小波变换在图像处理中的应用毕业论文Word文件下载.doc

1、指导教师： 年 月 日独创性声明本毕业设计（论文）是我个人在导师指导下完成的。文中引用他人研究成果的部分已在标注中说明；其他同志对本设计（论文）的启发和贡献均已在谢辞中体现；其它内容及成果为本人独立完成。特此声明。论文作者签名： 日期： 关于论文使用授权的说明本人完全了解华侨大学厦门工学院有关保留、使用学位论文的规定，即：学院有权保留送交论文的印刷本、复印件和电子版本，允许论文被查阅和借阅；学院可以公布论文的全部或部分内容，可以采用影印、缩印、数字化或其他复制手段保存论文。保密的论文在解密后应遵守此规定。 指导教师签名： 日期：小波变换在图像处理中的应用摘要近年来小波变换技术已广泛地应用于图像

2、处理中。小波分析的基本理论包括小波包分析、连续小波变换、离散小波变换。小波变换是一种新的多分辨分析的方法，具有多分辨率和时频局部化的特性，可以同时进行时域和频域分析。 因此不但能对图像提供较精确的时域定位,也能提供较精确的频域定位。经过小波变换的图像具有方向选择、多分辨率分析的特点。小波变换基于这些良好特性，在数字图像处理领域中取得良好的实际效果。本文基于小波变换研究了图像压缩、图像增强、图像去噪、图像融合、图像分解、图像重构等方法，并利用MATLAB进行仿真验证，最后，用GUI实现了人机交互，简单、易操作、美观。关键词：小波变换，图像处理，增强，压缩，融合，去噪，分解，重构IThe Appl

3、ication of Wavelet Transform in Image ProcessingAbstract In recent years, the technique of wavelet transform has been widely used in image processing. The basic theory of wavelet analysis, wavelet packet analysis including the continuous wavelet transform, discrete wavelet transform. Wavelet transfo

4、rm is a multiresolution analysis is a new method, has the characteristics of multi-resolution and time-frequency localization, both in time domain and frequency domain analysis. It can not only provide accurate positioning of the image in time domain, frequency domain can provide accurate positionin

5、g. After image wavelet transform has the characteristic of direction, multi resolution analysis. Based on the good properties of wavelet transform, obtain good actual effect in the field of digital image processing. In this paper, based on the wavelet transform of the image compression, image enhanc

6、ement, image denoising, image fusion, image decomposition, image reconstruction method, and simulated by MATLAB software, finally, using GUI to achieve human-computer interaction, simple, easy operation, beautiful appearance.Keywords: Wavelet Transform, Image Processing, Enhancement, Compression, De

7、noising, Fusion,Decompo-sition, Reconstruction目 录第一章 绪论11.1 研究背景11.2 研究现状11.3 研究意义21.4 论文内容与结构2第二章 小波变换的基础理论32.1 小波变换32.2 连续小波变换32.3 离散小波变换32.4 小波包分析6第三章 小波变换在图像处理中的应用73.1 小波阈值法进行图像压缩73.1.1 实现压缩的主要函数83.1.2 实现压缩的算法流程83.2 二维小波分析进行图像增强93.2.1 实现增强的主要函数103.2.2 实现增强的算法流程103.3 小波包图像去噪103.3.1 实现去噪的主要函数113.3

8、.2实现去噪的算法流程113.4 小波变换用于图像融合123.4.1 实现融合的主要函数133.4.2实现融合的算法流程13结论15参考文献16致 谢17附录 英文文献及翻译18III第一章 绪论 1.1 研究背景近年来，网络技术以及信息技术的快速发展，使得小波变换技术被广泛的应用于图像识别领域和图像处理方面，成为处理信号强有力的工具。小波变换是以克服短时傅立叶变换在单分辨率上的缺陷为基础发展而来的一种新的变换方法。小波变换又被称为多分辨率分析，在时域、频域同时具有良好的表征信号局部特征的能力，因此被广泛地应用于信号处理、语音分析、图像处理和模式识别等专业中。1910年，被Haar首次提出的小

9、波规范正交基是最早的小波基。1936年，Paley与Littlewood通过傅立叶级数对频率进行二进制分量分组，构造了Littlewood-Paley基，这是首次有人提出多尺度分析理念，使得函数的大小不再受傅立叶变换的影响，从而为小波理论的发展铺垫了理论基石。在1946年时，加窗的傅立叶变换理论被Gabor提出，使得对信号的表示具有时域、频域局部变化特征能力，此时虽然不能完全解决傅里叶变换的缺陷，但是已经取得比较好的改善效果。而后，1982年，在分析地质波时，法国地质学家Morlet通过使用高斯余弦函数得到一组函数系，小波分析的概念被首次提出了。1985年，第一个光滑的正交小波被数学家Meye

