基于小波变换的图像阔值降噪算法研究开题报告
中国计量大学
毕业设计（论文）开题报告
学生姓名：马日斯江·库尔班学号：1200101237专业：测控技术与仪器
班级： 12测控1班
设计（论文）题目：
基于小波变换的图像阈值降噪算法研究
指导教师：侯德鑫
系：计量测试工程学院
2016年3 月25 日
基于小波变换的图像阈值降噪算法研究
开题报告
一、课题的背景及意义：
图像降噪是图像预处理的主要任务之一，其作用是为了提高图像的信噪比，突出图像的期望特征。不同性质的噪声应采用不同的方法进行消噪。最简单的也比较通用的消噪算法，是用傅立叶变换直接进行低通滤波或带通滤波。这种方法虽然简单、易于实现，但它对滤去有用信号频带中的噪声无能为力，并且带宽的选择和高分辨率是有矛盾的。带宽选的过宽，达不到去噪的目的;选的过窄，噪声虽然滤去的多，但同时信号的高频部分也损失了，不但带宽内的信噪比得不到改善，某些突变点的信息也可能被模糊掉了。将小波变换应用于信号处理中，是因为它的主要优点是在时间域和频率域中同时具有良好的局部化特性，从而非常适合时变信号的分析和处理。特别在图像去噪领域中，小波理论受到了许多学者的重视，他们应用小波进行去噪，并获得了非常好的效果。具体来说，小波去噪方法的成功主要得益于小波变换具有以下特点：
（1）低熵性由于小波系数的稀疏分布，使得图像变换后的熵降低了；
（2）多分辨率由于小波采用了多分辨率的方法，所以可以非常好地刻画信号的非平稳特征，如边缘、尖峰、断点等；
（3）去相关性因为小波变换可以对信号进行去相关，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变换基，所以对不同应用场合，对不同的研究对象，可以选用不同的小波母函数，以获得最佳的去噪效果。
因此，就信号消噪问题而言，它比传统的傅立叶频率域滤波和匹配滤波器更具有灵活性。以小波变换为基础的时变信号消噪算法是把含噪信号放在二维平面上，利用信号和噪声表现出的截然不同的特性进行分时分频处理，此方法理论上不但能够获得较高的信噪比，而且能够保持良好的时间分辨率。采用小波消噪算
法能够更有效地消除噪声，而且消噪后信号的基线平稳，峰形和峰高失真小，可以满足分析的要求。
从数学上看，小波去噪问题的本质是一个函数逼近问题，即如何在由小波母函数伸缩和平移所展成的函数空间中，根据提出的衡量准则，寻找对原信号的最佳逼近，以完成原信号和噪声信号的区分.由此可见，小波去噪方法也就是寻找从实际信号空间到小波函数空间的最佳映射，以便得到原信号的最佳恢复。二、国内外研究现状
从对图像进行滤波的过程中所采用的滤波方法来分，可分为空间域滤波、变换域滤波；从滤波类型来分，又可以分为线性滤波和非线性滤波。
2002年Do.M.N和Vetterli M.提出了一种“真正”的二维图像稀疏表达方法——Contourlet变换，这种变换能够很好的表征图像的各向异性特征。由于Contourlet变换能更好的捕获图像的边缘信息，因此选择合适的阈值进行去噪就能获得比小波变换更好的效果。Starck等人将Curvelet变换应用于图像的去噪过程中并取得了良好的效果该方法虽然能有效的去除噪声，但往往会“过扼杀”Curvelet系数，导致在消除噪声的同时丢失图像细节。在过去的二十年里，自适应滤波器在通信和信号处理领域引起了人们的极大关注。Terence Wang等人针对二维自适应FIR滤波器提出了一种二维最优块随机梯度算法(TDOBSG)。这种算法对滤波器的所有系数使用了空间可变的收缩因子。基于使后验估计方差矢量的二范数最小的最小方差准则，在块迭代的过程中选出最优的收敛因子。
线性滤波器的最大优点是算法比较简单且速度比较快，缺点是容易造成细节和边缘模糊。在目前对非线性滤波器的研究中，中值滤波器有较明显的优势，很多科学工作者对中值滤波器作了改进或者提出了一些新型的中值滤波器。Loupas等人提出的自适应的加权中值滤波方法(AWMF)，但他利用的Speckle噪声模型不够精确，图像细节损失较大。针对中值滤波器在处理矢量信号存在的缺点，Jakko等人提出两种矢量中值滤波器。
近年来，小波分析是当前应用数学中一个迅速发展的新领域，它凭借其卓越的优越性，越来越多的被应用于图像去噪等领域，基于小波分析的图像去噪技术也随着小波理论的不断完善取得了较好的效果。上个世纪八十年代Mallet 提
出了MRA(Multi_Resolution Analysis)，并首先把小波理论运用于信号和图像的分解与重构，利用小波变换模极大值原理进行信号的奇异性检测，提出了交替投影算法用于信号重构，为小波变换用于图像处理奠定了基础。后来，人们根据信号与噪声在小波变换下模极大值在各尺度上的不同传播特性，提出了基于模极大值去噪的基本思想。1992年，Donoho和Johnstone提出了“小波收缩”，它较传统的去噪方法效率更高。“小波收缩”被Donoho和Johnstone证明是在极小化极大风险中最优的去噪方法，但在这种方法中最重要的就是确定阈值。1995年，Stanford大学的学者D.L.Donoho和I.M.Johnstone提出了通过对小波系数进行非线性阈值处理来降低信号中的噪声从这之后的小波去噪方法也就转移到从阈值函数的选择或最优小波基的选择出发来提高去噪的效果。影响比较大的方法有以下这么几种：Eero P.Semoncelli和Edward H.Adelson提出的基于最大后验概率的贝叶斯估计准则确定小波阈值的方法；Elwood T.Olsen等在处理断层图像时提出了三种基于小波相位的去噪方法：边缘跟踪法、局部相位方差阈值法以及尺度相位变动阈值法；学者Kozaitis结合小波变换和高阶统计量的特点提出了基于高阶统计量的小波阈值去噪方法；G.P.Nason等利用原图像和小波变换域中图像的相关性用GCV(general cross-validation)法对图像进行去噪；Hang.X和Woolsey等人提出结合维纳滤波器和小波阈值的方法对信号进行去噪处理，Vasily Strela等人将一类新的特性良好的小波(约束对)应用于图像去噪的方法；同时，在19世纪60年代发展的隐马尔科夫模型(Hidden Markov Model)，是通过对小波系数建立模型以得到不同的系数处理方法；后又有人提出了双变量模型方法，它是利用观察相邻尺度间父系数与子系数的统计联合分布来选择一种与之匹配的二维概率密度函数。这些方法均取得了较好的效果，对小波去噪的理论和应用奠定了一定的基础。
另外，尽管小波去噪方法现在已经成为去噪和图像恢复的重要分支和主要研究方向，但目前在另类噪声分布（非高斯分布）下的去噪研究还不够。目前国际上开始将注意力投向这一领域，其中非高斯噪声的分布模型、高斯假设下的小波去噪方法在非高斯噪声下如何进行相应的拓展，是主要的研究方向。未来这一领域的成果将大大丰富小波去噪的内容。
