学海网

毕业设计-图像高斯噪声滤波算法研究，共40页，14278字、附外文翻译、答辩PPT
摘 要
图像处理是信息科学的主要组成部分，近年来图像处理理论与方法获得了迅猛的发展，而且在各个领域产生了重要的作用。目前，图像处理的方法主要有两大类：空间域法和频率域法，还有目前新兴的数学形态学和小波变换图像处理，以及独立分量分析方法。模拟噪声的行为和影响是图像去噪的核心。本题目来源于科研，主要研究图像高斯噪声的特点，学习高斯加性噪声的滤波算法，利用邻域平均法，中值法，小波分析图像消除噪声。本人重点如何对图像高斯噪声滤波的方法进行了实验、对比和研究，论文的主要工作如下：
1.分析讨论数字图像的表示方法，数字图像处理的发展、基本特点、应用以及数字图像滤波的意义。
2.分别对邻域平均法和中值法的算法进行研究，并用邻域平均法和中值法对高斯噪声进行去噪，其将每种方法的实验结果进行对比做出总结。
3.研究学习二维图像小波变换的分解与重构，用小波分析图像法将二维图像信号的小波分解，然后对分解后的高频系数进行阈值量化，最后将二维小波图像信号重构，从而消除噪声。
关键词：邻域平均法、中值法、小波分析图像

ABSTRCT
Image processing is a major component of information science, image processing theory and methods in recent years has been rapid development, but also in various fields had an important role. Currently, the method of image processing are two major categories: spatial domain methods and frequency domain methods, there are currently emerging mathematical morphology and wavelet transform image processing, as well as independent component analysis. Behavior and the impact of noise is simulated image denoising core. The title comes from the research, the main research image Gaussian noise characteristics, high learning Alaska noise filtering algorithm, using neighborhood average, median, wavelet analysis to eliminate image noise. I focus on how the image Gaussian noise filtering methods are experimental, comparative and research papers main work is as follows:
1 discussed the meaning representation of digital images, the development of digital image processing, basic features, applications, and digital image filtering.
2 respectively neighborhood average value method and algorithm research and use neighborhood average and median denoising method Gaussian noise, the results of each method will be compared to make a summary.
3.Research study two-dimensional image wavelet transform decomposition and reconstruction, image using wavelet analysis method to two-dimensional image signal wavelet decomposition and decomposition of high frequency coefficients after quantization threshold, and finally the two-dimensional wavelet image signal reconstruction , thereby eliminating the noise.
KEY WORDS: neighborhood average, median, wavelet analysis of images

目 录
第一章 绪论 5
1.1数字图像处理概述 5
1.1.1 图像处理 5
1.1.2 数字图像处理 6
1.1.3 图像去噪研究背景与应用领域 7
1.2数字图像滤波 9
1.3本文内容安排 10
第二章 数字图像滤波基础 11
2.1图像噪声 11
2.1.1 图像噪声的分类 11
2.1.2 噪声的分类 12
2.2传统的图像去噪方法 14
第三章 邻域平均法与中值法滤波 16
3.1邻域平均法滤波 16
3.1.1 领域平均法 16
3.1.2 源程序并附上注释 17
3.2中值法滤波 20
3.2.1 概括中值法滤波 20
3.2.2 中值法消除滤波 20
3.2.3 源程序并附上注释 20
3.3总结邻域平均法与中值法滤波 21
第四章 小波分析图像去噪 22
4.1小波图像消噪的基本原理 22
4.1.1 小波图像消噪的步骤 22
4.2二维图像小波变换的分解与重构 22
4.3应用MATLAB小波工具箱进行图像去噪的相关命令[9] 26
4.3.1 wavedec2函数 26
4.3.2 Wrcoef2函数 26
4.3.3 waverec2函数 26
4.3.4 wthcoef2函数 27
4.4MATLAB小波去噪程序 27
4.5阈值处理方法的选取 29
4.5.1 通过阈值的选取，MATLAB 小波去噪程序 30
4.6对图像小波消除滤波总结 32
参考文献 34
致 谢 35
毕业设计小结 36

本文内容安排
本文主要针对对数字图像影响比较严重的高斯噪声算法进行了探讨了研究。全文共分四章：
第一章 对数字图像处理的基本理论，包括数字图像的表示方法，数字图像处理的发展、基本特点、应用以及数字图像滤波的意义。
第二章 介绍了数字图像滤波的基础。首先介绍了数字图像噪声的特征和分类，然后介绍了衡量数字图像滤波效果的性能评价参数。
第三章 使用邻域平均法和中值法进行对高斯噪声滤波用进行具体的研究，分析和对比，对研究做出总结。
第四章 针对小波分析图像去噪基于小波在图像处理方面的应用，主要在二维的图像处理上，也就是二维小波。然后利用不同的阈值对含噪图像消噪其中分析和对比。