基于K-L变换的人脸识别技术

闽江学院本科毕业论文(设计)题目基于K-L变换的人脸识别技术学生姓名学号系别计算机科学系年级专业通信工程指导教师职称完成日期2021年4月10日闽江学院毕业论文（设计）诚信声明书本人郑重声明：兹提交的毕业论文（设计）《基于K-L变换的人脸识别技术》，是本人在指导老师程凡永的指导下独立研究、撰写的成果；论文（设计）未剽窃、抄袭他人的学术观点、思想和成果，未篡改研究数据，论文（设计）中所引用的文字、研究成果均已在论文（设计）中以明确的方式标明；在毕业论文（设计）工作过程中，本人恪守学术规范，遵守学校有关规定，依法享有和承担由此论文（设计）产生的权利和责任。声明人（签名）：2021年PAGE1摘要随着数字技术的发展,数字图像已经在我们生活中随处可见,同时人们对于图像画质的要求也在不断提高。可是在获取和传输图像的过程中,往往会受到许多因素的干扰,这样也就不可避免的会产生一些噪声。因此对于图像去噪是便成为图像处理中的一个颇为重要的研究内容。小波域去噪是根据信号和噪声小波变换的不同表现形态，构造出相应的规则，对信号和噪声的小波变换系数进行处理，处理的实质在于减小以至完全剔除由噪声产生的系数，同时最大限度的保留有效信号对应的小波系数。基于小波变换的去噪方法有很多种，本文主要讨论了其中的阈值去噪方法，详细分析了去噪过程中阈值和阈值函数等关键参数的选取问题，并给出一些选取依据；对小波阈值去噪方法中的几个关键问题进行了详细讨论，并提出了一些改进方案，最后通过仿真实验，证明了这些改进方案的有效性。本文最后还提出了一种自适应阈值图像去噪方法；通过仿真实验证明了上述几种改进方案的可行性、有效性和优越性。关键词：图像去噪；小波变换；小波阈值去噪；自适应阈值AbstractWiththedevelopmentofdigitaltechnology,thedigitalimagecanbeseeneverywhereinourlives,butitisimprovingtheimagequalityrequirements.Butintheprocessofacquiringandtransmittingimages,oftendisturbedbymanyfactors,soitwillinevitablyproducesomenoise.Soforimagedenoisingisbecomecontentsofimageprocessinginaquiteimportant.Waveletdomaindenoisingbasedondifferentmanifestationsofsignalandnoisewavelettransform,constructthecorrespondingrules,waveletcoefficientsofsignalandnoiseprocessing,therealprocessistoreduceorevencompletelyeliminatethenoisegeneratedbythecoefficient,whilethemaximumreservedvalidsignalwaveletcoefficientscorrespondinglimits.Theredenoisingmethodbasedonwavelettransformaremany,thisarticlefocusesontheoneofthethresholdingmethod,adetailedanalysisofselectedissuesdenoisingprocesskeyparametersthresholdandthresholdfunctions,etc.,andgivesomeselectbasis;waveletthresholddenoisingseveralkeyissueswerediscussedindetailandmadesomeimprovementsprogram.Finally,simulationresultsdemonstratetheeffectivenessoftheseimprovementprograms.Finally,thispaperproposesanadaptivethresholdimagedenoising;Thesimulationresultsshowthefeasibilityoftheseveralprogramstoimprovetheeffectivenessandsuperiority.KeyWords:Imagede-noising;Wavelettransform;Waveletshrinkage;Adaptivethresholding目录1、绪论 21、1课题背景 21、1、1 小波去噪问题的描述 21、1、2小波去噪基本方法 21、2小波阈值去噪方法概论 21、2、1阈值确定 21、2、2阈值函数选取 22、小波变换基本理论 22、1小波及小波变换 22、1、1Fourier变换 22、1、2连续小波变换 22、1、3小波变换的时频特性 