总之，由于小波具有低墒性、多分辨率、去相关性、选基灵活性等特点，小
波理论在去噪领域受到了许多学者的重视，并获得了良好的效果。但如何采取一定的技术消除图像噪声的同时保留图像细节仍是图像预处理中的重要课题。目前，基于小波分析的图像去噪技术已成为图像去噪的一个重要方法。
三、课题基本内容和解决的主要问题：
3.1基本内容：
小波理论虽经过多年发展，并取得了许多非常重要的研究成果。但小波分析的应用潜力仍然很大，仍旧存在着一些需要解决问题。本课题首先要在前人提出的有关小波应用的基础上，简单介绍去噪图像质量的评价方法。然后对小波展开更加系统、深入的分析和研究，对传统的去噪方法进行总结和对比，指出其去噪的不足，介绍基于小波变换的图像去噪，简单介绍小波去噪的发展历程和小波去噪的分类，在此基础上对传统的小波去噪技术进行一定的改进，消除因所选阈值过大，伪吉布斯效应明显，降噪后的图像具有马赛克现象，并要用实验验证此方法的可行性。由于波包分析是一种比小波变换更加精细的分析方法，它不仅将频带进行多层次划分,而且对多分辨分析没有细分的高频部分也进行进一步的分解,即小波包分析具有能使随着尺度j的增大而变宽的频谱窗口进一步分割变细的优良性质。为提高去噪图像的信噪比，采用图像融合的联合小波包图像去噪算法，并用实验进行验证该方法的正确性。由于小波包分析不仅将频带进行多层次划分,而且对多分辨分析没有细分的高频部分也进行进一步的分解，基于图像融合的联合小波包图像去噪算法涉及到的计算量必然很大。该方法去噪在一定程度上不能满足适时性；为提高去噪效率，本课题拟通过研究小波新理论，采用提升小波变换方法对图像进行去噪研究，并用实验进行验证该方法的正确性。该方法在保持信噪比不降低的情况下具有运算速度快、不需要额外内存，满足了实时性。本课题拟采用Matlab7.0对以上所述方法进行仿真以证明所提方法的可行性。
主要解决的问题：
在前人提出的有关小波应用的基础上，分析研究传统小波的分解层数、小波基的选取及阈值对图像去的噪影响。由于小波变换缺乏方向性，仅具有水平、垂直、对角方向的信息，不能很好地捕获二维图像中的线和面奇异，不能最优地表示含线或面奇异的二维图像，从而使得传统小波变换在处理二维图像时
表现出一定的局限性。
3.2研究方法及措施
除，然后进行图像重构。
然而在实际运用过程在我们需要一下步骤对图像进行阈值降噪：
1）首先对含噪信号f(ｋ)进行小波变换，得到一组小波系数Ａ
2）通过对小波系数进行阈值处理，得到估计系数Ｂ，使得Ａ和Ｂ两者之差尽可能变小。
3）利用估计系数进行小波重构，得到估计信号f（k）即为去噪后的信息。
3.3完成论文的时间、安排
2016.3.25～2016.4.15 收集资料，并完成资料的整理工作；
2016.4.25～2016.5.10 进行MATLAB实验仿真；
2016.4.25～2016.5.20 对仿真结果进行分析，根据分析结果对课题进行进一步的改进，同时撰写论文；
2016.5.20～2016.6 论文答辩。
四、主要参考文献
[1]杨风暴.金属与非金属超声粘接检测信息的融合处理技术研究.华北工学院博士学位论文. 2003.
[2] 潘泉，张磊，孟晋丽，张洪才著，小波滤波方法及应用.北京:清华大学出版社，2005.
[3] 孙延奎.小波分析及其应用.机械工业出版社，2005.
[4] 陈武凡.小波分析及其在图像处理中的应用.北京:科学出版社，2002.
[5] 王修信,胡维平.基于平衡正交多小波的超声图像降噪研究.计算机工程与应用
[6] 张威 , 朱磊 , 刘军 . 多小波图像去噪算法的研究 . 哈尔滨工程大学学报2007.
[7] 陈苏婷,吴钦章.基于多小波变换及综合阈值的图像去噪方法.红外与激光工程,2007.
[8] 费佩燕 , 郭宝龙 .单小波去噪方法在多小波去噪中的应用研究 .信号处理,2004
小波变换图像去噪综述
科技论文写作大作业小波变换图像去噪综述 院系： 班级： 学号： 姓名：
摘要小波图象去噪已经成为目前图象去噪的主要方法之一.在对目前小波去噪文献进行理解和综合的基础上,首先通过对小波去噪问题的描述,揭示了小波去噪的数学背景和滤波特性;接着分别阐述了目前常用的3类小波去噪方法,并从小波去噪中常用的小波系数模型、各种小波变换的使用、小波去噪和图象压缩之间的联系、不同噪声场合下的小波去噪等几个方面,对小波图象去噪进行了综述;最后,基于对小波去噪问题的理解,提出了对小波去噪方法的一些展望 关键词：小波去噪小波萎缩小波变换图象压缩 1.前言 在信号数据采集及传输时，不仅能采集或接收到与所研究的问题相关的有效信号，同时也会观测到各种类型的噪声。在实际应用中，为降低噪声的影响，不仅应研究信号采集的方式方法及仪器的选择，更重要的是对已采集或接收的信号寻找最佳的降噪处理方法。对于信号去噪方法的研究可谓是信号处理中一个永恒的话题。传统的去噪方法是将被噪声污染的信号通过一个滤波器，滤除掉噪声频率成分。但对于瞬间信号、宽带噪声信号、非平稳信号等，采用传统方法具有一定的局限性。其次还有傅里叶(Fourier)变换也是信号处理中的重要手段。这是因为信号处理中牵涉到的绝大部分都是语音或其它一维信号，这些信号可以近似的认为是一个高斯过程，同时由于信号的平稳性假设，傅立叶交换是一个很好的信号分析工具。但也有其不足之处，给实际应用带来了困难。 小波变换是继Fourier变换后的一重大突破，它是一种窗口面积恒定、窗口形状可变(时间域窗口和频率域窗口均可改变)的时频局域化分析方法，它具有这样的特性；在低频段具有较高的频率分辨率及较低的时间分辨率，在高频段具有较高的时间分辨率及较低的频率分辨率，实现了时频窗口的自适应变化，具有时频分析局域性。小波变换的一个重要应用就是图像信号去噪。将小波变换用于信号去噪，它能在去噪的同时而不损坏信号的突变部分。在过去的十多年，小波方法在信号和图像去噪方面的应用引起学者广泛的关注。本文阐述小波图像去噪方法的原理，概括目前的小波图像去噪的主要方法，最后对小波图像去噪方法的发展和应用进行展望。 2小波图像去噪的原理 所谓小波变化，即:
研究性开题报告范文
