1. 研究目的与意义（文献综述）

随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、边缘提取等，所以为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性（即主要特征）的同时，又能够去除信号中无用的信息。所以，降噪处理一直是图像处理和计算机视觉研究的热点。图像去噪的最终目的是改善给定的图像，解决实际图像由于噪声干扰而导致图像质量下降的问题。通过去噪技术可以有效地提高图像质量，增大信噪比，更好的体现原来图像所携带的信息，作为一种重要的预处理手段，人们对图像去噪算法进行了广泛的研究。在现有的去噪算法中，有的去噪算法在低维信号图像处理中取得较好的效果，却不适用于高维信号图像处理；或者去噪效果较好，却丢失部分图像边缘信息，或者致力于研究检测图像边缘信息，保留图像细节。如何在抵制噪音和保留细节上找到一个较好的平衡点，成为近年来研究的重点。现在人们对数字图像的质量要求越来越高。当时数字图像在采集和传输个，难免会受到噪声的污染，这不仅不符合人们的视觉效果，而且也不利于图像的进一步处理。因此图像去噪具有很强的理论意义和应用价值。图像去噪是信号处理中的一个经典问题，传统的去噪方式多采用平均或者线性方法进行，当时其去噪效果不好，随着小波理论的不断完善，它以自身良好的时频特性在图像去噪领域受到越来越多的关注。小波变换主要是利用其特有的多分辨率性、去相关性和选基灵活性特点，使得它在图像去噪方面大有可为，清晰了图像。经过小波变换后，在不同的分辨率下呈现出不同规律，设定阈值门限，调整小波系数，就可以达到小波去噪的目的。 随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、边缘提取等，所以为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性的同时，又能够去除信号中无用的信息。所以，降噪处理一直是图像处理和计算机视觉研究的热点。图像去噪的最终目的是改善给定的图像，解决实际图像由于噪声干扰而导致图像质量下降的问题。通过去噪技术可以有效地提高图像质量，增大信噪比，更好的体现原来图像所携带的信息，作为一种重要的预处理手段，人们对图像去噪算法进行了广泛的研究。在现有的去噪算法中，有的去噪算法在低维信号图像处理中取得较好的效果，却不适用于高维信号图像处理；或者去噪效果较好，却丢失部分图像边缘信息，或者致力于研究检测图像边缘信息，保留图像细节。如何在抵制噪音和保留细节上找到一个较好的平衡点，成为近年来研究的重点。现在人们对数字图像的质量要求越来越高。当时数字图像在采集和传输个，难免会受到噪声的污染，这不仅不符合人们的视觉效果，而且也不利于图像的进一步处理。因此图像去噪具有很强的理论意义和应用价值。图像去噪是信号处理中的一个经典问题，传统的去噪方式多采用平均或者线性方法进行，当时其去噪效果不好，随着小波理论的不断完善，它以自身良好的时频特性在图像去噪领域受到越来越多的关注。小波变换是二十世纪80年代发展起来的应用数学分支，它具有良好的时频分析特性，在图像去噪领域得到了广泛研究并获得了非常好的应用效果，已成为图像去噪的主要方法之一。 小波变换具有良好的时频分析特性，可以捕获到图像的任何细节；利用小波变换的这一特性能够有效地对信号进行特征提取，根据有用信号和噪声在小波域表现出的不同特征，可以有效地去除图像中的噪声。早期的基于小波变换的去噪算法主要是利用小波变换的能量聚集性，没能充分发挥小波变换的所有优势。随着基于小波变换的去噪算法的不断成熟，图像去噪领域的研究方向已转向最大限度地利用信号的先验知识进行去噪。利用信号的先验知识建立小波系数的统计模型并利用这些统计模型进行去噪是目前图像去噪领域的研究热点，如何建立既精确又简单的统计模型成为了去噪算法的核心问题。只有在成功的统计模型基础上，才能提出成功的图像去噪算法，小波系数统计模型的精确程度决定了去噪算法的最终去噪效果。

2. 研究的基本内容与方案

研究内容： 小波变换主要是利用其特有的多分辨率性、去相关性和选基灵活性

特点，使得它在图像去噪方面大有可为，通过研究基于小波变换的

图像去噪的基本算法中阈值收缩法、模极大值法和相关法，以及改

3. 研究计划与安排

第1周—第4周 选定毕业设计题目，查找相关资料，撰写开题报告；

第5周—第6周 学习使用matlab软件，并学习相关图像去噪知识；

第7周—第12周 确定设计方案并根据方案进行matlab实验；

4. 参考文献（12篇以上）

[1] 杨小静.基于labview和matlab的图像去噪研究[d].湖南：湖南师范大学，2014
[2] dodey d,mc ginley b,hughes c,et al. a blind-zone detection method using a rear-mounted fisheye camera with combination of vehicle detection methods. ieee trans on intelligent transportation systems . 2016
[3] 周旭廷，王桂丽，傅赟，等.基于matlab的数字图像去噪处理[j].计算机系统应用,2016,25(11):270-273
[4] 陈国顺.精通labview程序设计[m].北京：电子工业出版社,2012
[5] li z q,sun x x,ding q.design and implementation in image compression encryption of digital chaos based on matlab[j]. the first euro-china conference on intelligent data analysis and applications(ecc 2014).2014

[6] simulation design on kalman filter with mobile and no-intersymbol interference system based on matlab[j]. liang jun yu,li hua sun,cui cui huang. applied mechanics and materials. 2015(716)

[7] 自适应阈值的小波图像去噪[j]. 刘成云,陈振学,马于涛. 光电工程. 2007(06)

[8] matlab数字图像处理[m]. 机械工业出版社 , 刘刚, 2010