22、2离散小波变换和二进小波变换 22、3多分辨率分析和正交小波基 22、3、1多分辨率分析的概念 22、4本章小结 23、小波阈值去噪算法的研究 23、1小波变换的属性以及阈值去噪原理 23、1、1小波变换的属性 23、1、2小波阈值去噪方法原理 23、2阈值函数的选取 23、2、1常用阈值函数 23、2、2阈值函数的几种改进方案 23、4阈值的选择 23、4、1VisuShrink阈值 23、4、2SUREShrink阈值 23、4、3极小极大阈值 24、小波域去噪算法的改进 24、1基于Bayes准则的小波阈值图像去噪方法 24、1、1先验分布为广义高斯分布时的贝叶斯最优阈值 24、1、2基于Bayes估计和Wiener滤波器的阈值去噪 25、论文总结与展望 25、1论文总结 25、2需要进一步完善的工作 25、3展望 2参考文献 2基于小波变换的图像去噪1、绪论1、1课题背景近年来国际上对小波分析是有一个全新的方面并且有一个突破性进展。小波分析给许多相关方面带来了新的思路，提供了强大的工具支持。在国内外引起了很大的高度的重视。它不仅包含有丰富的数学理论还有工程应用中强有力的方法和工具。小波分析的发展推动着许多方面的进步，使得小波分析有多学科相互渗透的属性。调研小波的新的理论和方法己经成为当前数学界、工程界的一个非常富有挑战性的课题。范范来说，现实生活中的数字图像可定含有噪声，所以为了后续更高层次的处理，很有必要对图像进行去噪。图像去噪，是一个古老的课题。最为有效可行的方法是噪声能量一般情况下都是集中于频率比较高的高频，而图像频谱则分布在有限区间，所以我们用低通滤波进行去噪，例如滑动线性滤波器和平均窗滤波器等，其他的方法还有排序量滤波的方法。最近几年时间里，不断出现在有关信号及图像处理研究的小波去噪中，这很有肯标志着一种去噪思路。成功的去噪主要得益于小波变换，它有如下属性：(1)时频局部化特性；(2)多分辨率特性；(3)解相关特性；(4)选基灵活性。小波去噪问题的描述当我们从信号的角度去解决问题时，它是一个滤波的问题在很大程度上可以看成是低通滤波。但是又优于传统的低通滤波器，原因呢就是由于在去噪后还能成功地保留图像特征。1、1、2小波去噪基本方法小波去噪方法目前为止人类发现的总共有三类：(1)奇异性检测的去噪就是利用无用的信号和有用的信号具有不同的奇异性；(2)阈值去噪就是重要信号产生根据幅值较大的系数去噪；(3)空域相关去噪就是利用信号在各尺度间不同相位具有相关性去噪。1、2小波阈值去噪方法概论当今社会研究最为广泛的方法是小波阈值去噪。阈值缩小主要基于常见情况。我们来设置合适的阈值，然后经过阈值函数映射得到估计系数，而保留大的小波系数；然后经过阈值函数映射得到估计系数；最后系数来一个逆变换，就可以实现去噪和重建。两个基本要素是阈值函数和阈值是在阈值去噪方法中。1、2、1阈值确定通用universa1和极小化风险阈值但是也有假设检验法阈值等。通用阈值法对于不介意的正态变欢，当维数趋于很大很大时，幅值大于阈值的概率趋于0。我们知道其中噪声标准差为Ɛ,度信号长为N。极小化风险阈值和我们知道的极小化风险阈值方差意义下的很优秀的阈值之一。我们要知道多假设检验法是阈值处理过程可看作检验过程的方法。BayesShrink阈值主要针对二维图像提出。现实生活中图像服从GGD分布的是小波系数。1、2、2阈值函数选取文献中说明的半软阈值函数的思想很简单，就是去除幅值较小的系数；但是遇到幅值较大的系数进行收缩和保留。Bruce和Gao得出结论：学者们为克服两种常见的软阈值法、硬阈值法的缺点。Gao算出了很难的半软阈值函数——其实就是基于半软阈值法的Minimax阈值。后来Gao有将Garrote函数作为阈值函数来求解问题。对于其他的文献从选取最优阈值的角度，遇到幅值较大的系数进行收缩和保留，智能化搜索得到优阈值。2、小波变换基本理论我们要知道对于小波分析是从傅里叶分析中发展而来的，是时频分析的一种方法。但是从现实中得知优于傅里叶。一种经典的方法傅里叶作为曾经被广泛的应用，其自身固有的，是一种局限性的是信号整个时域对频率的贡献。也就是说傅里叶变换的积分无法确定信号发生变换的时间和程度，即我们无从得知的时频局域属性，而这种又是是实际应用过程中的最关键的属性部分，主要介绍小波分析的基础特点。2、1小波及小波变换2、1、1Fourier变换常见的rier变换是积分一个函数f(t)，然后变为函数F(jw)的过程。来看它的实质是将一个任意时域的函数的加权和表示成一组标准正交函数过程。而我们在像是应用中所关心的恰是信号在局部是与的特征，是Fourier变换的弱点和局限性。在四十年代发明了窗口Fourier，在一定范围上解决了Fourier变换缺点的性。2、1、2连续小波变换我们设平方可积函数是x(t)，基本小波或母小波的函数称为ψ(t)，则QUOTE(2.1)称为x(t)的小波变换。2、1、3小波变换的时频特性为了研究小波变换的时频特性，我们可以从恒Q属性及分辨率以及和其它方法。我们通过对比两个定义关于小波变换可以看出，如果,QUOTE在时域是有用的，那么它和x(t)内积后将保证QUOTE在时域也是有限支撑的，从而实现我们所希望的时域定位功能，也即使QUOTE反映的是x(t)在b附近的属性。