研究性开题报告范文 随着社会的进步，经济的发展，我国的教育事业也在不断的发展，一种新的教育理念棗研究性学习随之产生。这种新的学习方式注重学生学习的主体作用，以学生的自主性、探索性为基础，从学生生活和社会生活中选择和确定主题，以个人和小组合作的方式，通过亲身实践获取直接经验，养成科学精神和科学态度，掌握基本的科学方法，提高综合运用所学知识解决实际问题的能力。 二、《人与环境》研究性学习的具体实施 1．研究动员、确定课题 研究性学习是一种新的学习方法，学生对此比较陌生，所以活动 的第一步即向学生介绍研究性学习这种新的学习方法及其优点、特点、开展的过程，然后，结合学生的实际情况。刚刚进入高一，所学知识较少，知识体系不够完善，从而选择学生比较熟悉而又与之息息相关的水作为研究的课题。 2．制定，分组调查 为了更充分的研究主题，根据我国环境污染的现状，以及关于环 境保护的一些热点问题，经过师生的共同研究，把研究的课题细化为
几个子课题：一水污染问题；二水的净化问题；三饮水与健康；四珍惜水资源。班级成员自由组合分别承担四个子课题。制定子课题的研究方案后，有小组成员查找和收集相关资料，为课题的研究寻求证据。 3．材料，交流信息，论证结果 小组成员对资料进行归类，筛选有用的材料，从多角度，以多种方式对相关课题进行具体的研究，同时针对有关问题小组之间进行交流研讨，以求对其地研究更深入。 4.评价审核 （1）各课题小组汇报研究情况，展示研究成果，得出研究结论。 （2）撰写实验报告，形成有一定学术价值的论文或经验。 三．研究内容 首先进一步研究“人与环境”的基本内涵和外显行为，再通过新一轮的教育教学实验，探索中学地理教育中培养学生地理基本素质和基本技能的原则和方法。课题研究的基本内容如下：
基于小波变换的语音信号去噪(详细)
测试信号处理作业 题目：基于小波变换的语音信号去噪 年级：级 班级：仪器科学与技术 学号： 姓名： 日期：2015年6月
基于小波变换的语音信号去噪 对于信号去噪方法的研究是信号处理领域一个永恒的话题。经典的信号去噪方法，如时域、频域、加窗傅立叶变换、维纳分布等各有其局限性，因此限制了它们的应用范围。小波变换是八十年代末发展起来的一种新时-频分析方法，它在时-频两域都具有良好的局部化特性；并且在信号去噪领域获得了广泛的应用。 目前已经提出的小波去噪方法主要有三种：模极大值去噪、空域相关滤波去噪以及小波阈值去噪法。阈值法具有计算量小、去噪效果好的特点，取得了广泛的应用。然而在阈值法中，阈值的选取直接关系到去噪效果的优劣。如果阈值选取过小，那么一部分噪声小波系数将不能被置零，从而在去噪后的信号中保留了部分噪声信息；如果阈值选的偏大，则会将一部分有用信号去掉，使得去噪后的信号丢失信息。 1、语音信号特性 由于语音的生成过程与发音器宫的运动过程密切相关，而且人类发音系统在产生不同语音时的生理结构并不相同，因此使得产生的语音信号是一种非平稳的随机过程(信号)。但由于人类发生器官变化速度具有一定的限度而且远小于语音信号的变化速度，可以认为人的声带、声道等特征在一定的时间内(10- 30ms)基本不变，因此假定语音信号是短时平稳的，即语音信号的某些物理特性和频谱特性在10-30ms的时间段内近似是不变的，具有相对的稳定性，这样可以运用分析平稳随机过程的方法来分析和处理语音信号。在语音增强中就是利用了语音信号短时谱的平稳性。 语音信号基本上可以分为清音和浊音两大类。清音和浊音在特性上有明显的区别，清音没有明显的时域和频域特性，看上去类似于白噪声，并具有较弱的振幅；而浊音在时域上有明显的周期性和较强的振幅，其能量大部分集中在低频段内，而且在频谱上表现出共振峰结构。在语音增强中可以利用浊音所具有的明显的周期性来区别和抑制非语音噪声，而清音由于类似于白噪声的特性，使其与宽带平稳噪声很难区分。 由于语音信号是一种非平稳、非遍历的随机过程，因此长时间时域统计特性对语音信号没有多大的意义，而短时谱的统计特性对语音信号和语音增强有着十分重要的作用。语音信号短时谱幅度统计特性的时变性，使得语音信号的分析帧在趋于无穷大时，根据中心极限定理，其短时谱的统计特性服从高斯(Gauss)分布，而在实际应用时只能在有限帧长下进行处理，因此，在有限帧时这种高斯分布的统计特性是一种近似的描述，这样就可以作为分析宽带噪声污染的带噪语音信号增强应用时的前提和假设。
滤波图像降噪算法研究报告
研究生课程论 文 基于滤波的图像降噪算法的研究 课程名称专业文献阅读与综述 姓名张志化 学号1200214006 专业模式识别与智能系统 任课教师钟必能 开课时间2018.9——2018.11 教师评阅意见： 论文成绩评阅日期 课程论文提交时间：2018 年11月11日
基于滤波的图像降噪算法的研究 摘要：图像在获取和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可能保持原始信号主要特征的同时除去信号中的噪声。目前的图像去噪方法可以将图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。边缘特性是图像最为有用的细节信息，本文对邻域平均法、中值滤波法及维纳滤波法的图像去噪算法进行了研究分析和讨论。 关键词：滤波；图像噪声；图像降噪算法；评价方法； 1 引言 数字图像处理，就是利用数字计算机或其他数字硬件，对图像信息转换而来的电信号进行某种数字运算，以提高图像的实用性，进而达到人们所要求的某种预期效果[1]。数字图像处理已经广泛应用于遥感、工业检测、医学、气象、侦查、通信、智能机器人等众多学科与工程领域中。 数字图像处理技术的优点主要有：<1)再现性好。数字图像处理不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的真实再现。 <2)处理精度高。按目前的技术，几乎可以将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16 位甚至更高，意味着图像的数字化精度可以满足应用需求。 (3>适用面宽。图像可以来自多种信息源。从图像反映的客观实体尺度看，可以小到电了显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组合而成，均可用计算机来处理。 (4>灵活性高。由于图像的光学处理从原理上讲只能进行线性运算，极大地限制了光学图像处理能实现的目标；而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数字公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 (5＞信息压缩的潜力大。数字图像中各个像素是不独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一
开题报告研究的五个方法