10、r构建出来。后来，1986年，Meyer与Mallat建立了构造小波基的统一方法，同年，多尺度分析的基本思想被提出。1988年，科学家Daubechies建立了构建正交小波基的通用渠道，提出了首个光滑正交小波基Daubechies基，其具有紧支撑的特点。后来，信号分析专家Mallat构建了著名的快速小波算法-Mallat算法（FWT），提出了多分辨分析的概念。至此，小波理论的发展开始从理论研究走向实际应用方向，并获得突破性的发展，广泛应用于人们的生活中。1.2 研究现状人们为了对图像进一步分析并能使用机器更好地自动读取图像数据，并对图像数据进行存储、传输以及显示，由此产生了对图像处理方法的研究

11、。随着科学技术的发展，图像处理技术发展十分迅速。图像处理技术不但已经成功应用在医学和空间项目等高新的领域上，而且在工业、生物科学等其他更多的交叉学科领域中也已广泛的应用。早在上世纪六十年代，美国喷气推进实验室就运用有效地图像处理技术对太空飞船发回的大批月球照片进行处理了。此后图像处理技术在各行各业都得到了不同速度的发展和应用，例如在宇宙探测中的星体图像处理；在生物医学领域中的细胞分析、各种CT、放射图像等方面的处理；在通信领域中图像信息传输、卫星通信方面的图像压缩处理数据、动态图像序列的传送；以及信息隐藏、数字水印、图像检测、图像识别和检索。目前发展研究趋势表明，图像处理技术以爆炸式速度在增长

12、，并在未来有稳定、长远的发展前景。近年来，图像处理技术的发展带来许多新的图形表示方法，用以适应人类的视觉特性要求，其包括余弦包、边缘小波、脊波、曲线波等。在图像处理领域中，小波变换作为新兴的信号处理技术，在时域频域都有表征信号局部化的能力，多分辨率分析的特性，因此得到了广泛应用。1.3 研究意义 在小波理论迅速发展的同时，在图像处理方面上，已成熟应用于图像的压缩、增强、去噪、重构、分解、融合等方面。由于小波分析在时间和频率上局部化分析的特点使它优于傅立叶分析。在实际应用中的绝大多数信号是非稳定的，而傅立叶分析较为理想的是处理稳定的信号。小波分析具有类似分析信号的“数学显微镜”的功能，因此可以生

13、成满足不同要求的各种分辨率的图像，可以将图像分层；根据实际应用中对图像信号处理的要求，结合图像的性质，按照实时需求来处理。基于小波变换的优点，使得小波的应用研究在数学、信号处理和图像处理等领域快速地展开。其应用范围包括信号分析、图像处理、电子对抗、计算机识别、地震勘探数据处理、纹理分析、边缘检测、音乐与语音人工合成、军事智能化、医学成像、机械故障诊断等多个方面。1.4 论文内容与结构第一章：绪论。主要介绍基于小波变换的图像处理技术的研究背景、现状及意义。第二章:小波变换理论简介。对小波变换相关理论知识进行了简要的介绍，简单阐述了连续小波变换、离散小波变换、小波包分析的基本原理，为全文的理论运用

14、夯实了基础。第三章:使用了MATLAB编程工具将理论运用到实践中，以GUI人机交互界面的形式论 证了小波变换在图像处理中的各种应用。第四章:总结。对整篇论文所做的主要工作做简要的总结。 第二章 小波变换的基础理论2.1 小波变换小波变换是在克服短时傅立叶变换在单分辨率缺陷的基础上发展起来的，它的时间窗和频域窗均可根据信号的具体形态进行动态调整。在低频处（信号比较平稳）取宽的时（空）间窗，在高频处（频率变化不大）取窄的时（空）间窗，适合处理非平稳信号。小波变换是对信号时间尺度上的一种分析方法，具有多分辨率分析（MRA）的特点，而且在时域和频域信号都具有表征局部特征的能力1。它通过伸缩和平移等运算对函数或信号进行多尺度的细化分析，可以探测到正常信号中的瞬态，同时显示其频率成分，小波变换解决了许多傅立叶变换不能解决的问题。设,表示一维平方可积实函数集，的Fourier变换为，并满足容许性条件： （2-1）则称为基本小波或母小波