同样，若QUOTE具有带通属性，即QUOTE围绕着中心频率是有限支撑的，那么QUOTE和X（QUOTE）作内积后也将反映X（QUOTE）在中心频率处的局部属性，理论从而得出结果会实现好的频率定位属性。实验得到的这些性能结果正是我们所要的，问题是如何找到这样的母小波QUOTE(t),使其在时域和频域都是有限支撑的。不论a为何值（a>0），QUOTE(QUOTE)始终保持了和QUOTE(t)具有性同的品质因数。得出小波变换的一个重要属性是恒Q属性，也是有别于其它类型的变换和限制被广泛应用的一个重要原因。图2.1说明了QUOTE和QUOTE的带宽及中心频率随a变化的情况。图2.1QUOTE随a变化的说明小波变换有如下属性：当a变小时，对x(t)的时域观察范围变窄，但对X（QUOTE）在频率观察的范围变宽，且观察的中心频率向高频处移动，如图2.1(c)所示。反之，当a变大时，对x(t)的时域观察范围变宽，频域的观察范围变窄，且中心频率向低频处移动，如图2.1(b)所示。将图2.1反映的时频关系结合在一起，我们可得到在不同尺度下小波变换所分析的时宽、带宽、时间中心和频率中心的关系，如图2.2所示。图2.2a取不同值时小波变换对信号分析的时频区间总结起来可以说是小波变换的属性可知，现实上是用低频小波对信号载体。如上面所述，小波变换的这一属性既符分析时的规律，也符合人们的看见观察时的属性标准。2、2离散小波变换和二进小波变换离散小波的二进小波不同于连续小波，结果显示只是对尺度参数进行了简单测量，而对时间的平滑参量保持很好的连续变化趋势。所以我们就很明确二进小波保护好信号在时间域上的平移恒定常数。满足可容性条件的小波是二进小波，离散小波中最常用的一种形式小波是具有很多优良的属性。当面对许多的小波特性，我们对其进行分类时可以根据不同的分类标准。文献指出根据框架理论可以把QUOTE分为正交、半正交和非正交小波等三大类不同的波形。小波函数QUOTE本身可以把它分为单或者多重小波。上面列出的大纲是对规范小波的推广，下面我们就给出小波的定义说明。2、3多分辨率分析和正交小波基2、3、1多分辨率分析的概念在1986年的某一时间段，S.Mallat很有建设性地吧小波分析中计算机看见方面多分辨率分析的思想巧妙地引入，他的发明成功的统一了构造方法，关于在此之前各种小波基，文献指出了两种带滤波器结构的重构算法和离散小波变换。计算机分辨率的分析来自于人类对计算机看见理论。人类从电脑看见的角度去讨论，图像中灰度的局部变化，更重要的是很困难的去单纯从灰度信息理解一幅图像中的物体。在1986年的某一时间段，创造性Meyer提出了地构造出具有下降性的光滑函数，其二进制平移与伸缩构成QUOTE的规范正交基，这样一来才使小波得到真正的发展。最后将处理后获得的小波系。在1988年，S.Mallat创造性提出了多分辨分析的概念在构造正交小波基时，统一起来将此之前的所有正交小波基的构造法，从时间和空间的概念上解释了小波的多分辨率特性。得到了很好很简洁的快速算法正交小波的构造方法以及正交小波变换，大家后人称为Mallat算法。2、4本章小结中所说着作为局部化分析方法小波分析的一种窗口的形状可变、但窗口大小固定、时间频率窗都可改变的时频。具有多分辨分析的属性，在时间上说明了信号局部特征的能力，所以被誉为分析信号的显微镜。本章将主要并详细地址介绍了小波变换这个常见的基本理论和概念。3、小波阈值去噪算法的研究在现实生活中得到的信号肯定携带一些混杂着的噪声，分析和处理很不利于进一步的信号，而噪声的存在严重干扰了信号的原本的信息数据。所以本明确在信号的预处理过程中为了最大程度的提取出有用的信号，必须加以消除或减小噪声，这是非常必要和重要的。信号去噪的定义就是把去除信号的噪声并恢复原始信号的过程。在信号处理方面中基于统计估计原理，人们用到实际信号的属性和噪声特点。人们发展了基本思想是根据噪声和信号在频域上分布的不同而进行的，各式各样的去噪方法有时域去噪和频域去噪两种不同方法，这些方法。3、1小波变换的属性以及阈值去噪原理3、1、1小波变换的属性小波变换的属性如下：(1)一种时频局部化分析方法是小波变换，意思就是在高频部分具有较高的时间分辨率和较低的频率分辨率，在低频具有较低的时间分辨率和较高的频率分辨率，而适合区别图像信号并展示其成份中包含的瞬态噪声。(2)在小波基下的系数序列仍为同方差白噪声序列，并且小波变换下的零均值白噪声序列不变。(3)小波变换系数的特点很明确，就是有空间取向这个显著地特性。(4)在小波变换域中可以知道，噪声成份能量则主要集中在绝对值较小的小波系数中，最后将处理后获得的小波系。图像信号能量的绝大部分集中在绝对值较大的小波系数中。3、1、2小波阈值去噪方法原理小波阈值去噪方法具体的处理过程为:将小波分解含噪信号在各尺度上进行处理,对于不同的高分辨率下的小波系数,我们保留低分辨率下的全部小波系数。