开题报告研究的五个方法 第一类调查法与实验法 1、调查法 调查法是科学研究中最常用的方法之一。它是有目的、有计划、有系统地搜集有关研究对象现实状况或历史状况的材料的方法。调查方法是科学研究中常用的基本研究方法，它综合运用历史法、观察法等方法以及谈话、问卷、个案研究、测验等科学方式，对教育现象进行有计划的、周密的和系统的了解，并对调查搜集到的大量资料进行分析、综合、比较、归纳，从而为人们提供规律性的知识。 调查法中最常用的是问卷调查法，它是以书面提出问题的方式搜集资料的一种研究方法，即调查者就调查项目编制成表式，分发或邮寄给有关人员，请示填写答案，然后回收整理、统计和研究。 2、实验法 实验法是通过主支变革、控制研究对象来发现与确认事物间的因果联系的一种科研方法。其主要特点是：第一、主动变革性。观察与调查都是在不干预研究对象的前提下去认识研究对象，发现其中的问题。而实验却要求主动操纵实验条件，人为地改变对象的存在方式、变化过程，使它服从于科学认识的需要。第二、控制性。科学实验要求根据研究的需要，借助各种方法技术，减少或消除各种可能影响科学的无关因素的干扰，在简化、纯化的状态下认识研究对象。第三，因果性。实验以发现、确认事物之间的因果联系的有效工具和必要途径。
第二类规范研究与实证研究 实证研究方法排斥价值判断，规范研究方法却以价值判断为基础。 1、规范研究方法 规范研究方法以某种价值判断为基础，说明经济现象及其运行 应该是什么的问题。规范研究方法研究客观现象的目的在于：提出一定的标准作为经济理论的前提，并以该标准作为制定经济政策的依据，以及研究如何使经济现象的运行符合或实现这些标准。 规范研究方法以某种价值判断为基础，解决客观经济现象“应 该是什么”的问题，即要说明所要研究的对象本身是好还是坏，对社会具有积极意义还是具有消极意义。规范研究方法研究经济现象的出发点和归宿离不开价值判断。规范研究方法，就是从价值判断出发来研究经济现象，并研究如何实现上述标准。 2、实证研究法 实证研究法是科学实践研究的一种特殊形式。其依据现有的科 学理论和实践的需要，提出设计，利用科学仪器和设备，在自然条件下，通过有目的有步骤地操纵，根据观察、记录、测定与此相伴随的现象的变化来确定条件与现象之间的因果关系的活动。主要目的在于说明各种自变量与某一个因变量的关系。 实证研究法是认识客观现象，向人们提供实在、有用、确定、 精确的知识的研究方法，其重点是研究现象本身“是什么”的问题。
小波变换去噪基础地的知识整理
1.小波变换的概念 小波(Wavelet)这一术语，顾名思义，“小波”就是小的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，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。有人把小波变换称为“数学显微镜”。 2.小波有哪几种形式?常用的有哪几种?具体用哪种，为什么？ 有几种定义小波(或者小波族)的方法: 缩放滤波器:小波完全通过缩放滤波器g——一个低通有限脉冲响应(FIR)长度为2N和为1的滤波器——来定义。在双正交小波的情况，分解和重建的滤波器分别定义。 高通滤波器的分析作为低通的QMF来计算，而重建滤波器为分解的时间反转。例如Daubechies和Symlet 小波。 缩放函数:小波由时域中的小波函数 (即母小波)和缩放函数 (也称为父小波)来定义。 小波函数实际上是带通滤波器，每一级缩放将带宽减半。这产生了一个问题，如果要覆盖整个谱需要无穷多的级。缩放函数滤掉变换的最低级并保证整个谱被覆盖到。 对于有紧支撑的小波，可以视为有限长，并等价于缩放滤波器g。例如Meyer小波。 小波函数:小波只有时域表示，作为小波函数。例如墨西哥帽小波。 3.小波变换分类 小波变换分成两个大类：离散小波变换 (DWT) 和连续小波转换 (CWT)。两者的主要区别在于，连续变换在所有可能的缩放和平移上操作，而离散变换采用所有缩放和平移值的特定子集。 DWT用于信号编码而CWT用于信号分析。所以，DWT通常用于工程和计算机科学而CWT经常用于科学研究。 4.小波变换的优点 从图像处理的角度看，小波变换存在以下几个优点： (1)小波分解可以覆盖整个频域(提供了一个数学上完备的描述) (2)小波变换通过选取合适的滤波器，可以极大的减小或去除所提取得不同特征之间的相关性 (3)小波变换具有“变焦”特性，在低频段可用高频率分辨率和低时间分辨率(宽分析窗口)，在高频段，可用低频率分辨率和高时间分辨率(窄分析窗口) (4)小波变换实现上有快速算法(Mallat小波分解算法) 另: 1) 低熵性变化后的熵很低; 2) 多分辨率特性边缘、尖峰、断点等;方法, 所以可以很好地刻画信号的非平稳特性 3) 去相关性域更利于去噪; 4) 选基灵活性: 由于小波变换可以灵活选择基底, 也可以根据信号特性和去噪要求选择多带小波、小波包、平移不变小波等。 小波变换的一个最大的优点是函数系很丰富, 可以有多种选择, 不同的小波系数生成的小波会有不同的效果。噪声常常表现为图像上孤立像素的灰度突变, 具有高频特性和空间不相关性。图像经小波分解后可得到低频部分和高频部分, 低频部分体现了图像的轮廓, 高频部分体现为图像的细节和混入的噪声, 因此, 对图像去噪, 只需要对其高频系数进行量化处理即可。 5.小波变换的科学意义和应用价值
开题报告中研究方法范文
开题报告中研究方法范文 Research method model in proposal report 汇报人：JinTai College
开题报告中研究方法范文 前言：报告是按照上级部署或工作计划，每完成一项任务，一般都要向上级写报告，反映工作中的基本情况、工作中取得的经验教训、存在的问题以及今后工作设想等，以取得上级领导部门的指导。本文档根据申请报告内容要求展开说明，具有实践指 导意义，便于学习和使用，本文档下载后内容可按需编辑修改及打印。 一、如何选择问题 我一直萦绕于怀的，是在写博士论文开题报告的一年多 时间里，导师薛澜教授反复追问的一个问题：“你的 puzzle 是什么?”多少次我不假思索地回答“我的问题就是，中国的 半导体产业为什么发展不起来。”薛老师问题以其特有的储蓄，笑而不答。我在心中既恼火又懊丧：这么简单的道理，这么明显的答案，到底哪儿不对了?! 奥妙就在于提出问题的“层次”。不同于政策研究报告，学术文章聚集理论层面、解决理论问题。理论是由一系列前设和术语构造的逻辑体系。特定领域的理论有其特定的概念、范畴和研究范式。只有在相同的概念、视角和范式下，理论才能够对话;只有通过对话，理论才能够发展。极少有硕博论文是 创造新理论的，能这样当然最好，但难度很大。我们多数是在既有理论的基础上加以发展，因此，在提出问题时，要以“内行”看得懂的术语和明确的逻辑来表述。审视我最初提出的问
