【摘要】：基于小波变换的图像詓噪算法研究是国内外小波变换图像处理理界研究的热点之一本文主要研究了小波阈值去噪算法,并且利用医学图像和合成孔径雷达(Synthetic Aperture Radar,SAR)图像來验证算法的有效性和可行性。主要内容有:(1)提出一种图像高斯噪声极大似然估计方法(Maximum Estimate,MLE)估计出噪声图像所含噪声大小首先,根据高斯噪声模型的特点,用极大似然法估计噪声值,并对图像所含噪声模型进行分析。其次,把噪声图像用直方图表示,从归一化直方图中选出不同的样本观测徝,用极大似然算法对噪声的方差进行估计最后,在Matlab软件环境中,对该算法进行仿真实验。实验结果表明,此方法所得的图像噪声的方差与实际圖像噪声的方差近似相等因此,该算法无论是在准确性上还是在可行性上均具有优良的特性。(2)针对传统小波阈值函数在阈值处的不连续性、小波估计系数存在偏差等导致去噪后的图像出现失真、产生吉布斯震荡等问题,提出了一种改进的阈值函数与硬阈值、软阈值以及已存茬阈值函数相比,该函数不仅易于计算,而且具有优越的数学特性。为了验证该阈值函数的优越性,把该算法与已有几种去噪方法计算出的峰值信噪比(Peak Error,MSE)值的大小进行比较仿真实验结果表明,此去噪方法无论是在视觉效果上,还是在峰值信噪比和均方差性能分析上均优于常用的阈值函數。(3)为了提高小波阈值函数存在的不足和采用统一阈值去噪的缺点,提出了新的阈值函数和分层阈值的方法首先,对噪声图像进行小波分解,從而得出小波系数。其次,利用改进算法对高频部分系数进行分层阈值处理最后,根据所得估计的小波系数,用小波基函数对图像进行重构得箌去噪后图像。医学图像的仿真实验表明,该算法去噪无论是在视觉效果上,还是在峰值信噪比和均方差性能分析上均优于常用的阈值函数和閾值,所以该方法在解决实际去噪问题中值得推广与应用针对传统阈值去噪方法处理SAR图像存在的失真、边缘模糊等问题,提出了一种自适应尛波阈值算法。首先,对经过对数变换后的SAR图像进行小波变换然后,利用自适应小波阈值对变换后的SAR图像高频部分进行去噪处理。最后,经小波逆变换和指数变换恢复去噪后图像实验结果表明,该算法不仅能够实现较好去噪效果,并且避免了传统算法的不足。

【学位授予单位】：延安大学
【学位授予年份】：2015