在众多系数QUOTE中,如果我们认为是第一类小波系数我们要设定一个适当有效的书值,我们清楚对于绝对值小于兄的小波系数QUOTE,将其置为0；则认为是第二类小波系数,而对于绝对值大于兄的小波系数QUOTE或者完整保留数据处理结果,也有的是做缩小处理。最后将处理后获得的小波系。恢复出有效的信号的方法是数利用逆小波变换进行信号重构。去噪流程关于小波阀值如图3.1所示。小波系数的阀值处理是该方法的核心步骤。图3.1阈值法去噪流程图3、2阈值函数的选取大量实验证明在小波阀值去噪过程中，现了对超过和低于阈值的小波系数模的不同处理策略以及不同估计方法就是利用阀值函数。设值单数为原始小波系数，估计小波系数为QUOTE，T是阈值。3、2、1常用阈值函数硬阈值函数（见图3.2（a）)和软阈值函数（见图3.2（b）)是常用的阈值函数有。A.G.Bruce和Gao两个科学家不遗余力的分析了在高斯白噪声条件下的偏差关于软、硬阈值去噪方法、方差及QUOTE，他们最终得出以下结论：①因为我们知道软阈值总比硬阈值收缩造成的方差小，所以就会直接给定阈值T；②而软阈值方法则在系数真值较大时才有较大的方差、QUOTE风险及偏差；当系数真值在T附近时，QUOTE风险及偏差好硬阈值方法有较大的方差，QUOTE风险都很小在两种方法在系数真值较小时；③软阈值总比硬阈值方法造成的偏差大当系数充分大时。在实际中得到广泛应用软阈值和硬阈值这两种方法，好的事就是也取得了较好效果，但软阈值和硬阈值本身存在很多看不到的缺陷。更重要的是，实际应用中经常要对一阶导数甚至是高阶导数进行处理，而在软阈值函数的导数不连续，所以相对于硬阈值本身来说软阈值函数具有一定的局限性。接下来呢我们需要对经典函数进行改进并构造出更好的阈值函数。3、2、2阈值函数的几种改进方案（1）如下图3.2（c）直观表达了半软阈值函数，由于软、硬阈值函数存在的缺陷，A.G.Bruce和Gao两个人提出一种半软阈值函数，这种阀值的好处就在于可以兼顾软硬阈值方法的优点。半软阈值函数方法通过正确的阈值T1和T2在软阈值硬阈值方法之间取最优效果，从而达到很好的折中。这种方法也表现出较好的去噪效果。但是这种方法实现起来较困难，因为需要估计不同的阈值的缺点限制了它的应用。（2）如下图3.2（d）直观表达了改进的软阈值函数，这种阈值函数同硬阈值函数、半软阈值函数及软阈值函数所不同的是，它拥有更高的导数阶。不难看出，软阈值函数在噪声与有用信号是很平滑过渡区。这样不仅仅符合信号的连续完整特性而且其他重构信号更为平滑。（3）如下图3.2（e）直观表达了软、硬阈值相互相成取折中的法。图为软、硬阈值折中法小波系数估计器。明显着重强调，当a分别是一和零，就成为软阈值和硬阈值最优的估计方法。一般来讲，优点就是存在该方法估计出来的数据QUOTE的大小数值不得不取介于软、硬阈值方法之间，故称之为软、硬阈值折中法。（4）如下图3.2（f）直观表达了指数型阈值函数。对于具有连续性指数型阈值函数不但同软阈值函数一样实用，最重要的是便于进行科学技术计算。可目前见为了得到实用有效的阈值函数，我们可以通过调节N的取值的变化。关于阈值函数的研究不是很多，现在的小波阈值去噪中最常用的是软阈值函数。图3.2几种阈值函数3、4阈值的选择我们研究得出小波阈值去噪方法除了阈值函数的选择还要做好阈值的选择。分两种情况阈值太小去噪后的信号仍然有噪声的存在；从直观上讲，对于给定的小波系数如果噪声越大所需要的阈值就越大这是很间接地。以下介绍几种经典的阈值估计方法。3、4、1VisuShrink阈值Donoho和Johnstone统一阈值简称为DJ阈值。VisuShrink的方法是分析多维数学上的正态变量分布概率情况，很简单就是大于阈值的系数含有噪声信号的概率就接近0，是基于最小最大估计得出的最优阈值。虽然该方法有很好的理论支持，但实际应用效果并不好，有人分析其根本原因在于这一准则是用渐进分析的手段推出来的，但对于实际问题，信号或图像的复杂性相对于样本尺寸是很重要的。3、4、2SUREShrink阈值SUREShrink阈值在数学上的一种基于史坦的无偏似然估计估计方法，该准则是均方差准则的无偏估计，后人称为自适应阈值选择。SUREShrink阈值是专门针对软阈值函数得出的结论，好处在于它更加趋近于理想阈值。最终结论是对SURE推导方法不加详述的介绍一下，为了更好理解我们给出M.Jansen单易懂的推导方法。3、4、3极小极大阈值Minimaxi阈值也是一种常见的固定阈值，VisuShrink阈值一样产生的是一个最小均方误差的极值，要谨记不是无误差的。在统计学上，这种即极大中的极小原理我们很清楚地用于设计科学计算的估计器。这种极值科学计算估计器可以在一个给实现减小最大均方误差。文献说明对噪声进行小波分解时会产生高频系数。所以现实生活中一个信号的高频是有用信号和噪声信号的高频系数的无重合的叠加。利用这种最新的间接地方法我们就可以将弱小的信号很容易的提取出来。另外还有不同高度两种阈值选择方法，在去除噪声时能看出显得更为可行。但是也可能将有用信号的高频部分当作噪声信号去除掉。4、小波域去噪算法的改进在第三章中，我们详细讨论了如何选择基小波、阈值以及阈值函数，在本章中，我们将详细讨论另外几种阈值去噪方法，如BayesShrink、改进的BayesShrink、WienerShrink。