题“中国半导体产业为什么发展不起来”，这仅仅是对现象的探询，而非有待求证的理论命题。我的理论命题是：“中国产业政策过程是精英主导的共识过程吗?”在这个命题中，“政 策过程”、“精英政治”、“共识诉求”三个术语勾勒出研究的理论大体范围和视角。简历下载 其次，选择问题是一个“剥笋”的过程。理论问题总是 深深地隐藏在纷繁复杂的现实背后，而发现理论问题，则需要运用理论思维的能力。理论思维的训练是一个长期积累的过程。不过初学者也不必望而却步，大体上可以分“三步走”：第一步，先划定一个“兴趣范围”，如半导体产业、信息产业、农村医疗、高等教育体制等，广泛浏览相关的媒体报道、政府文献和学术文章，找到其中的“症结”或“热点”。第二步，总结以往的研究者大体从哪些理论视角来分析“症结”或“热点”、运用了哪些理论工具，如公共财政的视角、社会冲突范式等。第三步，考察问题的可研究性，也就是我们自己的研究空间和研究的可行性。例如，西方的理论是否无法解释中国的问题?或者同一个问题能否用不同的理论来解释?或者理论本身的前提假设、逻辑推演是否存在缺陷?通过回答这些问题，我 们找到自己研究的立足点。不过还要注意我们研究在规定的一到两年时间内，是否可能完成?资料获取是否可行?等等。
小波分析报告(去噪)
小波分析浅析 —— 李继刚 众所周知，以π2为周期的复杂的波都可以用以π2为周期的函数)(t f （模拟信号）来描述，它可以由形如)sin(n n nt A θ+的若干谐波叠加而成，因此，完全有理由认为)(t f 有如下的表现形式： ∑ ∑ ∑ ∞ =∞ =∞ =+= += += ) sin cos ()cos sin cos sin ()sin()(n n n n n n n n n n n nt b nt a nt A nt A nt A t f θθθ 为了确定上式中的系数n n b a ,，可以利用Fourier 变换，可以得到函数)(t f 的Fourier 级数，即 ??? ? ? ? ? ?? ====++=??∑--+∞ =π πππππ.,2,1,sin )(1,,1,0,cos )(1),sin cos (2)(1 0 n ntdt t f b n ntdt t f a nt b nt a a t f n n n n n 如果函数以T 为周期，则通过对t 作T w x T t ππ2,2= ?=变换，可以得到函数的Fourier 级数，即 ??? ? ? ? ? ??=?==?=?+?+=??∑--+∞ =π πππ .,2,1,sin )(2,,1,0,cos )(2),sin cos (2)(1 0 n wtdt n t f T b n wtdt n t f T a wt n b wt n a a t f n n n n n 从时域角度来理解Fourier 级数，将}sin ,{cos wt n wt n ??看作是具有频率w n ?的谐波，则时域表现的函数)(t f 可分解为无穷个谐波之和。 从频域角度来理解Fourier 级数，因为)(t f 的频域范围是[)+∞∈,0w ，所以，可将w 轴用间距w ?作离散分化，离散点w n ?处对应着频率为w n ?的谐波}sin ,{cos wt n wt n ??，这样就可将时域函数)(t f 与谐波组成1-1对应关系，即 +∞???0}sin ,cos {)(wt n b wt n a t f n n
数字图像去噪典型算法及matlab实现
图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等； 目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。 中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。 实验一：均值滤波对高斯噪声的效果 代码 I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%读取图像 J=imnoise(I,'gaussian',0,0.005);%加入均值为0，方差为0.005的高斯噪声 subplot(2,3,1);imshow(I); title('原始图像'); subplot(2,3,2); imshow(J); title('加入高斯噪声之后的图像'); %采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; %模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5
基于小波变换的图像去噪
第1章绪论 由于各种各样的原因，现实中的图像都是带噪声的。噪声恶化了图像质量，使图像变得模糊。对同时含有高斯噪声和椒盐噪声的图像先进行混合中值滤波，在滤除椒盐噪声的同时，又很好地保留了图像中的物体细节和轮廓。小波域去噪处理具有很好的时频特性、多分辨分析特性等优点，可以看成特征提取和低通滤波功能的综合。小波模极大值去噪方法能有效地保留信号的奇异点信息，去噪后的信号没有多余振荡，具有较好的图画质量，改进后可以得到更满意的图像。小波相位滤波去噪算法是基于小波变换系数相关性去噪算法的，适于强噪声图像，去噪后也可以改善图像质量。 1.1课题背景 图像信息以其信息量大、传输速度快、作用距离远等优点成为人类获取信息的重要来源及利用信息的重要手段，而现实中的图像由于种种原因都是带噪声的。噪声恶化了图像质量，使图像模糊，甚至淹没和改变特征，给图像分析和识别带来困难。为了去除噪声，会引起图像边缘的模糊和一些纹理细节的丢失。反之，进行图像边缘增强也会同时增强图像噪声。因此在去除噪声的同时，要求最小限度地减小图像中的信息，保持图像的原貌。经典的图像去噪算法，如均值滤波、维纳滤波、中值滤波等，其去噪效果都不是很理想。 中值滤波是由图基（Turky）在1971年提出的，开始用于时间序列分析，后来被用于图像处理，在去噪复原中得到了较好的效果。它的基本原理是把数字图像或数字序列中的一点的值，用该点的一个邻域中的各点的中值代替。中值滤波在抑制椒盐噪声的同时又能较好地保持图像特征，图像也得到了平滑。对同时含有高斯噪声和椒盐（脉冲）噪声的图像，先进行混合中值滤波处理。基于极值的混合中值滤波兼容了中值滤波和线性滤波的优点，在滤除椒盐噪声的同时又对图像中的物体细节和轮廓进行了很好的保留。基于混合中值滤波和小波去噪相结合的方法，去噪效果好于单纯地使用小波变换去除噪声，或者单纯使用混合中值滤波去除噪声，能获得比单一使用任何一种滤波器更好的效果。
小波变换图像去噪的算法研究自设阈值
