小波分析在图像处理去噪中有哪些应用？
小波分析的概念是由法国一位从事石油信号处理的工程师在1974年首次提出来的，20世纪80年代末到90年代形成了一个数学分支。小波分析目前来说发展迅速应用广泛，小波变换已经应用于图形处理，语言处理，视频处理以及数字信号处理等领域，在数字图像处理中也有很多应用。（1）小波分析可以应用在图像压缩比起传统的压缩方式，小波分析固有的时域特性可以在时域与频域两个方向对数据进行处理，这样就可在图像的不同部位提供不同的压缩精度。
这是传统处理方法只在频域对信号展开处理所达不到的操作。这也是小波分析的一个优势。（2）小波分析可以应用在图像增强反锐化掩膜法，可以对图像进行增强处理。它便是基于小波变换的频域法。小波分解将原图像中高频和低频成分进行不同程度的分离，直接从小波图像下手，将低频子图取出来人为处理成一个模糊版本，然后用原图与模糊版本相减得到纹理特征。
然后用反锐化掩膜法进行增强处理，最后通过小波逆变换的到输出图像。（3）小波分析可以应用在图像匹配小波分析在图像匹配中取得了重要的应用成果，基于小波变换的图像匹配是在多尺度上的，将图像分解为若干层，对低频部分利用一些相似性量度进行由粗匹配，得到一个大致位置，缩小了搜索范围。（4）小波分析可以应用在图像镶嵌图像镶嵌即是将数字图像进行拼接。
要使得图像结合的“缝隙”处的灰度连续。传统的拼接直接是平滑处理，这样处理使得图像的分辨率下降。而把利用小波变换可以很好的兼顾清晰度和光滑度两方面的要求。（5）小波分析可以应用在图像去噪传统的去噪方法是图像中的噪声以一个滤波器过滤掉。但对于短时瞬时信号、非平稳过程信号，利用传统方法处理有明显的局限性。基于小波变换的图像去噪可以充分利用小波的时域频域局部分析特点，灵活的对针对奇异特征及时变换滤波，在低信噪比的情况下进行有效滤波。
（6）小波分析可以应用在图像边缘检测传统的边沿检测利用像素的不同来构造算子来进行边缘检测的，噪声往往对检测效果影响较大。小波变换具有良好的时域-频域特征，它非常适合图像的边缘检测。小波的多尺度边缘检测就是利用一个平滑函数，在不同尺度下平滑所有要检测的信号，根据平滑后的小波变换系数模的一阶、二阶导数，找出它们的突变点。