最后他们三个科学家提出了一种新的最优阈值去噪方法，实验表明该方法优于目前各种去噪方法。4、1基于Bayes准则的小波阈值图像去噪方法4、1、1先验分布为广义高斯分布时的贝叶斯最优阈值这里我们可以设原始信号f的小波系数y就是服从广义高斯分布，我们可以把广义高斯分布又要重写为如下形式：上面的计算公式中标准方差是参数y，形状参数参数是β，控制扩散程度。当确定参数y和β的值时，最终能计算出最优软阈值λ，使得贝叶斯风险。是y和β的函数。当y的先验分布为广义高斯先验分布时，式（4.4）没有显式的解。下面采用数值分析的方法，发现最优门限λ*在得到普遍适用的公式前，先研究高斯分布和拉普拉斯分布下的最优阈值。4、1、2基于Bayes估计和Wiener滤波器的阈值去噪关于阈值的小波域去噪方法的核心是阈值的选取，通过最小化一个Bayes风险函数得到一种自适应阈值，结合线性滤波中具有代表性的Wiener滤波器，提出了一种新的阈值去噪方法。可以得到基于Bayes的一个自适应阈值，而噪声方差QUOTE可通过对最高频子带（HQUOTE）采用鲁棒的中值绝对方差估计，即式QUOTE=Median（|QUOTE|）/0.6745来获得。假设某一信号（或图像）被均值为0，方差为QUOTE的高斯白噪声污染，即Y=X+QUOTEZ，维纳滤波器就是一个线性过程，既QUOTE<Y,g>QUOTE式中QUOTE和QUOTE分别为X的协方差矩阵的特征值和特征向量。若X是高斯分布，则Y是对X在均方意义下最佳的估计，Wiener滤波需估计信号的协方差矩阵（K、L变换），当局部方差大时，滤波器的平滑效果较小，它可以更好的保留图像的边缘和高频细节信息。5、论文总结与展望5、1论文总结小波分析是一门新兴的理论。从纯粹数学的角度来看，小波分析是一个新的数学分支。在应用方面，特别是在信号处理、图像处理、语音分析等方面，它被认为是继Fourier分析之后又一有效的时频分析方法，可同时进行时域和频域分析，具有时频局部化和多分辨特性，这些特征是Fourier分析所不具有的，从而弥补了Fourier分析的不足。主要研究了小波的基本理论以及它在信号、图像去噪中的一些应用算法，进一步拓宽了小波的应用范围，概括为以下几部分内容：1、简要描述了小波去噪的基本问题和基本方法，简要讨论了阈值去噪方法中的两个基本要素。2、详细讨论了小波分析的基本理论：介绍了连续小波变换、离散小波变换和二进小波变换。3、详细介绍了小波变换的属性和阈值去噪的基本原理、基小波和分解层数的选择。和阈值函数等关键参数的选取问题，并给出一些选取依据；对小波阈值去噪方法的几个关键问题进行了详细讨论，并提出了一些改进方案。4、详细介绍了BayesShrink小波阈值图像去噪方法，给出了改进的BayesShrink阈值图像去噪方法；最后提出了一种自适应阈值图像去噪方法；通过仿真实验证明了上述几种方法的有效性和可行性。5、2需要进一步完善的工作由于作者水平和时间有限，本文在有的方面还需要完善,主要表现在以下几个方面：1、如何自适应选取最优小波的问题一直是小波理论与应用研究方面的重要问题之一，也一直是小波研究方面悬而未解的问题，文中只是给出一些定性分析；另外，大量实验表明，最佳小波分解层数对去噪效果影响很大，不同信号、不同信噪比下都存在一个去噪效果最好或接近最好的分解层数，寻找一种分解层数的自适应确定方法，具有十分重要的实际意义。2、本文所提出的阈值去噪方法，定性给出了去噪后的主观图像质量；定量给出了不同方差下的信噪比和均方误差，但是对于经典方法和改进的阈值去噪方法均为讨论它们的算法复杂度。5、3展望近年来，小波理论的不断发展非常迅速，超小波、二代小波、脊波变换(Ridgelet)、曲波变换(Curvelet)、楔波变换等许多新的概念和思想不断涌现，产生了一些具有复合性能指标的新型小波，它们可以同时拥有一些传统小波所不可能具备的优良属性，研究这些新型小波的构造、特性与实现算法以及分析它们与正交基之间的联系是非常有意义的工作，讨论它们各自的特性，寻找其最佳应用对象也具有重要的应用价值。另外，小波在近年来已取得不少应用成果，小波的应用产业化发展已成为趋势，但并不是每一项应用都是尽善尽美的，有些方面甚至带来了新的问题期待解决；另一方面，开辟一些小波应用的新天地、新方面也具有非常重要的意义，这是作者将要进一步调研和研究的方面。由于小波分析处理问题的特殊技巧和特殊效果、小波分析不仅为纯粹数学与应用数学提供了新的强有力的工具，而且还为多媒体、信息高速公路中的某些核心技术提供了理论保证。在这个越来越信息化的社会中，小波分析的应用前景必将越来越广泛。参考文献[1]杨福生.小波变换的工程分析与应用.北京:科学出版社,2021：150-176.[2]阮秋琦.数字图像处理学[M].第二版.北京.电子工业出版社.2021.1-2[3]D.L.Donoho,I.M.Johnstone.WaveletShrinkage:AsymptopiaJ.R.Stat.Soc.B.1995,57：301-369.