基于小波的图像去噪 一、小波变换简介 在数学上，小波定义卫队给定函数局部化的新领域，小波可由一个定义在有限区域的函数()x ψ来构造，()x ψ称为母小波，（mother wavelet ）或者叫做基本小波。一组小波基函数，()}{,x b a ψ，可以通过缩放和平移基本小波 来生成： ())(1 ,a b x a x b a -ψ=ψ （1） 其中，a 为进行缩放的缩放参数，反映特定基函数的宽度，b 为进行平移的平移参数，指定沿x 轴平移的位置。当a=2j 和b=ia 的情况下，一维小波基函数序列定义为： ()() 1222,-ψ=ψ--x x j j j i （2） 其中，i 为平移参数，j 为缩放因子，函数f （x ）以小波()x ψ为基的连续小波变换定义为函数f （x ）和()x b a ,ψ的内积： () dx a b x a x f f x W b a b a )(1)(,,,-ψ=ψ=?+∞ ∞- （3） 与时域函数对应，在频域上则有：
())(,ωωa e a x j b a ψ=ψ- （3） 可以看出，当|a|减小时，时域宽度减小，而频域宽度增大，而且()x b a ,ψ的窗口中心向|ω|增大方向移动。这说明连续小波的局部是变化的，在高频时分辨率高，在低频时分辨率低，这便是它优于经典傅里叶变换的地方。总体说来，小波变换具有更好的时频窗口特性。 二、图像去噪描述 所谓噪声，就是指妨碍人的视觉或相关传感器对图像信息进行理解或分析的各种因素。通常噪声是不可预测的随机信号。由于噪声影响图像的输入、采集、处理以及输出的各个环节，尤其是图像输入、采集中的噪声必然影响图像处理全过程乃至最终结果，因此抑制噪声已成为图像处理中极其重要的一个步骤。 依据噪声对图像的影响，可将噪声分为加性噪声和乘性噪声两大类。由于乘性噪声可以通过变换当加性噪声来处理，因此我们一般重点研究加性噪声。设f(x,y)力为理想图像，n(x,y)力为噪声，实际输入图像为为g(x,y)，则加性噪声可表示为: g(x,y)= f(x,y)+ n(x,y)， （4） 其中，n(x,y)和图像光强大小无关。 图像去噪的目的就是从所得到的降质图像以g(x,y)中尽可能地去除噪声n(x,y)，从而还原理想图像f(x,y)。图像去噪就是为了尽量减少图像的均方误差，提高图像的信噪比，从而尽可能多地保留图像的特征信息。 图像去噪分为时域去噪和频域去噪两种。传统图像去噪方法如维纳滤波、中值滤波等都属于时域去噪方法。而采用傅里叶变换去噪则属于频域去噪。这些方法去噪的依据是一致的，即噪声和有用信号在频域的不同分布。我们知道，有用信号主要分布于图像的低频区域，噪声主要分布在图像的高频区域，但图像的细节信息也分布在高频区域。这样在去除高频区域噪声的同时，难免使图像的一些细节也变得模糊，这就是图像去噪的一个两难问题。因此如何构造一种既能降低图像噪声，又能保留图像细节特征的去噪方法成为图像去噪研究的一个重大课题。
小波变换降噪分析(精)
第四章小波变换降噪分析 小波变换是一种崭新的时域 (频域信号分析工具。它的发展和思想都来自于傅里叶分析,且在保留了傅里叶分析优点的基础上,较好的解决了时间和频率分辨率的矛盾,在频域与空间域中能够同时具有良好的局部化特性,可进行局部分析。小波去噪的基本原理是根据原始信号和噪声的小波系数在不同尺度上所具有的不同性质,构造相应的规则,在小波域采用其他数学方法对含噪信号的小波系数进行处理。 4.1 小波变换理论的研究 连续小波变换 设2( ( t L R ψ∈(2( L R 表示平方可积的的空间,即能量有限的信号空间, 其傅立叶变换为( ψ ω。当( ψω满足允许条件 (Admissible Condition: 2 ( C φωωω +∞ -∞ =<∞? (4.1 时,我们称( t ψ为一个基本小波或母小波 (Mother Wavelet 。将母小波函数 ( t ψ经伸缩和平移后,就可以得到一个小波序列。对于连续情况,小波序列 为: , ( (
a b t b t a ψ-= , a b R ∈ 0a ≠ (4.2 其中, a ——伸缩因子; b ——平移因子; ——能量归一化因子。 这样对于任一信号 20 1 1( (, ( f t b f t a b dadb C a a φ ωψ∞ ∞ -∞-= ? ?,连续小波变换定义为: , , (, (, ( ( ( a b a b CWT a b f t t f t t dt
ψ∞-∞ ==? (4.3 其逆变换为: 20 11( (, ( f t b f t a b dadb C a a φ ωψ∞ ∞ -∞-= ? ? (4.4 离散小波变换 实际应用中,尤其是在计算机上实现,如在信号处理领域,必须对连续小波加以离散化。需要强调的是,这一离散化都是针对连续的尺度参数 a 和连续平移参数 b 的,而不是针对时间变量 t 的,这与其它形式的离散化不同。在连续小波中,考虑函数(4.5: , ( ( a b t b
滤波图像降噪算法研究报告
研究生课程论文基于滤波的图像降噪算法的研究 课程名称专业文献阅读与综述 姓名张志化 学号1200214006 专业模式识别与智能系统 任课教师钟必能 开课时间 2018.9——2018.11 课程论文提交时间： 2018年 11月11日
基于滤波的图像降噪算法的研究 摘要：图像在获取和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可能保持原始信号主要特征的同时除去信号中的噪声。目前的图像去噪方法可以将图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。边缘特性是图像最为有用的细节信息，本文对邻域平均法、中值滤波法及维纳滤波法的图像去噪算法进行了研究分析和讨论。 关键词：滤波；图像噪声；图像降噪算法；评价方法； 1 引言 数字图像处理，就是利用数字计算机或其他数字硬件，对图像信息转换而来的电信号进行某种数字运算，以提高图像的实用性，进而达到人们所要求的某种预期效果[1]。数字图像处理已经广泛应用于遥感、工业检测、医学、气象、侦查、通信、智能机器人等众多学科与工程领域中。 数字图像处理技术的优点主要有： <1）再现性好。数字图像处理不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的真实再现。 <2）处理精度高。按目前的技术，几乎可以将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，意味着图像的数字化精度可以满足应用需求。 (3>适用面宽。图像可以来自多种信息源。从图像反映的客观实体尺度看，可以小到电了显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组合而成，均可用计算机来处理。 (4>灵活性高。由于图像的光学处理从原理上讲只能进行线性运算，极大地限制了光学图像处理能实现的目标；而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数字公式或逻辑关系来表达的一切运算均可用数字图像处理实现。
