学者纳入眼中。

 

1.2  shearlet变换的发展现状

剪切波的发展基础是复合伸缩小波,在现代社会中是一种比较先进的手段。一般来说,剪切系统由控制方向的剪切矩阵和控制尺度的抛物矩阵所决定。由于它同时控制着方向和尺度,因而在处理高维问题时相较于普通小波,有着独特的优越性。

而且相较于其它二维方向性系统,剪切波也有着其独有的优点,他能对连续和离散情形进行一致性处理。剪切波的优越性使得人们对它的研究愈发加深。

通过人们的研究,剪切波在频域和时域内都有着实现的办法。

在频域的实现最为普遍,简单来说,通过多尺度剖分与方向局部化的方法,就能够轻松实现频域的剪切变换。

在时域内,科研人员也已研究出了种种方法。和在频域内进行的剪切波变换不一样的是,剪切波变换将能够更好地实现“捕捉信号的局部性”这一目标,如果它在时间域内进行的话。而且,这一种方法也是有着快速算法,我们可以通过物理学中一种名为“卷积”的运算来实现他。

为了向图像处理领域的研究者们说明,紧支撑的剪切波框架在时间于中也是存在的。Lim通过辛苦的设计而和同伴们一起发明出了一个具有数学上充分意义的条件,如果基于这个条件,就能够在把箱样条作为基础的情况下,设计出一种紧支撑的剪切波,这种剪切波是锥形的,被人们称作“MRA型”。这项发明在图像处理领域内,是一个非常令人喜悦的成果,很快它就被运用到了图像处理中去。Kutyniok等人研究发明了剪切波变换的细分办法,找出了相应的多分辨率分析方法,这可以看成是经典小波分析之中那些细分方法的推广。Han 等人 发现了自适应的多分辨率分析办法,这种办法使得对图像的分解具有很强的自适应能力,这是由于它运用了小波分析中的一种被称作“酉扩充”的著名原理,并且把它完好的在剪切波变换中实现出来。

经过这么多年的不断更新发展,剪切波的体系已经比较完善,然而还有着许多地方有待科研人员的深入研究,以期获得更好的应用价值。

 

1.3  本文的主要工作与章节安排

剪切波作为一种重要的数学工具,不仅从小波,曲波,轮廓波那里延续了的相当一部分优点,例如能够对多维(维数大于等于二)信号中的几何特征进行有效识别,而且具有自身的优势——它具备敏感的方向性能。无论在理论还是应用上,它对于图像处理领域都具有极其重要的意义。

在图像分割,边缘分析与监测,图像融合,等诸多方面,剪切波已被广泛地研究和进行应用,并取得了显著的成就和极其良好的效果。

在本文中,我们将提出一种基于Shearlet变换的图像分解和重构的实现方法,并将这种方法运用到图像去噪中去。在图像去噪中,对其子带系数进行估计, 并实现对子带的收缩去噪。同时运用matlab软件读取图像数据,并分别以普通小波,轮廓波,Curvelet小波,以及剪切波等不同方法对其进行去噪,用软件matlab对这种去噪算法进行仿真实验,把所取得的图像结果和数据结果进行对比,并确定这种基于剪切波的图像去噪算法的性能。

论文的构造上,本文分为了四个章节:

第一章:绪论。在绪论中,对剪切波变换的研究背景及其意义,剪切变换的发展现状和研究形势,以及关于本篇论文的主要工作,各个章节的内容安排,做出了一个大体上的介绍。

第二章:Shearlet变换理论基础。在这一章中,主要对剪切变换的定义,剪切波的一些基本性质,剪切波的实现(包括时域的实现和频域的实现)进行重点介绍,以及剪切波的一些应用进行拓展介绍。

第三章:基于shearlet变换的图像去噪。这一章是本文的核心内容,通过这一章,本文将介绍仿真实验结果的预测,运用剪切变换所设计出的一种图像去噪算法,以及运用软件matlab对该算法进行仿真所得到的一系列实验结果,和通过对实验结果的对比分析所得到的实验结论。

第四章:总结与展望。对本次毕业设计论文进行最后总结,并对shearlet变换的未来进行展望。

返回