1.小波分析用于去噪
二维信号用二维小波分析的去噪步骤如下：
（1.）二维信号的小波分解。选择一个小波和小波分解的层次 N，然后计算信号 s 到第 N 层的分解。
（2）对高斯系数进行阈值量化。对于从 1 到 N 的每一层，选择一个阈值，并对这一层的高斯系数进行软
阈值量化处理。
（3）二维信号的重构。根据小波分解的第 N 层的低频系数和经过修改的从第 1 层到第 N 层的各层高频系
数计算二维信号的小波重构。
其中的重点是如何选取阈值和阈值的量化，本代码中使用了 ddendmp 和 wdencmp 函数。
代码如下：
load detfingr%装入图像
init=3718025452;%下面进行噪声的生成
randn('seed',init);%randn 产生均值 0，方差 1 的正态随机噪声
Xnoise=X+18*(randn(size(X)));
colormap(map);%显示原始图像以及它的含噪声的图像
subplot(221),image(wcodemat(X,192));
title('原始图像 X');
axis square
subplot(222),image(wcodemat(Xnoise,192));
title('含噪声的图像 Xnoise');
axis square
[c,s]=wavedec2(X,2,'sym5');%用 sym5 小波对图像信号进行二层的小波分解
%下面进行图像的去噪处理
%使用 ddencmp 函数来计算去噪的默认阈值和熵标准
%使用 wdencmp 函数用小波来实现图像的去噪和压缩
[thr,sorh,keepapp]=ddencmp('den','wv',Xnoise);
[Xdenoise,cxc,lxc,perf0,perfl2]=wdencmp('gbl',c,s,'sym5',2,thr,sorh,keepapp);
subplot(223),image(Xdenoise);%显示去噪后的图像
title('去噪后的图像')
axis square
得到如下的图形：
剩余11页未读，继续阅读
评论4