基于matlab和mobius变换的图像处理毕业论文(编辑修改稿)

基于matlab和mobius变换的图像处理毕业论文(编辑修改稿)内容摘要：

图 c 解调图像波形 图 d 通过低通滤波器后的图像波形 9 图 3 传统通信系统模型思想下无噪声的仿真波形 还原成图像如图 4所示： 图 4 传统通信系统模型思想下无噪声的 图像还原 传统通信系统模型思想下加高斯白噪声的仿真波形如图 5所示 取 sample time=， noise power=，通过计算知高斯白噪声功率 10 为。 图 a 加噪声图像波形 图 b 解调图像波形 图 c 通过低通滤波器后的图像波形 11 图 5 传统通信系统模型思想下加高斯白噪声的仿真波形 还原成图像如图 6所示： 图 6 传统通信系统模型思想下加高斯白噪声 的图像还原 恢复图像与原始图像的均方误差为。 数字图像在 ChenMobius变换处理模型下的仿真 调制信号取 1阶 Mobius变换与奇对称方波正交的函数族，解调信号取方波频率为 120xxHz的信号， sample time=，低通滤波器取 10000Hz。 12 ChenMobius 变换处理模型下的 无噪声的仿真波形如图 7 所示 图 a 原始输入图像波形 图 b 调制图像波形 图 c 解调图像波形 13 图 d 通过低通滤波器后的图像波形 图 7 ChenMobius 变换处理模型下的 无噪声的仿真波形 还原成图像如图 8所示： 14 图 8 ChenMobius 变换处理模型下的 无噪声的图像还原 从图 8可以看到当图像通过低通滤波器后，图像底部的一些信号跑到了顶部，这是一张图片经过低通滤波器所特有的，经过调整之后即为恢复图像，图片没有出现突变。 ChenMobius 变换处理模型下 加高斯白噪声的仿真波形如图 9 所示 取 sample time=， noise power=，高斯白噪声功率为。 图 a 加噪声图像波形 15 图 b 解调 图像波形 图 c 通过低通滤波器后的图像波形 图 9 ChenMobius 变换处理模型下 加高斯白噪声的仿真波形 还原成图像如图 10 所示： 16 图 10 ChenMobius变换处理模型下 加高斯白噪声的图像还原 恢复图像与原始图像的均方误差为。 仿真结果分析 无噪声情况下传统通信系统模型思想与 ChenMobius变换处理模型下恢复图像对比如图 11所示， 加噪声情况下传统通信系统模型思想与 ChenMobius变换处理模型下恢复图像对比如图 12所示。 恢复图像 a 恢复图像 b 图 11 无噪声情况下传统通信系统模型思想与 ChenMobius变换处理模型下恢复图像对比 17 恢复图像 a 恢复图像 b 图 12 加噪声情况下传统通信系统模型思想与 ChenMobius变换处理模型下恢复图像对比 从以上的仿真结果可以知道，新型的通信系统在经过一系列的调制解调之后恢复出来的原 始图像信号要优于传统的通信系统，在噪声方面，传统通信系统恢复出来的图像信号的均方误差 MSE=,而 ChenMobius通信系统恢复出来的图像信号的均方误差仅为 MSE=，要比传统的通信系统好的多。 ChenMobius通信系统之所以具有强的抗干扰能力，是因为调制与解调的两个函数族是正交的，但各自函数族本身却是非正交的，或叫斜正交的，这样一般的噪声是不可能与调制载波相正交的，就可以使信号高保真的恢复出来，满足了通信的需求。 在保密方面，新型的通信系统中两个正交的函数族理论上还要满足不同波形的变化，并且调制波函数又有很多表达式，而对应的正交波形也会变化，要窃取到有用信号很难，保密得到了很大的提高。 因此，新型的通信系统有很大的发展前景。 第四章 数字图像处理的应用与仿真 把一张 256*256*3 的图像分割成 a,b,c,d 四块，在组合方面，可以随机打乱重组成 24 张不同的图片。 在本实验中将图片打乱重组成 cbda 如图 13 所示，对分割图像 c 采用 5 阶 Mobius 变换与奇对称方波正交的函数族调制，分割图像 b采用 4阶 Mobius 变换与锯齿波正交的函数族调制，分割图像 d,c 应用了水印技术，采用 3阶 Mobius 变换与奇对称方波正交的函数族调制。 18 图 13 分割重组图像 分割图像 c的仿真 分割图像 c 的调制信号取 5 阶 Mobius 变换与奇对称方波正交的函数族，解调信号取方波频率为 120xxHz 的信号， sample time=，低通滤波器取10000Hz。 在调制过程中把图像涂黑传输，在接收端对图像进行恢复，分割图像c 的信号功率为。 分割图像 c无噪声的仿真波形如图 14所示 图 a 分割图像 c 的波形 19 图 b 分割图像 c 的涂黑图像波形 图 c 分割图像 c 的解调图像波形 图 d 分割图像 c 的低通。