优秀论文未经允许
审核通过切勿外传
大连民族学院毕业设计外文资料翻译
所在学院：机电信息工程学院专业班级：自动化063
f学生姓名：指导教师：
徐睿王培昌
2010年6月4日
复杂脊波图像去噪
作者：GYChe
a
dBKegl刊名：Patter
Recog
itio
出版日期：2007
1介绍
小波变换已成功地应用于许多科学领域，如图像压缩，图像去噪，信号处理，计算机图形，IC和模式识别，仅举几例。Do
oho和他的同事们提出了小波阈值去噪通过软阈值和阈值这种方法的出现对于大量的应用程序是一个好的选择。这是因为一个小波变换能结合的能量在一小部分的大型系数和大多数的小波系数中非常小这样他们可以设置为零。这个阈值的小波系数是可以做到的只有细节的小波分解子带。我们有一些低频波子带不能碰触，让他们不阈值。众所周知，Do
oho提出的方法的优势是光滑和自适应。然而，Coifma
和Do
oho指出，这种算法展示出一个视觉产出：吉布斯现象在邻近的间断。因此，他们提出对这些产出去噪通过平均抑制所有循环信号。实验结果证实单目标识别小波消噪优于没有目标识别的情况。Bui和Che
扩展了这个目标识别计划，他们发现多小波的目标
f识别去噪的结果比单小波去噪的结果要好。蔡和西尔弗曼提出了一种阈值方案通过采取相邻的系数。他们结果表现出的优势超于了传统的一对一小波消燥。Che
和Bui扩展这个相邻小波阈值为多小波方法。他们声称对于某些标准测试信号和真实图像相邻的多小波降噪优于相邻的单一小波去噪。陈等人提出一种图像去噪是考虑方形相邻的小波域。陈等人也尝试对图像去噪自定义小波域和阈值。实验结果表明：这两种方法产生更好的去噪效果。研究脊波变换的数多年来打破了小波变换的局限性。将小波变换产生的二维图像在每个规模大的小波系数的分解。有这么多的大系数，对于图像去噪有很多困难。我们知道脊波变换已经成功用于分析数字图像。不像小波变换脊波变换过程首先计算积分在不同的方向和位置的数据。沿着“x1cos_x2si
_常数”一条线的脊波是不变的。在这些脊的方向正交小波变换是一。最近脊波已成功应用于图像去噪。在本文中，我们结合二元树复小波的脊波变换中并将其应用到图像降噪。这种近似二元树性能的复杂变性小波和良好性能的脊波使我们有更好的方法去图像去噪。实验结果表明，采用二元树复杂脊波在所有去噪图像和许多不同噪音中我们的算法获得较高的峰值信噪比（PSNR）。这篇文章大体是这样的。在第二部分，我们将解释如何将二r