[4]D.L.Donoho,I.M.Johnstone.IdealTime-FrequencyDenoising.StandfordUniversity,TechnicalReport,Dept.ofStatistics,1994：3397-3415.[5]张晔，黄秀明.小波变换及在图像处理中的小波特性分析[J].中国图像图形学报，2021,2(7):480-484.[6]ElwoodT.Olsen,BiquanLin.AWaveletPhaseFilterforEmissionTomography.SPIE,1996，2491：829-839.[7]Kozaitis,Basuhail.AdaptiveWaveletThresholdSelectionUsingHigherOrderStatisticsforSignalDenoising.SPIE,2021，3391：68-74.[8]TuDanandShenJianjun.Thedesignofwaveletdomainwienerfilteranditsapplicationininagedenoising.SystemsEngineeringandElectronics.2021.23.4-7[9]ShubhankarR,BaniK.ABayesiantransformationmodelforwaveletshrinkage.IEEETrans.onIP.2021.12(12).1512-1520[10]DonohoDL,JohnstoneI.Adaptingtounknownsmoothnessviawaveletshinkage.JournalofAmercanStat.Assoc.1995.90.1201-1225[11]张磊，潘泉，张洪才，戴冠中，小波域滤波阈值参数的选取，电子学报，2021，3，29(3).[12]XuChen,ZhaoRuizhen,GanXiaobing.ApplicationAlgorithmofWaveletAnalysis[M].Beijing：SciencePress，2021.[13]ChaoRui,ZhangKe,LiYanjun.AWaveletTransformBasedImageFusionMethod[J].ActaElectronicaSinica，2021，32(5)：750-753.[14]GaiLi-ping,WangGui-lian.Technologyoffilteringinmedicalimageprocessing[J].ChineseMedicalEquipmentJournal,2021,(06):50-51.[15]GaoQing-wei,LiBin.Animagede-noisingmethodbasedonstationarywavelettransform[J].JournalofComputerResearchandDevelopment,2021,(12):1689-1693.

中南民族大学学生课程设计报告课程名称：C程序设计语言选题名称：通讯录管理年级：专业：信息管理与信息系统学号：姓名：指导教师：完成地点：管理学院综合实验室完成日期：1.课程设计的目的为了熟练掌握C语言的语法特点、及其数据结构，提高自身编写程序的能力。通过课程设计实现理论知识与实际情况的结合，使所学知识能够在现实社会中起到一定的作用，防止所编写的程序脱离实际，让程序可以更好的发挥作用，以便减轻实际工作中所遇到的繁琐步骤，提高现实工作中的效率。此外通过课程设计提高逻辑思考能力和解决实际问题的能力。程序设计是公认的、最能直接有效地训练学生的创新思维，培养分析问题、解决问题能力的学科之一。其次课程设计有利于治学态度的培养。程序设计中，语句的语法和常量变量的定义都有严格的要求，有时输了一个中文标点、打错了一个字母，编译就不通过，程序无法正常运行。因此，程序设计初学阶段，学生经常会犯这样的错误，可能要通过几次乃至十多次的反复修改、调试，才能成功，但这种现象会随着学习的深入而慢慢改观。这当中就有一个严谨治学、一丝不苟的科学精神的培养，又有一个不怕失败、百折不挠品格的锻炼。通讯录信息管理系统是生活中不可缺少的部分编写了一个通讯录信息管理系统是十分必要的。本程序设计具有通讯信息的录入，进行保存、查找、删除等功能，操作界面简洁美观，易于操作。程序用了条件、循环、指针、结构体等知识点，综合了文件的打开和保存编写的。可运用于小的管理软件。软件运用菜单实现交互式管理，用户轻松的按键既可实现对软件的操作，操作简单易懂，功能丰富，可以很好的满足的需要。通过对通讯录管理系统的设计，进一步理解和掌握C语言这门课程的知识点，能够熟练的调用各种函数，把各种C语句有机的结合起来，提高自己C语言程序设计的能力，为今后解决实际问题打下良好基础。2.设计方案论证2．1设计思路建立一个函数，用来添加、显示、删除、查询通讯录等信息，完成通讯录的功能。主函数可以调用六个子函数，分别完成添加记录、显示记录、删除记录、查询记录、退出系统等功能。在主函数中可以以1、2、3、4、0数字键分别可以执行某个功能模块。