1. 研究目的与意义
由于成像设备等各种因素影响，图像在成像或传感过程中会受到噪声干扰。
图像去噪旨在减少或消除噪声对图像的影响，这一过程往往会导致高频信息的丢失。
噪声会严重降低所获得的图像的视觉质量，导致图像信息的可靠性下讲，影响进一步的获取图像信息。
2. 课题关键问题和重难点
关键问题： 1、熟悉图像去噪的原理，了解常用去噪方法；2、了解小波变换原理，算法实现等；3、对所有去噪方法的去噪效果进行评价；4、可实现图像的读取与显示。
难点1、对小波变换理论知识的学习和理解；2、小波去噪算法的实现(小波变换模极大值去噪；小波系数相关性去噪；小波阈值去噪；)；3、小波变换模极大值去噪方法中，小波分解尺度的选择是难点；小波系数相关性去噪方法中，估算噪声方差计算量较大；4、针对图像的噪声性质不同，能够选择不同的数字滤波器；5、如何选取评价标准对去噪效果进行客观的评价分析。
6、选取的评价参数（类似于PSNR）如何在MATLAB上编程实现
3. 国内外研究现状（文献综述）
近年来，随着当今数字技术与信息化的快速发展，数字图像以及逐渐成为人们获取信息的渠道，但图像在传播过程中会受到各种噪声的污染，由于噪声会造成图像质量的下降，对图像中含有的噪声进行去除从而提高图像质量是很有必要的。
因此图像去噪领域收到众多学者的青睐。
李寄仲在现有小波阈值的基础上提出了一种改进的自适应小波阈值，其次，本章引入改进的克隆选择算法对自适应小波阈值进行优化，对实验算法实现的具体步骤进行了详细分析，并通过实验证明，在基于改进的小波阈值函数的基础上，使用经免疫优化后的自适应小波阈值，相较于使用改进前的阈值，其得到的去噪图像有着更高的峰值信噪比，证明了免疫算法在小波阈值去噪方法的优化中有着良好的适用性与应用前景。
4. 研究方案
四、方案通过对传统图像去噪现状的研究，发现其中存在的问题，提出以小波变换为基础的图像去操算法研究。
研究方法：本文采用理论分析与仿真实验的方法进行算法研究。
介绍传统去噪方法和基于小波变换的去噪原理，使用传统的去噪方法（均值，中值，维纳）、小波去噪方法（小波变换模极大值去噪，小波系数相关性去噪，小波阈值去噪）对不同参数的高斯噪声、椒盐噪声、乘性噪声进行处理，最后使用PSNR参数等评价方式来比较各种去噪方式的优劣。
5. 工作计划
五、工作计划2022-2022-1学期：第15-16周：完成选题，查阅相关中英文资料。
。
第17周：与导师沟通进行课题总体规划。
