一种超限像素平滑和小波软阈值图像去噪算法.pdfVIP

2015年6 月 城 市 勘 测 Jun.2015 第3期 Urban eotechnical Investigation Surveying No.3 - - - 文章编号：1672 8262（2015）03 124 04 中图分类号：TP751.1 文献标识码：B 一种超限像素平滑和小波软阈值图像去噪算法 1* 2 杨永波 ，陈君芸 （1. 重庆市勘测院，重庆 400020； 2. 重庆市高南房地产信息服务有限责任公司，重庆 401122） 摘 要：在分析各种算法基础上，结合超限像素平滑法和小波软阈值法，提出基于超限像素平滑和小波软阈值的混合 算法，即 - OPS WST 混合算法，通过分析不同噪声影响下的图像处理效果，证实所提出的算法的有效性。 关键词：图像去噪；均值滤波；小波分析；直方图匹配；同态滤波 - 1 引 言 2 OPS WST混合算法 在图像处理领域中，图像去噪问题一直是研究的 2.1 超限像素平滑算法［1，3］ 热点。图像去噪是指利用各种滤波模型，通过传统滤 超限像素平滑法（Overrun pixel smoothing，OPS）能 波、小波、偏微分方程等多种方法从已知的含有噪声的 克服上述均值滤波处理后图像边缘存在模糊的弊病，它 图像中去掉噪声部分，从而达到改善图像质量的目的。 将像素灰度值f（x，y）和领域平均值g（x，y）差的绝对值 图像去噪从整个图像分析的流程上来讲属于图像的预 与选定的阈值T进行比较，根据比较的结果来判断坐标 处理阶段，从数字图像处理的技术角度来说属于图像 （x，y）处的像素最后灰度值g′（x，y），其表达式为： ［1，2］ - 恢复的技术范畴，它的存在有着非常重要的意义 。 g（x，y） 若|f（x，y）g（x，y）|T = 主要表现为： 图像去噪处理，是正确识别图像信息的 g′（x，y）﹛f（x，y） 其他 （1） ① 必要保证。通常初始图像中都含有大量不同性质的噪 式中，T为事先设定的非负阈值。 声，这些噪声影响人们对图像的观察，严重的会使图像 由上式可知，当某些点和它领域内平均值的差值 发生变形，干扰人们对图像信息的理解； 图像去噪不 不超过给定的阈值T时，仍保留这些点的像素灰度值。 ② 仅可以提高人视觉感知信息的准确性，而且是对图像 这样平滑后的图像比直接采用均值滤波的模糊度减 作进一步处理的可靠保证。对一幅含有噪声的图像进 少。当某些点的灰度值与各领域灰度的均值差别较大 行特征提取、配准或图像融合等后续处理，图像去噪是 时，它很可能是噪声，则取其领域平均值作为该点的灰 必不可少的； 研究图像去噪对数字图像其他处理环 度值，它的平滑效果仍是很好的。使用该方法，最重要 ③ 节性能的提升也有着促进意义。 的是选择合适的阈值T，只有选择好了合适的阈值T 虽然目前对于图像去噪技术的研究已经有了