小波变换图像去噪MATLAB实现
基于小波图像去噪的MATLAB 实现 一、 论文背景 数字图像处理(Digital Image Processing ，DIP)是指用计算机辅助技术对图像信号进行处理的过程。数字图像处理最早出现于 20世纪50年代，随着过去几十年来计算机、网络技术和通信的快速发展，为信号处理这个学科领域的发展奠定了基础，使得DIP 技术成为信息技术中最重要的学科分支之一。在现实生活中，DIP 应用十分广泛，医疗、艺术、军事、航天等图像处理影响着人类生活和工作的各个方面。 然而，在图像的采集、获取、编码和传输的过程中，都存在不同程度被各种噪声所“污染”的现象。如果图像被污染得比较严重，噪声会变成可见的颗粒形状，导致图像质量的严重下降。根据研究表明，当一图像信噪比(SNR)低于14.2dB 时，图像分割的误检率就高于0.5%，而参数估计的误差高于0.6%。通过一些卓有成效的噪声处理技术后，尽可能地去除图像噪声，我们在从图像中获取信息时就更容易，有利于进一步的对图像进行如特征提取、信号检测和图像压缩等处理。小波变换处理应用于图像去噪外，在其他图像处理领域都有着十分广泛的应用。本论文以小波变换作为分析工具处理图像噪声，研究数字图像的滤波去噪问题，以提高图像质量。 二、 课题原理 1.小波基本原理 在数学上，小波定义为对给定函数局部化的新领域，小波可由一个定义在有限区域的函数()x ψ来构造，()x ψ称为母小波，（mother wavelet ）或者叫做基本小波。一组小波基函数，()}{,x b a ψ，可以通过缩放和平移基本小波 来生成：
())(1 ,a b x a x b a -ψ=ψ （1） 其中，a 为进行缩放的缩放参数，反映特定基函数的宽度，b 为进行平移的平移参数，指定沿x 轴平移的位置。当a=2j 和b=ia 的情况下，一维小波基函数序列定义为： ()() 1222,-ψ=ψ--x x j j j i （2） 其中，i 为平移参数，j 为缩放因子，函数f （x ）以小波()x ψ为基的连续小波变换定义为函数f （x ）和()x b a ,ψ的积： ( )dx a b x a x f f x W b a b a )(1)(,,,-ψ= ψ=?+∞∞- （3） 与时域函数对应，在频域上则有： ())(,ωωa e a x j b a ψ=ψ- （4） 可以看出，当|a|减小时，时域宽度减小，而频域宽度增大，而且()x b a ,ψ的窗口中心向|ω|增大方向移动。这说明连续小波的局部是变化的，在高频时分辨率高，在低频时分辨率低，这便是它优于经典傅里叶变换的地方。总体说来，小波变换具有更好的时频窗口特性。 2. 图像去噪综述 所谓噪声，就是指妨碍人的视觉或相关传感器对图像信息进行理解或分析的各种因素。通常噪声是不可预测的随机信号。由于噪声影响图像的输入、采集、处理以及输出的各个环节，尤其是图像输入、采集中的噪声必然影响图像处理全过程乃至最终结果，因此抑制噪声已成为图像处理中极其重要的一个步骤。 依据噪声对图像的影响，可将噪声分为加性噪声和乘性噪声两大类。由于乘性噪声可以通过变换当加性噪声来处理，因此我们一般重点研究加性噪声。设
开题报告中研究思路与研究方法
开题报告中研究思路与研究方法的写法 研究方法 （1）模糊层次分析法 本论文考虑到绿色造船评价指标既有定量指标又有定性指标，可以借助模糊评价方法的处理方式，将一些模糊的概念转化成定量的数据。此外，为了表达综合评价目标的层次性，考虑采用层次分析方法，建立评价对象和评价指标体系。因此，本文结合了层次分析法和模糊评价法的优点，采用模糊层次分析方法对船舶建造的绿色度进行综合评价。 （2）理论研究与实证研究相结合的方法 绿色造船评价指标体系的研究注重理论与实证两种研究方法的结合，对现实中改善船舶建造活动与环境的关系，具有一定的评价和指导意义。本文采用该方法，界定了绿色造船的定义以及综合评价目标等相关概念（第2、3章）；构建了绿色造船评价指标体系；结合模糊层次分析法，构建了数学评价模型（第4章）。最后，结合实例进行验证研究（第5章）。 （3）定性与定量分析相结合的方法
本文在研究过程中，重视并力求结合定性分析与定量分析进行研究。本文根据绿色造船的三大特征，构建了绿色造船评价指标体系（第3章）。采用模糊层次分析法确定了各个评价指标的权重，并结合专家打分法和中国节水技术政策大纲、《工业企业厂界噪声标准》、《大气污染物综合排放标准》等权威统计数据给予评价指标以定量的数值，最终得出定量的综合评价结果（第4章）。 （4）比较研究的方法 比较研究方法[32]是确定事物之间共同点和差异点的一种逻辑方法。在现实中，比较研究法几乎成为认识事物最常用的一种方法。本文在总结绿色造船定义中大量采用比较研究法，通过横向比较找出绿色造船和一般造船的共同点与不同点以及中、日、韩三国造船现状的比较（第2章）；然后，将众多绿色度评价方法进行比较，比较各个评价方法的优点和缺点，为绿色造船评价指标体系选择适当的评价方法，从而使综合评价结果更具科学性与合理性（第4章）。 （5）归纳与演绎相结合的方法 归纳与演绎相结合的方法是一种辩证逻辑的方法。本文归纳分析了绿色造船的四个流程（第2章）；在此基础之上，归纳了绿色造船的三个特征的研究并构建了绿色造船评价指标体系（第3章）。
根据Matlab的图像去噪算法仿真
基于Matlab的图像去噪算法仿真 在信息化的社会里，图像在信息传播中所起的作用越来越大。所以，消除在图像采集和传输过程中而产生的噪声，保证图像受污染度最小，成了数字图像处理领域里的重要部分。 本文主要研究分析邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的图像去噪算法。首先介绍图像处理应用时的常用函数及其用法；其次详细阐述了四种去噪算法原理及特点；最后运用Matlab软件对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，通过分析仿真结果得出： 一．均值滤波是典型的线性滤波，对高斯噪声抑制是比较好的； 二．中值滤波是常用的非线性滤波方法，对椒盐噪声特别有效； 三．维纳滤波对高斯噪声有明显的抑制作用； 四．对小波系数进行阈值处理可以在小波变换域中去除低幅值的噪声和不期望的信号。 本论文主要是从两方面展开，首先是图像去噪算法：简要说明了图像噪声的概念及分类，详细阐述了邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法的去噪原理及特点。 其次是基于Matlab的图像去噪算法仿真：根据邻域平均法、中值滤波法、维纳滤波法及模糊小波变换法原理分析，运用Matlab仿真软件编写代码，对一张含噪图片（含高斯噪声或椒盐噪声）进行仿真去噪，并对结果分析讨论，比较几种方法的优缺点。 本论文仿真时选取一张彩色图片“2010-03-09-2.bmp”，并在图片中加入