退出程序删除记录查询记录显示退出程序删除记录查询记录显示记录添加记录通讯录管理系统 2.2程序设计2.2.1根据图1定义数据类型建立函数typedefstruct { charscore;/*编号*/ charname[10];/*姓名*/ charnum[15];/*号码*/ charemail[20]; /*邮箱*/ charage[8]; /*年龄*/ charadds[20]; /*住址*/ }Person;2.2.2主函数及其流程图Y定义主函数main()和一系列的功能函数，只有通过这些函数才可实现程序的功能。每次使用都会调用主函数。主函数主要是利用switch语句对数据进行处理，流程图如下：Y添加记录选择1开始N选择2YYYYNNNN退出系统查询记录删除记录显示记录选择0选择4选择3添加记录选择1开始N选择2YYYYNNNN退出系统查询记录删除记录显示记录选择0选择4选择3结束结束2.2.3增加函数及其流程图.添加通讯录记录流程图：.显示通讯录记录流程图：.删除通讯录记录流程图：.查询通讯录记录流程图：2.3源程序#include<stdio.h>#include<stdlib.h>#include<string.h>typedefstruct { charscore;/*编号*/ charname[10];/*姓名*/ charnum[15];/*号码*/ charemail[20]; /*邮箱*/ charage[8]; /*年龄*/ charadds[20]; /*住址*/ }Person;Personpe[80];intmenu_select() { charc; do{ system("cls"); printf("\t\t*****通讯录*****\n"); printf("\t\t┌───────┐\n"); printf("\t\t│1.添加记录│\n"); printf("\t\t│2.显示记录│\n"); printf("\t\t│3.删除记录│\n"); printf("\t\t│4.查询记录│\n"); printf("\t\t│0.退出程序│\n"); printf("\t\t└───────┘\n"); printf("\t\t请您选择(0-4):"); c=getchar(); }while(c<'0'||c>'4'); return(c-'0'); }intInput(Personper[],intn){ inti=0; charsign,x[10]; while(sign!='n'&&sign!='N') { printf("\t编号:"); scanf("\t%d",&per[n+i].score); printf("\t姓名:"); scanf("\t%s",per[n+i].name); printf("\t年龄:"); scanf("\t%s",per[n+i].age); printf("\t电话号码:"); scanf("\t%s",per[n+i].num); printf("\t通讯住址:"); scanf("\t%s",per[n+i].adds); printf("\t电子邮箱:"); scanf("\t%s",per[n+i].email); gets(x); printf("\n\t是否继续添加?(Y/N)"); scanf("\t%c",&sign); i++; } return(n+i);}voidDisplay(Personper[],intn){ inti; printf("\n");/*格式*/ printf("编号姓名年龄电话号码通讯地址电子邮箱\n"); printf("\n"); for(i=1;i<n+1;i++) { printf("%-5d%-8s%-6s%-13s%-15s%-15s\n",per[i-1].score,per[i-1].name,per[i-1].age,per[i-1].num,per[i-1].adds,per[i-1].email); if(i>1&&i%10==0) { printf("\t\n"); printf("\t"); system("pause"); printf("\t\n"); } } printf("\n"); system("pause");}intDelete_a_record(Personper[],intn){ chars[20]; inti=0,j; printf("\t请输入想删除记录中的名字:"); scanf("%s",s); while(strcmp(per[i].name,s)!=0&&i<n)i++; if(i==n) { printf("\t通讯录中没有此人!\n"); return(n); } for(j=i;j<n-1;j++) { strcpy(per[j].num,per[j+1].num); strcpy(per[j].name,per[j+1].name); strcpy(per[j].age,per[j+1].age); strcpy(per[j].adds,per[j+1].adds); strcpy(per[j].email,per[j+1].email); per[j].score=per[j+1].score; } printf("\t\t\t已经成功删除!