1. 研究目的与意义
数字图像处理（DIP）最早出现于 20世纪50年代，随着过去几十年来计算机、网络技术和通信的快速发展，为信号处理这个学科领域的发展奠定了基础，使得DIP技术成为信息技术中最重要的学科分支之一。在现实生活中，DIP应用十分广泛，医疗、艺术、军事、航天等图像处理影响着人类生活和工作的各个方面。然而，在图像的采集、获取、编码和传输的过程中，都存在不同程度被各种噪声所“污染”的现象。如果图像被污染得比较严重，噪声会变成可见的颗粒形状，导致图像质量的严重下降。通过小波变换尽可能地去除图像噪声，我们在从图像中获取信息时就更容易，有利于进一步的对图像进行。
2. 课题关键问题和重难点
目前，常见的小波图像去噪方法
主要分为以下3种：
3. 国内外研究现状（文献综述）
一般来说，图像中总是会混杂着一些噪声干扰，这些噪声包括图像光点转换噪声，图像传输时误差以及图像本身噪声，这些噪声严重影响图像质量，为了有效对图像进行处理，必须尽量减少噪声影响。图像去噪是图像处理的一个经典也头疼的问题，图像去噪关键在于尽可能保留原始信号的同时，去除噪声信号。而图像去噪大致可以分为两类：空间域和变换域去噪技术。以往使用的大部分方法，其实质就是通过低通滤波来去除噪声，但该方法在去噪的同时会去除图像高频部分信息，导致图像边缘失真降低图像质量。而
而在图像去噪方面，人们一直追求更高效和性价比的图像去噪算法。近年的小波变换的图像去噪技术，是应用广泛且效果较好的一种技术，该技术在图像去除高频噪声同时可以选择性去除或保留部分噪声。本文采用的就是小波变换图像去噪技术。小波变换属于变换域去噪技术。
小波理论最早由法国工程师J.Molet提出，当时并没有受到重视，而在1986，由数学家构建 出小波基函数后，小波变换受到人们重视，此后，小波变换技术广发应用于各种实际场景，有着广泛的应用前景，目前在计算机，医学和天文学等领域起着重要作用。经过多年发展，人们对于小波变换的优缺点已经明了，本文将着重对各种小波变换图像去噪技术进行优缺点进行分析，通过对各种方法的适用范围对小波变换的图像去噪方法进行改进，使其适用范围更广。目前小波变换常见形式有连续小波变换（CWT），离散小波变换（DWT）。小波阈值去噪的原因：由于信号在时间空间域上有一定连续性，在小波域有效信号产生的小波系数其模值往往较大，而高斯白噪声在时间空间域上没有连续性，在小波域随机性强，通常认为其仍是高斯白噪声，可以认为噪声对应在小波域的小波系数很小。根据高斯分布特性可知，绝大部分噪声系数都在某一区间内，而通过阈值处理后的信号可以最大程度去除噪声同时，略微损耗有效信号。而阈值去噪法又有硬阈值与软阈值之分，硬阈值函数与软阈值函数各有有缺点，硬阈值函数得到的峰值信噪比（PSNR）较高，但有局部抖动现象，而软阈值函数的PSNR不如硬阈值函数，但其结果更为平滑。
4. 研究方案
小波阈值法是小波变换图像去噪的一种，小波阈值图像去噪法的计算速度快，具有比较广泛的适应性，是小波图像去噪方法中应用最为广泛的一种。本文目的是设计的一种改进硬阈值和软阈值缺点的改进函数方法。同硬阈值以及软阈值函数一样，该改进函数也是基于小波阈值法原理设计，因此掌握小波阈值原理是设计该改进函数的关键。小波阈值函数图像去噪可以概括为以下三点：(1)对许处理图像选择合适的小波基函数和分解层数，
进行离散正交小波变换，得到各尺度下的分解小波系数。
(2)对分解后的各层高频小波系数使用合适的阈值和阈值函
5. 工作计划
通过寒假假期时间进行相关文献查阅，了解该相关课题的有关知识内容，对课题进行一定了解。通过查阅借鉴其他论文，对于相关论文课题的选取方向有更进一步了解。前期通过外文文献翻译以及所选参考文献的阅读，掌握一定的编写论文结构格式能力以及相关课题选取方法的原理有一定了解。寒假拟尝试使用相关的软件进行实验，以验证选取课题的原理内容以及结果，同时找出其中重难点以及可行之处。
通过仿真结果分析相互验证有关方法原理的正确性。前期进行仿真实验可能无法得出结果，先参考其他仿真实验步骤进行练习，进一步熟悉软件使用以及如何对结果分析与总结。此外，不仅需要通过仿真实验对结果进行分析，对于本课题的知识原理也需要熟练掌握与应用，通过仿真实验以及相关文献查阅加深有关知识了解。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