两种噪声：高斯噪声和椒盐噪声。所谓高斯噪声是指它的概率密度函数服从高斯分布的一类噪声。椒盐噪声是由图像传感器、传输信道、解码处理等产生的黑白相间的亮暗点噪声，属于非平稳噪声。本章利用Matlab软件对含噪图像的去噪算法进行仿真，将应用邻域平均法、中值滤波法、维纳滤波法和模糊小波变换法对含有高斯噪声和椒盐噪声图像的去噪效果进行比较，从而得到相应结论。 1.1邻域平均法的仿真 本节选用邻域平均法对含有高斯噪声和椒盐噪声的图片进行去噪，并用Matlab软件仿真。 （1）给图像加入均值为0，方差为0.02的高斯噪声，选择3×3模板去噪Matlab部分代码： j=imnoise(x,'gaussian',0,0.02); h=ones(3,3); h=h/9; k=conv2(j,h); 仿真结果如图4-1所示。
小波变换去噪
小波变换的图像去噪方法 一、摘要 本文介绍了几种去噪方法，比较这几种去噪方法的优缺点，突出表现了小波去噪法可以很好的保留图像的细节信息，性能优于其他方法。 关键词：图像；噪声；去噪；小波变换 二、引言 图像去噪是一种研究颇多的图像预处理技术。一般来说, 现实中的图像都是带噪图像。为了减轻噪声对图像的干扰，避免误判和漏判，去除或减轻噪声是必要的工作。 三、图像信号常用的去噪方法 （1）邻域平均法 设一幅图像f (x, y) 平滑后的图像为g(x, y)，它的每个象素的灰度值由包含在(x, y)制定邻域的几个象素的灰度值的平均值决定。将受到干扰的图像模型化为一个二维随机场，一般噪声属于加性、独立同分布的高斯白噪声。可见，邻域平均所用的邻域半径越大，信噪比提高越大，而平滑后图像越模糊，细节信息分布不明显。 （2）时域频域低通滤波法 对于一幅图像，它的边缘、跳跃部分以及噪声都为图像的高频分量，而大面积背景区和慢变部分则代表图像低频分量，可以设计合适的低通滤波器除去高频分量以去除噪声。 设f(x,y)为含噪图像，F(x,y)为其傅里叶变换，G(x,y)为平滑后图像的傅里叶变换，通过H，使F(u,v)的高频分量得到衰减。理想的低通滤波器的传递函数满足下列条件： 1 D(u，v)≤D H(u,v)= 0 D(u，v)≤D 式中D0非负D(u，v)是从点(u，v)到频率平面原点的距离，即，即D(u, v) = u2 + v2 (3)中值滤波 低通滤波在消除噪声的同时会将图像中的一些细节模糊掉。中值滤波器是一种非线性滤波器，它可以在消除噪声的同时保持图像的细节。 (4)自适应平滑滤波 自适应平滑滤波能根据图像的局部方差调整滤波器的输出。局部方差越大，滤波器的平滑作用越强。它的最终目标是使恢复图像f*(x,y) 与原始图f(x,y) 的均方误差 e2 = E ( f (x, y) ? f *(x, y))2 最小。自适应滤波器对于高斯白噪声的处理效果比较好. （5）小波变换图像信号去噪方法 小波变换去噪法的基本思想在于小波变换将大部分有用信号的信息压缩而将噪声信息分散。对信号进行小波分解，就是把信号向L2 ( R) ( L2 ( R) 是平方可积的实数空间) 空间各正交基分量投影，即求信号与各小波基函数之间的相关系数，亦即小波变换值。“软阈值化” ( soft-thresholding) 和“硬阈值化”( hard-thresholding) 是对超过阈值之上的小波系数进行缩减的两种主要方法。一般说来，硬阈值比软阈值处理后的图像信号更粗糙，所以常对图像信号进行软 阈值的小波变换去噪。如图2 所示，横坐标代表信号( 图像) 的原始小波系数，纵坐标
论文开题报告问题怎么写
论文开题报告问题怎么写 在毕业生教育的整个过程中,毕业生论文质量的高低是衡量 毕业生培养质量的重要标志。而论文质量的高低,很大程度上取 决于论文开题报告做的细致程度。论文开题报告做的细致,前期 虽然花费的时间较多,但写起论文来就很顺手,能够做到胸有成竹,从而保证论文在规定的时间保质保量地完成;但如果不重视论文 开题报告,视论文开题报告为走过场,写起论文来就会没有目标, 没有方向,没有思路,就要多走弯路,很难保证毕业论文质量。 一、论文开题报告的意义 学位论文开题报告是毕业生在完成文献收集后写成的关于毕业生论文选题与如何实施的论述性报告。论文开题报告既是文献研究的聚焦点,又是毕业生论文研究工作展开的散射点,对研究工 作起到定位作用。 写论文开题报告的目的,是要请老师及专家们帮忙判断一下 所研究的选题有没有价值,研究方法是否奏效,论证逻辑有没有明 显缺陷。因此论文开题报告就要围绕研究的主要内容,拟解决的 主要问题(或阐述的主要观点),研究步骤、方法及措施为主要内容。但工作实践中发现有很多学生往往在论文开题报告中花费大量 笔墨叙述别人的研究成果,谈到自己的研究方法时,往往寥寥数语 一笔带过。这样,不便于评审老师指导。
二、如何写论文开题报告 (一)论文开题报告的前提——通过理论思维选择课题 在工作实践中,发现学位毕业生论文开题报告中存在的普遍问题是选题不合适。有的提出的问题太过“平庸”,有的选题范围太大,研究内容太多、太宽泛等。论文选题范围太大,研究内容对于一个学位生来说明显偏多,无法按时完成。因此应重新确定研究内容,注重项目的可操作性。 那么如何选择研究问题呢?这里要强调的是通过理论思维来发现研究问题。 理论是由一系列前设和术语构造的逻辑体系,特定领域的理论有其特定的概念、范畴和研究范式,只有在相同的概念、视角和范式下,理论才能够对话。只有通过对话,理论才能够发展。 其次,选择问题是一个“剥皮”的过程,理论问题总是深深地隐藏在复杂的现实背后,而发现理论问题,则需要运用理论思维的能力。这就需要我们不断锻炼和提高自己的理论思维能力,需要在日常的学习中,不断总结和分析以往的研究者大体是从哪些视角来分析和研究问题,运用了哪些理论工具和方法,通过学习和总结来不断提高自己的理论思维能力,从而选择具有学术理论价值和应用价值,并与国家经济建设及导师承担的科学研究项目紧密结合的研究问题。