基于小波變換的圖像去噪與壓縮算法研究.pdf

1、由于數(shù)字圖像在獲取及傳輸?shù)倪^(guò)程中通常會(huì)有噪聲的污染，這些噪聲對(duì)目標(biāo)分割和識(shí)別等后續(xù)圖像處理工作有負(fù)面影響，所以消除噪聲是一項(xiàng)重要的圖像預(yù)處理任務(wù)。另一方面，隨著數(shù)字通信技術(shù)的迅猛發(fā)展，圖像數(shù)據(jù)量呈現(xiàn)指數(shù)增長(zhǎng)，圖像壓縮成為圖像處理領(lǐng)域的研究熱點(diǎn)問(wèn)題之一。小波分析由于具有良好的時(shí)頻局部特性以及多分辨率分析特性，可以有效地從信號(hào)中提取重要信息，因此在圖像處理領(lǐng)域得到廣泛應(yīng)用。
　　本文主要針對(duì)基于小波變換的圖像去噪及壓縮算法進(jìn)行研究，提

2、出了改進(jìn)的小波閾值去噪算法以及改進(jìn)的多級(jí)樹(shù)集合分裂(SPIHT)算法。小波閾值去噪是目前研究最為廣泛的去噪算法之一，基于此算法提出了許多改進(jìn)的算法。然而，這些改進(jìn)的去噪算法均忽略了對(duì)低頻子帶進(jìn)行降噪處理。然而，實(shí)驗(yàn)結(jié)果表明低頻子帶部分仍含有少量的噪聲系數(shù)，因此本文采用自適應(yīng)中值濾波對(duì)低頻子帶進(jìn)行去噪，進(jìn)一步減少了噪聲系數(shù)，而對(duì)高頻子帶采用原始的通用閾值去噪算法。
　　傳統(tǒng)SPIHT算法在閾值較大情況下對(duì)所有的小波系數(shù)都進(jìn)行掃描編碼

3、，所以0位的輸出較多，降低了編碼效率。本文針對(duì)上述不足提出了一種改進(jìn)的SPIHT算法。首先，在對(duì)不重要子集表(LIS）進(jìn)行掃描編碼之前，判斷對(duì)于當(dāng)前閾值LIS列表中的是否有重要的小波系數(shù)。如果有，則按照原始的SPIHT算法進(jìn)行編碼；如果沒(méi)有，則跳過(guò)對(duì)LIS的編碼。其次，對(duì)不重要系數(shù)表(LIP)進(jìn)行掃描編碼時(shí)，增加一個(gè)標(biāo)志位，檢測(cè)是否所有的重要系數(shù)都已編碼完成。如果都已編碼，則跳出對(duì)LIP的編碼。
　　實(shí)驗(yàn)結(jié)果表明，與原始算法相比，