论文部分内容阅读
小波分析是目前国际上最新的时频分析工具,在信号处理方面有着广泛地应用,本文着重讨论基于小波变换的图像处理技术。详细讨论了小波分析的基本理论,介绍了连续小波变换、离散小波变换和多分辨分析,给出Mallat的快速分解与重构算法,最后研究了小波基的数学特性,分析了它们对实际应用的影响和作用。详细介绍了小波变换去噪的原理,分析了去噪过程中几个参数的选取问题;对小波阈值萎缩去噪方法的几个关键问题进行了详细讨论,并给出了改进的软硬阈值去噪方法,最后通过实验,证明这些改进方案的有效性。传统的边缘检测基于一阶导数极大值或二阶导数零交叉的定义,这种定义对噪声非常敏感。小波分析具有多尺度特性,既有大尺度的基函数,又有小尺度的基函数,因而在运用于边缘检测时,正好解决了这个问题。本文使用一种基于样条小波的多尺度边缘检测算法,该算法在图像带噪的情况下,检测出较为准确的边缘。结合人类视觉感知机理,对小波多尺度分析纹理特征提取方法进行了研究。在叙述小波分析理论的基础上,把小波分解引入到纹理表示中来,讨论了提取纹理特征值时选取窗口大小的问题。根据人类视觉中的模糊性和随机性,对模糊聚类算法进行了研究,在模糊聚类有效性函数指导下构造了一种自适应模糊C-均值聚类算法的纹理分割方法,并验证了该算法的有效性。