文献综述
1、现状及发展趋势：
小波变换的概念是由法国从事石油信号处理的工程师JMorlet在1974年首先提出的通过物理的直观和信号处理的实际需要经验的建立反演公式当时未能得到数学家的认可，正如1807年法国的热学comFourier提出任一函数都能展开成三角函数的无穷级数的创新概念未能得到著名comangecomaccomndre的认可。一样幸运的是早在七十年代ACalderon表示定理的发现Hardy空间的原子分解和无条件基的深入研究为小波变换的诞生做了理论上的准备commberg还构造了历史上非常类似于现在的小波基1986著名数学家YMeyer偶然构造出一个真正的小波基并与AMallat合作构造了小波基的同意方法枣多尺度分析之后，小波分析才开始蓬勃发展起来，其中比利时女数学家IDaubechies撰写的《小波十讲Ten Lectures on Wavelets》对小波的普及起了重要的推动作用，它与Fourier变换窗口FOURIER变换GABOR变换相比这是一个时间和频率的局域变换因而能有效的从信号中提取信息通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析Multiscale Analysis还解决了Fourier变换不能解决的许多困难问题从而小波变换被誉为数学显微镜。它是调和分析发展史上里程碑式的进展，图像在生成和传输过程中常常因受到各种噪声的干扰和影响而使图像降质，这对后续图像的处理，如分割压缩和图像理解等，将产生不利影响噪声种类很多如电噪声，机械噪声，信道噪声和其他噪声在图像处理中图像去噪是一个永恒的主题为了抑制噪声改善图像质量便于更高层次的处理必须对图像进行去噪处理。
近年来小波理论得到了非常迅速的发展，而且由于其具备良好的时频特性实际应用也非常广泛，其中图像的小波阈值去噪方法可以说是众多图像去噪方法的佼佼者，基本思想就是利用图像小波变换本身是一种线性变换。而国内外的研究大多数集中在如何选取一个合适的全局阈值通过处理低于该阈值的小波系数同时保持其余系数值不变的方法来降噪。因而大多数方法对于类似于高斯噪声的效果较好，但对于混有脉冲噪声的混合噪声的情形处理效果并不理想，线性运算往往还会造成边缘模糊。小波分析技术正因其独特的时频局部化特性在图像信号和噪声信号的区分以及有效去除噪声并保留有用信息等方面较之传统的去噪具有明显的优势，且在去噪的同时实现了图像一定程度的压缩和边缘特征的提取，所以小波去噪具有无可比拟的优越性。
2.意义和价值
随着计算机科学和图像处理技术的迅速发展，图像在医学，模式识别等方面取得了广泛的应用。但是，图像在形成、传输过程中，不可避免会受到噪声的干扰，而且有些图像的噪声非常严重，图像的噪声往往和信号交织在一起，会使图像本身的细节如边界轮廓、线条等变的模糊不清。引起噪声的原因很多，噪声的种类也很多。因此，需要对图像进行降噪处理，便于更高层次的图像分析与理解。图像去噪是图像处理中的主要环节，图像去噪的好坏直接影响着图像的后续处理。对图像的去噪就是选择一种较好的滤波方法，使得在抑制噪声的同时很好的保持图像的细节边缘，有利于对图像的后续的处理。
本课题是研究在光照度很低或光照度不均匀的环境下，图像会含有大量噪声。随着亮度信息减少，图像的边缘、细节比理想光照图像模糊。采用各种不同的去噪方法对低照度图像进行去噪处理，掌握图像去噪的原理和过程。经过各种不同去噪方法可以对低照度图像进行还原，使得到清晰有用图像。
3.参考文献
-
叶雯.基于MATLAB的图像去噪研究[J].计算机时代,2015(06):10-12 16
-
杨小静. 基于LabVIEW和Matlab的图像去噪研究[D].湖南师范大学,2014.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
