小波分析在储粮害虫图像去噪中的应用研究.pdfVIP

第27卷第1期 武 汉 工 业 学 院 学 报 Vo1．27No．1 2008年3月 Journal of Wuhan Polytechnic University Mar 20o8 文章编号：1009—4881(2008)01—0039—04 小波分析在储粮害虫图像去噪中的应用研究 黄凌霄，周 龙 (武汉工业学院电气信息工程系，湖北武汉430023) 摘 要：对Mallat算法强制去噪、默认阈值去噪、独立闽值去噪三种方法及基于小波去噪原理 进行了阐述，并比较了这几种小波去噪方法在处理粮虫图像去噪的优缺点。实验结果表明：独 立阈值去噪法既可以有效的降低噪声，又可以较好的保持粮虫图像的细节。 关键词：图像去噪；独立阈值；小波分析 中图分类号：TP 391，41 文献标识码：A 综合，其流程框图如图1所示。 0 引言 通常情况下，粮虫图像在采集、数字化和传输过 程中常受到各种噪声的干扰，从而使图像中包含大 量的噪声，图像中存在的噪声对图像的处理起到了 图1 小波去噪流程框图 破坏作用，因此必须对原始图像进行噪声处理。 对于图像而言，其所含噪声大多为高斯白噪声。 近年来，小波理论得到了迅速发展，而且由于其 因此，在考虑图像去噪问题的时候，我们可以建立以 在时域和频域同时具有良好的局部化性质，且对于 下模型： 高频成分采用逐渐精细的时域取样步长，从而可以 Y(m，17,)= (m，17,)+OrN(m，17,) 充分突出研究对象的任何细节。因而实际应用非常 171,=1，2，… ，M 17,=1，2，… ，Ⅳ 广泛，小波方法成功地应用在去噪领域，是由于小波 图像尺寸为M×N，N(m，17,)为零均值的高斯白 变换具有如下特点 ：①低熵性，小波系数的稀疏 噪声， 为其方差， (m， )为未受到污染的原始图 分布，使得图像变换后的熵降低；② 多分辨性，由于 像，Y(m，17,)为含噪图形，滤除噪声N(m，17,)也就是 采用了多分辨分析，所以可以非常好的刻画信号的 将图像信号 (m，17,)尽可能好的从含噪图像Y(m， 非平稳特征，如边缘、尖峰、断点等；③ 去相关性，因 17,)中恢复过来。我们不难证明，若N(m，17,)为零均 为小波变换可以对信号进行去相关，且噪声在变换 值高斯白噪声，则其经小波变换后仍为零均值高斯 后有白化趋势，所以小波域比空域更利于去噪；④ 白噪声。这是由小波变换是线性变换决定的。 选基灵活性，由于小波变换可以灵活选择变换基，从 1．2 小波去噪原理 而对不同的应用场合，对不同的研究对象，可以选用 在了解小波去噪原理之前，我们有必要了解信号 不同的小波母函数，以获得最佳的效果。 的奇异性含义。设，( ，y)∈L2(R)， ( 。，Yo)为( 。， 2 图像噪声模型和小波去噪原理 y0)的任一开领域，若任意( ，y)∈Ⅳ盯x。，y0)有： If( ，Y)一 0一Y0)}= }( — 0) +(Y—YO) }～ 2．1 图像噪声模型 则称( ，Y)在点( ，Y )的奇异性为 (a为 从信号学的角度，小波去噪是一个信号滤波问