基于小波基的两步自适应比例萎缩去噪算法.pdfVIP

2009年 l1月 成阳师范学院学报 Nov．20o9 第 24卷 第 6期 JournalofXianyangNormalUniversity VO1．24 No．6 [计算机科学与应用研究] 基于小波基的两步 自适应比例萎缩去噪算法 张小波 ．张顺利 b f成阳师范学院 a．数学与信息科学学院；b．信息工程学院，陕西 成阳 712000) 摘 要 ：比列萎缩是小波去噪的一种重要方法，在对小波域 自适应维纳萎缩去噪分析的基 础上提 出一种新的小波基去噪算法——两步萎缩算法。在小波域使用标准局部 自适应维纳滤 波，滤波结果作为第二步萎缩的引导信号，在第二步中根据新构造 的萎缩函数进行滤波得到最 终估计。实验结果证明，该算法优于 目前的基于二维可分正交小波基的比列萎缩去噪算法。 关键词 ：图像去噪：比列萎缩 ；维纳滤波 中图分类号 ：TP391 文献标识码 ：A 文章编号 ：1672—2914(2009)06—0045—03 图像信号在传输过程中会受到各种干扰 ，为了 造新的比列萎缩函数，为图像噪声的移除提供新的 后续更高层次的处理 ，对图像进行去噪具有重要意 方法。 义。一个较好的平滑噪声的方法应该是既能消除噪 1 两步 自适应 比例萎缩图像去噪 声 ，又不使图像 的边缘轮廓和线条变模糊。小波变换 1．1小波系数模型及信号小波系数方差的估计 由于其具有 “数学显微镜 ”的作用 ，在去噪的同时能 考虑由加性零均值高斯噪声所污染的图象 ．噪 保持图像细节 ，因而备受学者青睐l-【6]。目前提出的小 声图象 以下式给 出： 波去噪算法主要有三大类 ：小波萎缩法 、投影法和相 了ist{+ni0 关法。就小波萎缩法而言，它分为阈值萎缩法和 比例 在上面 的方程 中，sJ表示原始 图象的小波系数 ，J 萎缩法两类网。阈值萎缩法是小波去噪的经典方法 ， 表示噪声部分。小波变换的正交性意味着方差 ：零 因为简单且去噪性能好而受到关注，使用该方法的 关键是 阈值的选取 。但是在阈值法中．不论是使用 均值高斯噪声在小波域里也是零均值方差 的高斯 软阈值还是硬阈值函数 ，都存在一个共同的特点：小 噪声 。这里假定原始图像小波系数符合简单的局部 系数置零 。这样就 “扼杀”了一些有用的高频信号 ，造 高斯模型l【】，即各小波系数之间相互独立且方差域局 成重建图像边缘模糊 。相对阈值萎缩方法来说，比例 部平滑缓慢变化。 萎缩有更大的灵活性 。比例萎缩的主要特点是 ：具有 根据最小均方误差准则 ．得到恢复后的小波系 对信号的某一局部的适应能力，它将图像信号任一 数s“为 像素点的小波系数方差视为与周围像素点小波系数 2 ． ． 方差高度相关 ，然后依据相关准则确定 比例萎缩 函 Si — r 1 j o t o 数[刀。文献 【11使用 比列萎缩算法 ，虽然简单 ，但是取 n 得了好的去噪效果 ；文献f21采取阈值预滤波 ，再进行 式中 J‘是图像小波系数si的方差，：是噪声小波 比例萎缩 ，提高了算法的去噪性能；文献[3]将硬阈值 系数的方差。噪声方差cr=可