基于小波变换的去噪方法.ppt

基于小波变换的去噪XXXXXXXX
专业：XXXXXXX
学号：XXXXX
学生姓名：XXXX
指导老师：XXXXXX
图像处理技术简介
生物医学图像常见的分析过程
生物医学图像常见的处理方法及应用
结论
生物医学图像处理技术应用与发展
绪论
目录
绪论
绪论
图像处理技术简介
常见分析过程
常见的处理方法和应用
绪论
结论
处理技术应用与发展
我们如今生活的时代是一个信息社会，有研究表明，人类从外界获得信息约有75%来自我们的视觉系统，也就是从图像中获得的，图像具有信息量大，传输距离远，传输速度快等特点，成为人类获取、利用信息的重要来源。医学图像在经过成像系统的形成和显示过程中，将不可避免地引入各种噪声，降低了医学图像的可分辨性，对医学图像的质量造成较大的影响。所以图像去噪这项技术就成为了生物医学不可缺少的一项手段。
小波变换是时间（空间）频率的局部化分析，它通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。
图像处理技术简介
图像处理技术简介
常见分析过程
常见的处理方法和应用
绪论
结论
处理技术应用与发展
图像和图像处理
数字和图像处理
数字化过程
图像的几何变换
图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。基本内容 图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。本文是在去噪上的应用
小波变换
离散傅立叶变换
傅里叶变换
图像处理技术简介
常见分析工具
常见的处理方法和应用
绪论
结论
处理技术应用与发展
生物医学图像常见的分析工具
连续傅里叶变换
连续傅里叶变换将平方可积的函数f（t）表示成复指数函数的积分或级数形式。
式（）
这是将频率域的函数F(ω)表示为时间域的函数f（t）的积分形式。
！
X
常见的处理方法及应用
图像处理技术简介
常见分析工具
常见的处理方法和应用
绪论
结论
处理技术应用与发展
图像处理手段和应用
常用算法
几种阈值的介绍
本系统的实现方法
实验效果及代码
结果分析
原始图像
小波变换
去噪声
小波逆变换
去噪图像
门限值
本系统采用流程
设原图像为 ,被噪声污染的图像为
并设
其中 是噪声分量,独立同分布 , 且与 独立。去噪的目的是得到 的估计 ，使其均方误差（MSE）最小：
在小波域，利用正交小波变换，上式变换后既得：
其中 是有噪小波系数， 是无噪小波系数。为简单记并考虑到实际问题的需要，我们对噪声的讨论仅限于加性的高斯白噪声，即 为独立、与 同分布的噪声分量。
小波去噪的基本思路
图像去噪在信号处理中是一个经典的问题。传统的去噪方法多采用平均或线性方法去噪用的是 Wiener 滤波，但是去噪效果不够好。随着小波的理论日趋完善，它以其自身良好的时频特性在图像、信号去噪领域受到越来越多的关注，开辟了用非线性方法去噪的先河。具体说来，小波去噪的成功主要得益于小波变换有如下特点：
① 低熵性。小波系数的稀疏分布，使图像变换后的熵降低；
② 多分辨率特性。由于采用了多分辨率的方法，所以可以非常好地刻画信号地非平稳特征，如边缘、尖峰、断点等，可在不同分辨率下根据信号和噪声分布的特点去噪；
③ 去相关性。因小波变换可对信号去相关，且噪声在变换后有白化趋势，所以小波域比时域更利于去噪；
④ 选基灵活性。由于小波变换可以灵活选择基，也可根据信号特点和去噪要求选择多带小波、小波包、平移不变小波等，对不同相应场合，可以选择不同的小波母函数。
！
小波变换的优