1。4。主要研究内容

经过多年的研究发展，小波理论在各个领域应用中取得了许多重要的研究成果。但小波的应用背景仍然很广泛，当然也存在着一些不足和问题。本文首先要对前人提出的有关小波的图像去噪方法进行简单的介绍，和传统的去噪方法进行总结和对比，指出这些方法的优缺点，然后对小波展开更加系统、深入的分析和研究，介绍基于小波变换的图像去噪，在此基础上对传统的小波去噪技术进行一定的改进，拟通过研究小波新理论，采用小波变换方法对图像进行去噪研究，并通过实验仿真来验证该方法的有效性。文献综述

本论文拟对当前各种图像去噪技术的原理进行分析和研究，着重研究基于小波变换的图像去噪算法，对小波变换进行系统的介绍和研究，分析小波变换图像去噪的原理和适用性，给出基于小波变换的图像去噪算法。使用Matlab对维纳滤波、均值滤波以及小波变换这三种图像去噪方法分别进行实验仿真，通过图像逼真度算法客观比较三种方法去噪的效果及其优缺点。在使用小波变换对含噪图像进行多重重构时，通过选取不同的阈值及阈值函数对小波系数阈值化处理[11]，比较去噪的效果，优化小波分解分解层数及阈值的选取，以达到最优的图像去噪效果。

在本文中，先对图像去噪以及小波变换理论和发展进行了介绍，指出了小波变换图像去噪的研究背景和意义。在第二章中分别对传统的去噪算法：均值滤波以及维纳滤波进行了算法介绍和分析，指出了这两种算法的原理以及存在的不足之处。在第三章中对小波变换理论进行了更加深入，详细的介绍和研究。提出了小波分解层数和阈值的选取原则，详细介绍了小波阈值去噪流程及原理。为了直观地比较各种去噪算法去噪效果的优劣，在第四章中介绍了基于图像均方误差和峰值性噪比的图像客观评价方法。通过图像峰值性噪比可以更直观方便的对实验仿真结果进行分析比较。最后给出去噪效果较好的基于小波变换的图像去噪算法。

第二章均值滤波及维纳滤波图像去噪方法

2。1。均值滤波简介

均值滤波是图像去噪算法中一种典型的平滑线性滤波算法。它通过给含噪图像的每个目标像素选取一个特定大小模板（一般为矩形），该模板包含了目标像素邻近的像素点，以目标像素为中心3*3矩阵中去掉其本身的其余8个像素[12]。再使用该模板中的全体像素的灰度值平均值来代替原来的像素值，以达到去噪的目的。均值滤波去噪算法本身存在着一定的缺陷，随着所选取的模板尺寸越来越大，其模板像素的平均值与目标像素之间的误差也会越来越大，从而导致了在对图像去噪的同时也破坏了图像的细节和边缘信息，使图像变得模糊，不能达到较好的去噪效果[13]。

2。2。均值滤波算法来:自[优E尔L论W文W网www.youerw.com +QQ752018766-

均值滤波的原理是使用邻域平均法，属于一种简单的平滑线性滤波算法[14]，它是以选取的目标像素为中心点，为该点选取一个矩形像素点模板，模板的尺寸大小为（2n+1）*（2n+1），一般取3*3大小的模板，计算该选取的模板的像素平均值，使其代替原来的目标像素的值。均值滤波采用了模板运算的思想，即每一个像素点的值不仅仅与该像素本身有关也与其邻近像素点的值有关。其表达式为：

式中，f(i,j)为给定的含噪图像，g(i,j)为含噪图像经过均值滤波去噪后的图像，N是均值滤波所选取的模板的尺寸，一般N=9，M为选取的模板中各个邻域像素点的坐标[14]。