多小波域上各向异性扩散在纹理图像去噪中的应用 the application of the anisotropic diffusion in multi-wavelet domain for texture image denoising.pdfVIP

第15卷第3期 电路与系统学报 V01．15No．3 2010年6月 JOURNALOFCIRCUITSANDSYSTEMS June．2010 文章编号：1007—0249(2010)03—0063—05 多小波域上各向异性扩散在纹理图像去噪中的应用★ 伍尤富 (韶关学院物理与机电工程学院，广东韶关512005) 摘要t去噪是图像处理中的一个重要技术，一般的去噪算法会造成图像边缘信息被平滑，为了有效地抑制噪声而 同时又保护好边缘信息，在多小波变换的基础上，提出了一种新的去噪算法，它结合了多小波变化和各向异性扩散(P．M 扩散)两者的优点，利用多小波变换把纹理图像分解为高频子带和低频子带，然后根据子带图的特点分别采用不同的 同时更好地保留了图像的纹理和细节。 关键词。图像去噪；各向异性扩散；多小波变换；偏微分方程 中图分类号·TP391 文献标识码tA 1 引言 一般图像在其获取和传输的过程中不可避免地会引入噪声，从而引起图像质量的下降，这对后续 图像处理工作，对图像的理解和分析会带来更大的困难，因此，在所有的图像处理过程中，其中去噪 是非常关键的一个过程。许多有关于图像去噪的方法得到了发展和应用，但是在这些去噪方法中，面 临的问题是其对图像平滑去噪的同时如何保持图像边缘特征受到了人们极大关注。基于多小波的去噪 方法本质上利用了信号与噪声在频谱上的差异，即信号的能量在多小波变换域集中于少数系数上，这 些系数的取值必然大于在变换域内能量分散于大量多小波系数上噪声系数值【l】，根据这一特性，把多 小波系数分为两部分：即边缘系数和噪声系数，通过选取合适的阈值，把绝对值小于阈值的多小波系 数当作噪声去除，从而达到去噪效果，但这种阈值方法在去噪的同时也会去除部分有效的高频信息， differential 造成边缘模糊。基于偏微分方程(PDE，partial 的作用，使模型自动的在光滑处具有较大的光滑作用，而在边缘处具有较小的光滑作用，因此能较好 地解决边缘保留和噪声去除之间的矛盾，其中应用最为广泛的是P．M扩散【2j。 传统P．M扩散是对图像整体进行处理，即对图像所有成分进行相同的处理，对边缘这样的比较明 显的边缘类大特征保持比较好，而对一些小细节所表现出来的重要特征往往会产生过度的平滑效应， 因而它对图像细节处理不够理想。如果能对图像进行精细分析，对不同成分实行不同强度的P．M扩散， 那么就能在图像去噪的同时保持好图像的边缘和细节。基于以上分析，本文提出了～种多小波域上的 各向异性扩散去噪方法，采用不同的P．M扩散方程对多小波系数分别进行处理，即在图像的高频部分 和低频部分分别采用不同的各向异性扩散方法去噪，从而将P—M扩散由对图像整体处理转换到对图像 在不同尺度的多小波变换域中进行处理，因而解决了去噪时高频分量和低频分量抑制噪声和保留边缘 之间的矛盾问题。 2 图像的多小波变换 2．1多小波基本理论 多小波变换是单小波的推广，在进行变换前，需要进行预滤波，预滤波是为了消除多小波的不恰 当离散性，预滤波完成后，进行相应的多个小波变换，同理，完成多个小波重构后，要进行后滤波才 能实现完整的多小波重构‘71。 。收稿日期。2009．12．17修订日期：2010·01·21 万方数据 电路与系统学报 第15卷 keZ崩EZ 低通和高通滤波器序列。 将单小波中的分解与重构Mallat算法推广到多小波，得到多小波分解： cj-1．I=√2∑以哦g，。 (1) 月∈Z q叫=√2∑qmq，。 (2) nEZ