基于小波变换的自适应图像去噪研究.pdfVIP

● 工业技术 一戮 ■■■嚣 ■磋 ■ 1NDU盯RY ■■■■一 ●■一瓣囊 ■■■■ ■一● TECHNOLOGY·，- 蓦雩小渡囊糕的真遁磨 回值裔唱蕊爨 郑州大学西亚斯国际学院葛明涛樊永良董素鸽 小波域的信息处理有多分辨率分析的特性，图像经一系列 一了各种具体的小波的构造方法，并于1987年提出了著名的小 小波变换就可以得到不同尺度下的图像特征，并能较好地刻画 波分解与重构的塔式算法。只要将该方法推广到二维空间，即 图像的非平稳性，在图像去噪方面有着传统去噪方法无法比拟 可应用到图像的分解与重建上。为此，我们将图像视为一个能 的优势。本文，笔者阐述了图像小波去噪的原理，分析了影响去 噪的关键因素、阈值函数的构造、阈值的选取及小波的分解层数 率空间，设0(x，Y)为一维母小波，对应的尺度函数为妒(x，Y)，髫、Y 等，并给出了，优化的自适应图像去噪方案。 分别代表横坐标和纵坐标，则有： 一、图像去噪方法 妒(x，，，)=妒(算)妒(，，)。 (1) 1．常用的图像去噪方法。图像去噪是图像处理的重要环节， 对应二维平面的3个方向：水平、垂直和450方向。3个方向 关系到图像处理的质量。常用的图像去噪方法可分为基于空域 的二维小波函数为： 的方法和基于变换域的方法。前者是对原图像素点的灰度值进 妒．(x，y)=巾(z)妒(，，)， (2) 行数据处理。典型的方法有中值滤波、均值滤波等，但这些方法 砂：(髫，，，)=：砂(髫)由(，，)。 (3) 往往会在去除噪声的同时引起图像边缘和细节模糊等问题。变 机(髫，，)=吵(x)砂(Y)。 (4) 换域去噪是将原定义在空域的图像以某种形式转换到其他空 在戈方向卜分别用妒(算)和吵(石)作分析，把八茗。，，)分解成平滑 间，并利用这砦空间的特有性质对变换后的图像信息进行处理， 逼近和细节两部分，再分别对其沿yTY向上作类似分析。这样多 再反变换回图像空域。常用的方法是傅立叶变换去噪，该方法 分辨率小波变换就可以把图像分解到更低分辨率的水平上，这 采用低通滤波来平滑抑制噪声，但在去除噪声的同时也会把图 一级的子图像由低频的轮廓信息和原信号在水平、垂直和对角 像的边缘变模糊。 线方向七的高频部分的细节信息组成。每一次分解均使得图像 2．变换域小波域去噪法。变换域小波域去噪是利用含噪图 的分辨率变为原信号的1／2。对于二维离散小波变换，其分解公 像在小波域中信号与噪声在小波系数上存有差异这一特点而实 式为： 现的，即图像边缘(信号的突变点)对应的小波系数极大值随着 —们茗，，，)=班墨)，)，214)(27z—叽)巾(27一m)】， (5) 分解尺度的增大而增大，而噪声(以白噪声为例)对应的小波系 (6) 口“以石，，，)=叹石，y)，21da(2-x-n)qt(2-Jy-m)]， 数极大值随着尺度的增大而减小。当分解尺度增大到某个尺度 (7) 磅”qx，，，)=以x，，，)，2V(2-,x—n)6(21y-m)]， 时，绝大部分白噪声对应的小波系数极大值因衰减而消失，该情 (8) 口。抓石，，，)=叭戈，，，)，2V