一种基于小波系数相关性的图像降噪方法.pdf

第30卷第9期 武汉大学学报·信息科学版 V01．30NO．9 andInformationScienceofWuhan 2005年9月 Geomatics University Sept．2005 文章编号：1671—8860(2005)09—0771—04 文献标志码：A 一种基于小波系数相关性的图像降噪方法 邵永社1 陈 鹰1 李 晶2 (1 同济大学测量与国土信息工程系，上海市四平路1239号，200092) (2西安测绘研究所，西安市雁塔路中段1号，710054) 摘 要：在利用正交小波对图像进行分解的基础上，提出了一种考虑不同尺度子分量的小波系数之间是相互 关联的系数概率密度函数模型，而不同尺度的系数的选择依赖于其父层系数的大小，从而保证在消除噪声的 同时保留图像的边缘信息，然后再对图像进行重构。实验证明，该方法取得了较好的降噪效果。 关键词：正交小波变换；贝叶斯估计；概率密度函数；图像降噪；信噪比 中图法分类号：TP751；P237．3 由于传统的傅立叶变换是一种全局变换，在 性。根据相关性的大小区别小波系数的类型，从 去除噪声和边缘保持上存在着矛盾。因而，基于 而进行取舍，然后直接重构信号[3]。为了有效地 该方法的去噪处理难以检测到图像的边缘特征， 去除图像的噪声，人们在数理统计的基础上提出 在去除噪声的同时，也损失了图像边缘信息。而 了各种改进方法，如假设检验、Bayesian估计等， 小波变换具有时频局部化分析特性，能够检测到 并基于小波域系数间相互依存关系提出了不同的 局部突变的边缘特征，而且可将图像的结构和纹 模型。由于小波系数的分布难以找到一个精确的 理分别表现在不同分辨率的层次上。因此，基于 数学模型来描述，目前该问题还有待进一步研究。 小波变换去除噪声的方法可提取并保存对视觉起 主要作用的图像边缘信息。 1参量模型及降噪方法 基于小波变换的噪声消除，不同研究者提出 过各种不同的方法。目前，利用小波进行去噪的 实际应用中，由于图像的差异，很难找到一种 方法大致有以下几类：①基于小波变换模极大值 小波系数的数学模型来描述完全符合条件的所有 原理的去噪方法，即剔除由噪声产生的模极大值 图像。由于小波系数由大量的小数值系数和少量 点，保留信号所对应的模极大值点，并据此重构信 的大数值系数组成，其概率密度分布函数(PDF) 近似服从广义高斯分布‘4|，其PDF波形在零处更 号[1]。②小波阈值方法。该方法认为边缘细节 尖锐，而且两翼衰减较快。因此，只能寻找尽量逼 信息在小波域中对应的系数绝对值较大，据此采 近图像的数学模型。设有如下系数分布模型： 用阈值法去除图像噪声。在众多小波系数中，把 (1) 绝对值较小的系数置为零，而让绝对值较大的系 f(x，y)一K·exp(--口以2一Y2) 数保留或收缩，从而得到小波系数估值。然后利 为了得到K和口值，假设f(x，y)均值为零， 且方差盯。一盯。一d，依据概率密度函数的条件，有： 用小波系数估值进行信号重构[2]，如以盯·~／2lg竹