基于中值滤波和小波变换图像去噪.docVIP

基于中值滤波和小波变换图像去噪 　　摘 要： 针对混合噪声的特点，提出一种中值滤波和小波变换相结合的去噪方法。首先对噪声图像进行中值滤波，然后再通过小波阈值法对噪声进行去除，达到去噪目的。最后进行了Matlab仿真实验以及客观标准评价，结果表明：这种方法改善了图像质量，去噪效果优于传统的软、硬阈值方法以及单纯的中值滤波方法，可以有效的去除混合噪声。 　　关键词： 图像去噪； 中值滤波； 小波变换； 均方根误差 　　中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2014）13?0072?03 　　Image denoising based on median filtering and wavelet transform 　　LI Zhi， ZAHGN Gen?yao， WANG Bei， WANG Jing， Tu Yin?ying 　　（School of Computer， Yan’an University， Yan’an 716000， China） 　　Abstract： Aiming at the characteristics of mixed noise， a de?noising method of combining median filtering and wavelet transform is presented in this paper. Firstly， the median filtering is adopted for noisy images， and then the wavelet threshold method is used to remove the noise. Matlab simulation experiment and objective evaluation were performed. The results demonstrate the denoising effect of this method is better than those of traditional soft?hard threshold method and median filtering method， can improve the image quality， and eliminate the mixed noise of images effectively. 　　Keywords： image denoising； median filtering； wavelet transform； root?mean?square error 　　0 引 言 　　由于成像传感器噪声、相片颗粒噪声以及图像在传输过程中的通道传输误差等原因，会使图像上出现一些随机的、离散的和孤立的像素点，即图像噪声。图像噪声往往影响了视觉效果和有关处理工作，因此需要对图像进行去噪[1]。按噪声的性质可将噪声分为脉冲噪声和高斯噪声两类。现实生活中的图像受到很多因素的影响，大多含有混合噪声，表现为脉冲噪声和高斯噪声。中值滤波对脉冲噪声有良好的抑制作用，并能较好地保持图像边缘[2?3]。小波变换由于具备良好的时频局部化性质而被人们广泛关注，小波阈值去噪对高斯噪声的去除有较好的效果[4?7]。因此，一些处理混合噪声的算法被提出[8?10]。 　　本文提出一种中值滤波与小波变换相结合的去噪方法，对混合噪声进行分步去除，简单实用，且能得到较好的去噪效果。 　　1 图像去噪方法 　　1.1 中值滤波 　　中值滤波器是基于次序统计完成信号恢复的一种典型的非线性滤波器[1]，它的基本思想是把数字图像中一点的值用该点的一个邻域中各点值的中值代换。过程如下： 　　（1） 根据选定的窗口，确定窗口中心位置在原图像上的重合方式。 　　（2） 将窗口在图像上移动扫描。 　　（3） 把窗口下对应的值进行排序，并把最中间的值赋给窗口中心位置的值。 　　通常中值滤波选用的窗口有线性、十字形、方形、圆形等，选用不同窗口会有不同的去噪效果。 　　1.2 小波阈值去噪 　　Donoho和Johnstone提出的小波阈值去噪方法的基本思想是[11?13]，分解后较大的小波系数主要是实际信号，较小的系数在很大程度上是噪声。因此通过选取一个阈值对系数进行处理，较大的系数保留，较小的系数置零。 　　阈值化改造最常用的软、硬阈值函数如下[14]： 　　软阈值函数： 　　[W=sgnWW-λ，W≥λ0，W λ1sgnWr2-W-λ1-2r22-r2-1-αλ1+2r22， λ2≤W≤λ10， W 　　（1） 选取3×3窗口的中值滤波对噪声图像进行处理。 　　（2） 选定coif4小波基对处理后的图像进行3层小波