基于自适应提升小波收缩阈值图像去噪算法.pdfVIP

基于自适应提升小波收缩阈值图像去噪算法· 刘献民 张兆宁 (中国民航学院空中交通管理学院 天津 300300) 摘要：一般图像都是带噪图像，为了后续更高层次的处理，必须对图像进行去噪．因为小波 变换具有低熵性、多分辨率．选基灵活等特点，在图像去噪中有着广泛的应用，本文使用了近些年 来发展起来的第二代小波，不再需要使用傅里叶变抉作为主要工具，相对于第一代小波在实现方面 具有计算速度快、省内存、结构简单等特点，而我们提出的自适应提升小波收缩闽值去噪方法，改 进了提升算法中预测算子的计算方法，并且针对大部分图像中存在的不连续区域在更新算子中引入 了自适应，在闽值处理方面使用了实践证明效果比较好的收缩阈值，仿真证明，经去噪后。图像在 性能指标上有一定的提高，图像的细节能够很好保持． 关键词：小波变换：去噪；阈值；自适应；提升算法 · 1．引言 ． 小波变换由于具有良好的时频域局部特性而成为图像处理的主要研究方向之一，且得到了广泛 的应用。但是在实际应用的过程中，由于计算机的计算精度都是有限的，所以经过小波变换之后的 图像会产生部分的信息损失。另外，从计算速度的角度来看，整数的计算更容易在硬件上实现，因 此希望能设计出一种整数到整数的小波变换，使得在图像处理时，输入整数的数据也能得到相应的 方法稍加改动，就可以轻易实现从整数到整数的小波变换，这给使用小波变换进行图像处理的应用 提供了一种新的思路。为了和以往的小波变换相区别，这种基于提升格式构造的小波变换被称为“第 二代小波变换”【¨。 本文尝试使用了箔二代小波用于图像去噪，采用了改进的预测算子的计算方法，并且针对大部 分图像中存在着不连续区域在更新算子中引入了自适应，最后在阈值处理方面使用了实践证明效果 比较好的收缩阈值。仿真证明，经去噪后，图像在性能指标上有了一定的提高，图像的细节能够很 好的保持。 2．提升方案 基于提升算法的小波变换称为第二代小波交换，它允许我们用一种极其简单的方法解释小波的 基本理论，Daubechies证明，凡是第一代小波变换都可以找到等效的提升方案【2】。提升方案把第一代 (1)分裂：将原来的数据分为两个不相关的子集。例如，将原来的数据集c，+l(刀)，，=O，1，^，J(小 波的分解层)分成偶数点集艺=xj—l(2n)和奇数点集Xo=xj-I(2n+1)。 (2)预测：就是用偶序列来预测奇序列，用xoCn)的值与预测值之间的误差来表示信号的细节信 息，这一步在提升方案中被称为对偶提升。 dj(n)=艺(刀)一Px,(刀) (1) ’注：本文得到了中国民航总局教育基金的资助(03-3．08) 987 (3)更新：尺度系数巳0)是原信号的近似，等于‘(，1)加上更新算子【，乘以小波系数嘭(门)， 巳(月)=t(，1)+吗(厅) (2) 对分解得到的模糊信号巳(玎)再进行以上三个步骤的分解，经过一定次数的迭代，就可以得到原 信号的一个多级分解，尺度系数和小波系数分别为勺O)，嘭0)· 从上面可看出提升方案实现小波分解的最大优点之一是将小波变换分解成几个非常简单的基 本步骤，且每个步骤都非常容易找到它的逆变换，重构的过程就是分解过程的逆步骤。 z．(_rf) 铴如) 图1提升方案 3．算法实现步骤 3．1多项式拟合的预测方法 多项式插值是提升格式最为常用的预测方法。但多项式插值的预测算子的计算方法在插值点(即 数据点)必须与相关数据完全吻合，故当数据变化比较剧烈的时候，插值曲线会包含较多高频成分。 在提升格式的应用中，预测是预测原数据的低频成分。因此，原数据减去预测值相当于高通滤波。 ．如果预测曲线即插值曲