小波变换的图像去噪.ppt

小波变换的图像去噪

传统的去噪方法是将信号通过一个低通或带通滤波器,其缺点是在去噪的同时,也模糊了信号,这是因为传统的基于傅氏变换的信号去噪方法是一种全局变换,其只能反映图像的整体特征,无法表述图像的时频局域化特性,在去除噪声和边缘保持上存在着不可调和的矛盾。
近年来,采用小波变换进行图像去噪处理已表现出良好前景。小波变换具有时频局域化分析特性,能够检测到局部突变的边缘特征,而且可将图像的结构和纹理分别表现在不同的分辨率层次上。

基于小波多分辨分析的图像去噪是小波理论中的一项重要的内容,它是解决去噪问题的一种非常有效手段,本案例采用了对比的方法,对cameraman图像加入高斯噪声,利用haar小波函数对该图像和信号进行二级分解,分别用小波变换对该图像进行去噪,并采用空域滤波和频域低通滤波对其去噪,给出了仿真结果,从视觉直观图和峰值信噪比这一参数上进行了分析对比,比较其效果,目的就是体现小波变换对信号和图像去噪比起其他算法的优势。

①分析小波分解级数对去噪效果的影响
②研究小波基函数对去噪效果的影响
③研究小波的图像去噪及其他算法的去噪,比较其效果。

小波分解层数对去噪效果的分析
通过实验直观效果图及峰值信噪比可知,对图像进行2级小波分解效果最佳,峰值信噪比最大,所以在以下的实验中选用2级小波分解。
分解级数
一级分解
二级分解
三级分解
四级分解
PSNR





小波基函数对去噪效果的影响分析
通过实验直观效果图及峰值信噪比可知,对图像采用haar小波基函数进行分解效果最佳,峰值信噪比最大,所以在以下的实验中选用haar小波基函数。
小波基函数
sym4小波
db10小波
coif2小波


haar小波
PSNR






六. 小波变换图像去噪仿真结果
小波图像去噪仿真结果分析
从消噪结果来看,用小波变换进行图像消噪所得的图像主观效果更好,从它们的峰值信噪比来看,用小波变换进行图像消噪所得的图像的峰值信噪比更大,这些都说明小波变换的图像去噪效果更好。
去噪方法
峰值信噪比/dB
中值去噪

巴特沃斯低通去噪

小波去噪