没有合适的资源?快使用搜索试试~ 我知道了~
Matlab实现小波去噪.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 135 浏览量
2021-12-08
11:08:00
上传
评论
收藏 347KB PDF 举报
温馨提示
试读
11页
。。。
资源推荐
资源详情
资源评论
小波去噪 MATLAB 实现
第二章 图像小波去噪理论
第4章 医学图像小波去噪的 MATLAB 实现
4.1 小波基的确定
不同的小波基具有不同的时频特征,用不同的小波基分析同一个问题会产生不同
的结果,故小波分析在应用中便存在一个小波基或小波函数的选取和优化问题。
我们在应用中要把握小波函数的特征,根据应用需要,选择合适的小波基。在小
波分析应用中要考查小波函数或小波基的连续性、正交性、对称性、消失矩、线
性相位、时频窗口的中心和半径以及时频窗的面积等,这些特征关系到如何选择
合适的小波基。本节选取了一些常见的小波基,首先固定小波分解层数和阈值,
然后改变小波基,运行结果。通过计算峰值信噪比(PSNR)来判定哪个小波基对医
学图像去噪效果好。
下表为不同小波基去噪前带噪图像的峰值信噪比(PSNR)和去噪后图像的峰值信
噪比(PSNR),通过峰值信噪比对不同小波基的去噪效果进行评价,从而选出对
图像去噪效果较好的小波基。
通过去噪效果图 4-1和表4-1以及图像评价原则我们可以很容易选出对图像去噪
效果好,而又很好的保持图像细节的小波基。从图4-1中我们可以看出选用 sym3
小波基去噪后噪声得到了明显的抑制,但是图像的细节被弱化了,读图有所影响。
选用 sym5小波基去噪后,噪声没有得到很好的抑制,而且图像细节已明显消损,
对读图有所影响。选用 coif2小波基对图像进行去噪后,噪声得到一定的抑制,
图像的细节保持的也很好。选用 coif5小波基对图像去噪后,图像细节明显消损,
对读图有所影响。选用 db2小波基对图像去噪后图像的噪声虽然得到抑制但细节
变得模糊,很难辨别。选用 db6小波基对图像进行去噪后,图像失真比较明显。
综上所述,coif2小波基去噪效果很好,所以本次课程设计中我选择 coif2小波
基进行医学图像小波去噪方法研究。
相应小波变换语句:[c,s]=wavedec2(A,n,wname);
其中:wname 为小波基变量,通过改变它来变换程序中运用的小波基。
n 为小波分解层数
A 为处理图像
4.2 分解层数的选择
在实际的小波图像去噪过程中,不同信号、不同信噪比下都存在一个去噪效果最
好或接近最好的分解层数,分解层数对于去噪效果的影响很大。 通常分解层数
过多,并且对所有的各层小波空间的系数都进行阈值处理会造成信号的信息丢失
严重,去噪后的信噪比反而下降,同时导致运算量增大,使处理速度变慢。
分解层数过少则去噪效果不理想,信噪比提高不多。 因此分解层数的确定作为
一个核心的问题需要解决。
本论文中通过对医学图像进行 n 层小波分解,从大量的实验数据可以看出层数超
过十层后图像以很难辨别,我通过仿真实验对医学图像进行了1-6层小波分解,
确定小波基为 coif2。仿真实验结果如图4-2所示:
不同分解层数图像去噪效果不同,从上面图中我们就可以看出,为了更有说服力
由图4-3可知由本文研究方法确定的最佳分解层数分别为2和3,在没达到此分解
层数之前,分解层数对去噪结果的影响是很大的,去噪后信号的信噪比随着分解
层数的增加而迅速增加,在超过这个层数之后,去噪后信号的信噪比要么没有太
大的变化,要么就会有较大的下滑,由此需要确定一个合适的分解层数才能达到
较好的去噪效果。
综上所述:通过图4-2、表4-2、图4-3的综合评价,我们选取分解层数为2层进行
我们后续的研究,力求使我们研究的方法去噪效果更好。
以下是相应的仿真程序
clear; % 清理工作空间
I=imread ('mm、bmp'); %装载原始图像
X1=rgb2gray(I);
X=double(X1);
[m,n]=size(X);
x=imnoise(X1,'gaussian',0、02); %加入高斯噪声
%分层阈值处理
for i=1:6
[c,s]=wavedec2(x,i,'coif2'); % i 层小波分解
[thr3,nkeep3]=wdcbm2(c,s,2);% 提取 i 层阈值
Duo(:,:,i)=wdencmp('lvd',c,s,'coif2',i,thr3,'h');% i 层小波去噪
psnr(i)=10*log10(m*n*max(max(X^2))/sum(sum((double(X)-double(Duo(:,:,
i)))、^2)));
% i 层小波去噪后图像的峰值信噪比
end
% 显示各层去噪后图像
for i=1:6
figure,
imshow(Duo(:,:,i),[])
end
figure,
plot(psnr)
axis([0 6 5 25])
title('不同层次去噪后图像峰值信噪比走势图‘)
4.3 阈值函数的选择
现在有很多关于阈值函数选择方面的研究,人们对阈值函数的优缺点大体上有所
了解,小波阈值的选取和阈值函数的选择直接影响着最后的结果。本文选取的方
有更好的法克服了硬阈值在阈值点的不连续性和软阈值过度平滑的缺点,实验表
明,该方法具去噪效果,能在去噪的同时保留图像的边缘等重要细节。阈值去噪
中,阈值函数体现了对超过和低于阈值的小波系数运用不同处理策略,是阈值去
噪中关键的一步。经小波分解后,信号的小波系数幅值要大于噪声的系数幅值。
可以认为,幅值比较大的小波系数一般以信号为主,而幅值比较小的系数在很大
程度上是噪声。于是,采用阈值的办法可以把信号系数保留,而使大部分噪声系
数减小至零。小波阈值收缩法去噪的具体处理过程为:将含噪信号在各尺度上进
行小波分解,设定一个阈值,幅值低于该阈值的小波系数置为0,高于该阈值的
小波系数或者完全保留,或者做相应的“收缩(shrinkage)”最后将处理后获得
的小波系数用逆小波变换进行重构,得到去噪后的图像。
从表4-3中我们可以看出,自适应阈值去噪后图像的峰值信噪比(PSNR)比较大,
去噪效果较好,所以后续研究中我们选用自适应阈值去噪进行研究。
图4-4为不同阈值函数的去噪效果图,从图中我们可以看出:硬阈值函数可以很
剩余10页未读,继续阅读
资源评论
苦茶子12138
- 粉丝: 1w+
- 资源: 6万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功