题目：小波变换在图像抑噪中的应用研究

随着因特网的普及和多媒体技术的飞速发展，图像以其直观和信息量丰富等优势成为人类获取和利用信息的重要手段之一。然而，图像在采集和传输的过程中易受到各种噪声的干扰，图像的质量会受到不同程度的损害，这对图像后续更高层次的处理是十分不利的。因此，在图像的预处理阶段，有必要对图像进行抑噪，其目的是突出图像中的某些信息，抑制或除去某些不需要的信息，以得到更适合人或机器分析处理的形式。
目前，图像抑噪的方法有很多种。传统的抑噪方法通常未充分考虑如何有效保持图像边缘等有用信息，故抑噪效果使图像变模糊，损失了图像原有的边缘等细节信息。近年来，因小波变换具有良好的时频分析特性，在图像抑噪技术中得到了广泛应用。
本文研究小波变换在图像抑噪方面的应用，主要成果包括：
(1) 通过深入分析VisuShrink阈值和NormalShrink阈值的原理，提出了一种改进的自适应阈值图像抑噪算法。该算法根据噪声在不同的小波分解尺度下呈现出不同的特性，估计每层的噪声方差，从而确定适合各个尺度级的自适应最优阈值，并依此对图像进行抑噪。实验结果表明，相对于常见的均值滤波等传统方法和基于小波变换的自适应阈值等新方法，改进算法所得图像的视觉效果和峰值信噪比均得到改善。

(2) 为提高强噪声环境下的图像质量，提出一种图像增强新算法。该算法首先对含噪图像进行多尺度小波分解，得到不同尺度、不同方向下的频域信息，然后利用图像中噪声与边缘在不同频带上的分布规律和衰减特性，通过灰色理论中的灰色关联度来区分噪声与边缘，从而在噪声抑制和边缘增强两个方面提高图像的质量。实验结果初步显示，与传统的空域滤波方法和相对较新的小波自适应阈值去噪、Contourlet自适应阈值去噪等十余种方法相比较，新算法所得图像的视觉效果得到改善，峰值信噪比最优，可用于强噪声环境下的图像增强预处理。