多小波图像去噪方法研究

随着图像信息的日益普及，图像在很多领域都有非常重要的作用。然而在对图像信息进行处理的过程中，由于种种原因，其质量有可能受到损害，噪声就是其中之一。因此为了后续更高层次的处理，很有必要对图像进行去噪。近年来，在小波基础上发展起来的多小波得到了很大发展，已经渗透到各个领域，并在图像去噪中取得了一定成效。虽然图像去噪方法已有很多，但利用多小波的图像去噪仍是一个值得关注的问题，不论在理论还是实践上都具有很大的研究意义。 本文对基于多小波变换的图像去噪进行了深入研究。主要研究工作包括以下几方面：一、对多小波理论进行了详细介绍；二、对传统多小波去噪法进行研究并通过实验证明了其在图像去噪上的发展潜力；三、对多小波系数间的相关性进行研究，并在此基础上提出了基于多小波系数层间相关性的图像去噪法；四、在Donoho提出的经典收缩阈值的基础上提出了一种新的多层阈值，并就图像噪声方差已知和未知的情况进行了研究；五、将遗传算法与图像特性相结合，提出了基于遗传算法的多小波自适应阈值去噪法。 多小波理论已经得到迅速发展，本文主要介绍了多小波变换的主要理论及关键技术，从理论上说明了其优势，并对实验中使用的Sa4多小波做了详细介绍，为以后的工作奠定了基础。 通过对传统多小波去噪法的研究，在实践中很好地证明了多小波理论在图像去噪上的可行性及优越性。 众所周知，图像的多小波系数之间存在着很强的相关性，本文根据系数层间相关性的特点提出了基于多小波系数相关性的图像去噪法。该算法主要的根据是：信号经过多小波变换后，其多小波系数在各尺度上有较强的相关性，而噪声却没有这种明显的相关性。实验表明，该算法比传统算法具有更好的去噪效果。 传统多小波去噪没有考虑到图像分解后噪声的分布特性，本文通过对经典阈值的研究，并根据含噪图像的噪声分布特性提出了基于噪声方差已知的多层阈值去噪法，实验证明该算法取得了更好的去噪效果。同时特别针对Donoho阈值必须知道图像噪声方差σ的这个缺点，研究了基于噪声方差的多小波多层阈值去噪法，该算法在不知道原始图像以及噪声方差的情况下，仍可对含噪图像进行去噪处理，提高了图像去噪法的性能。 遗传算法是一种全新的随机搜索与优化算法，将其与图像特性结合，可以在充分考虑图像本身特性的情况下帮助我们寻求到具有最优RMSE的阈值，为此本