基于小波变换的图像去噪毕业设计word格式内容摘要：
论，又称为多尺度分析，是用小波函数的二进伸缩和平移表示函数这一思想的更加抽象复杂的表现形式。 它是由 Mallat于 1989年提出的，是建立在函数空间概念上的理论。 MRA不仅为正交小波基的构造提供了一种简便的方法，而且为小波的分解和重构提供了快速算法即 Mallat算法。 一般而言，小波函数的对称性与正交性不相兼容，如 Daubechies 正交小波族 就不具有对称性，其他的很多正交小波也是一样。 但是有 两种例外的情况，一是著名的 Haar 小波，二是由两个或两个以上尺度函数所形成的小波 —— 多小波 (Multiwavelet)。 因为正交小波基构造比较困难，于是 Albert Cohen，Daubechies， Feauveau等人提出了近似正交小波 —— 双正交小波 (Biorthogonal Wavelets)。 双正交小波由于兼顾了正交性和对称性，在图像处理方面显现出更好的优越性，而被大家青睐和广泛的使用。 小波去噪的基本原理 小波分析运用在图像去噪处理中，就是利用具体问题的先验知识，根据信号和噪声的小波系数在不同尺度上具有不同性质的机理，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。 处理的实质在于减小甚至完全剔除由噪声产生的系数，同时最大限度地保留真实信号的系数，最后由经过处理的小波系数重构原信号得到真实信号的最优估计。 在数学上，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版本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。 小波去噪 的基本步骤是，将含噪信号进行多尺度小波变换，从时域变换 到小 波域，然后在各尺度下尽可能地提取信号的小波系数，而除去噪声的小波系数。 最后用小波逆变换重构信号。 其流程图如图 小波去噪常用方法 目前，小波去噪的方法大概可以分为三大类：第一类。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。