\n"); return(n-1);}voidQuery_a_record(Personper[],intn){ intm; printf("\t\n请选择查询方式:\n");printf("\t┌──────┐\n");printf("\t│1姓名│\n");printf("\t│2电话│\n");printf("\t│3地址│\n");printf("\t│4返回│\n");printf("\t└──────┘\n");printf("请选择:");scanf("%d",&m);while(m!=1&&m!=2&&m!=3&&m!=4){ printf("输入错误，请重新选择:"); scanf("%d",&m); } if(m==1) { chars[20]; inti=0; printf("\t请输入想查询的姓名:"); scanf("\t%s",s); while(strcmp(per[i].name,s)!=0&&i<n)i++; if(i==n) { printf("\t通讯录中没有此人!\n"); return; } printf("\t此人编号:%d\n",per[i].score); printf("\t此人年龄:%s\n",per[i].age); printf("\t电话号码:%s\n",per[i].num); printf("\t通讯地址:%s\n",per[i].adds); printf("\t电子邮箱:%s\n",per[i].email); }; if(m==2) { chars[20]; inti=0; printf("\t请输入想查询的电话:"); scanf("\t%s",s); while(strcmp(per[i].num,s)!=0&&i<n)i++; if(i==n) { printf("\t通讯录中没有此人!\n"); return; } printf("\t此人编号:%d\n",per[i].score); printf("\t此人姓名:%s\n",per[i].name); printf("\t此人年龄:%s\n",per[i].age); printf("\t通讯地址:%s\n",per[i].adds); printf("\t电子邮箱:%s\n",per[i].email); }; if(m==3) { chars[20]; inti=0; printf("\t请输入想查询的地址:"); scanf("\t%s",s); while(strcmp(per[i].adds,s)!=0&&i<n)i++; if(i==n) { printf("\t通讯录中没有此人!\n"); return; } printf("\t此人编号:%d\n",per[i].score); printf("\t此人姓名:%s\n",per[i].name); printf("\t此人年龄:%s\n",per[i].age); printf("\t电话号码:%s\n",per[i].num); printf("\t电子邮箱:%s\n",per[i].email); };}voidChange(Personper[],intn){ chars[20]; inti=0; printf("\t请输入想修改的记录中的名字:"); scanf("%s",s); while(strcmp(per[i].name,s)!=0&&i<n)i++; if(i==n) { printf("\t通讯录中没有此人!\n"); return; } printf("\t编号:"); scanf("\t%d",&per[i].score); printf("\t姓名:"); scanf("\t%s",per[i].name); printf("\t年龄:"); scanf("\t%s",per[i].age); printf("\t电话号码:"); scanf("\t%s",per[i].num); printf("\t通讯住址:"); scanf("\t%s",per[i].adds); printf("\t电子邮箱:"); scanf("\t%s",per[i].email); printf("\t修改成功！");}voidWritetoText(Personper[],intn){ inti=0; FILE*fp;/*定义文件指针*/ charfilename[20];/*定义文件名*/ printf("\t保存到文件\n");/*输入文件名*/ printf("\t请输入所保存的文件名:"); scanf("\t%s",filename); if((fp=fopen(filename,"w"))==NULL) { printf("\t无法打开文件\n"); system("pause"); return; } fprintf(fp,"******************************************通讯录*