图像的小波分析去噪.docVIP

题目：图像的小波分析去噪?? 课程：数字信号处理 学期：2011-2012-1 班级： 姓名： 学号： 教师： 日期：2012-01-01 摘 要：介绍了小波分析去噪的基本原理，研究了基于小波变换的图像去噪法并进行了试验验证。结果表明，与常用的图像去噪方法相比，小波去噪法可以很好的保留图像的细节信息，性能优于其他方法。 关键词：图像 噪声 小波分析 去噪 Abstract:Basic principle of denoising based on waved analysis is introd- uced,image denoising based on waveelet transformation is studied and e- perimented.The result shows that it is better in keeping details of image compared with other methods Keywords:image noise wavelet analysis denoising 1 引 言 图像在采集、传输和转换中常常受到外部环境的干扰。图像中夹杂了噪声和混响干扰，不仅使得图像质量下降，影响了图像的视觉效果，而且给图像的进一步处理也带来了不便。为了减轻噪声对图像的干扰，避免误判和漏判，去除或减轻噪声是必要的工作。 2 图像去噪的常用方法 常见的去除噪声的方法有邻域平均法，滤波器法等。下面简介绍几种图像去噪方法。 （1）邻域平均法 的处理方法。设一幅图像平滑后的图像为，它的每个象素的灰度值由包含在制定邻域的几个象素的灰度值的平均值决定。将受到干扰的图像模型化为一个二维随机场，一般噪声属于加性、独立同分布的高斯白噪声。若定义信噪比为含噪图像的均值与噪声方差之比，则含噪图像经平滑后，其信噪比将提高 倍（ N 为邻域中包含的象素的数目）。可见，邻域平均所用的邻域半径越大，信噪比提高越大，而平滑后图像越模糊，细节信息分布不明显。 （2）时域频域低通滤波法 对于一幅图像，它的边缘、跳跃部分以及噪声都为图像的高频分量，而大面积背景区和慢变部分则代表图像低频分量，可以设计合适的低通滤波器除去高频分量以去除噪声。在时域通常采用图像与低通卷积模板相卷积的方法得到去噪后的图像，主要步骤为： （a）将模板在图中依次移动，使模板中心与图中某个象素的位置重合； （b）将模板在系数与模板下对应的象素相乘； （c）将所有乘积相加； （d）将该值赋给与模板中心重合的象素点； 特别的，当模板的每个值均为1 时，即为邻域平均情况。对于频域的情况，如图1 所示。 图1 频域低通滤波器去噪原理 图1 中，为含噪图像，为其傅里叶变换，为平滑后图像的傅里叶变换，通过H，使F(u,v)的高频分量得到衰减。理想的低通滤波器的传递函数满足下列条件： （1） 式中 非负是从点到频率平面原点的距离，即 （2） （3）中值滤波 低通滤波在消除噪声的同时会将图像中的一些细节模糊掉。中值滤波器是一种非线性滤波器，它可以在消除噪声的同时保持图像的细节。中值滤波的主要步骤如下： （a）将模板在图中依次移动，使模板中心与图中的某个象素的位置重合； （b）读取与模板对应的各象素的灰度值； （c）将这些灰度值从小到大排序； （d）找出中间值赋给对应模板中心位置的象素； 可以看出，中值滤波器主要功能就是让与区域周围象素值接近的值取代与周围象素灰度值的差别比较大的象素的灰度值，从而可以消除孤立噪声点，即所谓的椒盐噪声。由于它不是简单区域均值，因此产生的模糊度比较小。中值滤波器适用于处理噪声点激励情况。 （4）自适应平滑滤波 自适应平滑滤波能根据图像的局部方差调整滤波器的输出。局部方差越大，滤波器的平滑作用越强。它的最终目标是使恢复图像f*(x,y) 与原始图f(x,y) 的均方误差最小。自适应滤波器对于高斯白噪声的处理效果比较好，其主要步骤为： （a）大小为 的模板在待处理图像中移动,使模板中心与图中某个象素位置重合； （b）读取与模板相对应各象素的灰度值； （c）此点灰度值的均值： （3） 方差： （4） （d）计算 (5) （e）将此值赋给对应模板的中心点位置的象素点。 自适应滤波去噪法中，主要是维纳滤波器，该方法的滤波效果比线性滤波器效果要好，对保留图像的边缘信息部分和其他高频部分很有用，但是计算量较大，对具有白噪声的像滤波效果最佳。 下面给出利用几种方法得到的图像的去