图像去噪方法的对比研究.docVIP

图像去噪方法的对比研究 　　【摘 要】本文介绍了图像噪声的类型及评价标准，对图像的几种去噪法进行了简单的分析，在总结这些去噪法的同时指出了去噪法中最新的研究领域。针对某些图像中背景复杂、目标对比度和信噪比低等特点，提出一种基于小波变换的图像去噪方法。 　　【关键词】噪声类型；评价标准；图像去噪；小波变换 　　0 引言 　　人们获取或传输图像过程中由于一些不可抗拒因素的影响：如光照、温度、天气和图像设备等外界条件的影响，以及电阻、电磁和元器件干扰等内部条件的影响，都会产生图像噪声，而使图像质量受到了影响，偏离了原始图片。这样得到的图像与原始图像相比，质量下降，图像的特征模糊，给后续的图像分析、信息的正确传播带来很大的麻烦。为了改善图像的质量，就必须抑制由某些特殊因素产生的图像噪声，因此图像去噪有着非常重要的实际作用和意义。[1] 　　1 图像噪声类型及评价标准 　　1.1 噪声的类型 　　按噪声对信号的影响和噪声与图像的数学关系可分为加性噪声模型和乘性噪声模型两大类。加性噪声中又包括椒盐噪声、高斯噪声等典型噪声。 　　（1）加性噪声：一般是由发生源产生并重叠于图像在输出端表现出来的：设f（x，y）为信号，影响信号后的输出为g（x，y），则： 　　g（x，y）=f（x，y）+n（x，y）（1） 　　形成的波形是噪声和信号的叠加，它的特点是加性噪声n（x，y）独立于有用信号，但它却与信号的关系是相加，始终干扰有用信号，因而就不可避免地对通信造成危害。 　　（2）乘性噪声：信道特性随机变化引起的噪声，对图像起到调制作用： 　　g（x，y）=f（x，y）+f（x，y）n（x，y）（2） 　　输出信号是有用信号和噪声信号的叠加，当噪声项受f（x，y）影响时，并且f（x，y）越大，则噪声越大，也就是噪声受信号的调制。例如，电离层和对流层的随机变化引起信号不反应任何消息含义的随机变化，而构成对信号的干扰。[2] 　　通过以上分析可以看出，绝大多数的常见图像噪声都可用均值为零，方差不同的高斯白噪声作为其模型，且图像灰度变化和噪声变化小时，乘性噪声可以近似看成是加性噪声。 　　（3）椒盐噪声：脉冲噪声也称为双击脉冲噪声或椒盐噪声，是一种随机的白点或者黑点，通常是由图像传感器、传输信道和解码处理等产生的。其概率密度函数（PDF）可由下式给出。 　　1.2 图像去噪效果的评价标准 　　1.2.1 主观评价 　　主观评价常用的有两种：一种是实验观察法，就是我们选取一组经过不同方法处理的照片，然后由选定的实验者用肉眼直接进行观察，并各自评价所观察图像质量的好坏最后综合所有人的主观评价给予一个综合评价。由于没有定量的标准，所以评价结果有一定的不确定性。另一种是运用模糊综合评判方法来实现对图像质量近似定量的评价，但是它也没有完全消除由于主观不确定性造0成的影响，而且其定量计算公式中的参数往往要依赖专家经验确定。国际上通行的有5级评分的质量尺度和妨碍尺度。[3] 　　1.2.2 客观评价 　　图像质量的客观评价由于我们所依据的着眼点不同而有多种方法，这里介绍的是一种经常使用的所谓的逼真度测量。[3] 　　式中f′表示处理后的图像的灰度，f表示原始图像的灰度，N表示图像像素的个数。PSNR单位为dB。在实际应用中，峰值信噪比PSNR是图像处理中最常用的图像质量评价的客观标准。 　　2 图像去噪方法的分析 　　2.1 均值滤波去噪 　　均值滤波[4]算法又叫领域平均法。对于均值算法中邻域像素的选取，一般都利用四邻域滤波模板结构或八邻域滤波模板结构。经图像的平滑处理，高斯噪声得到了有效的去除，并且选择的模板尺寸越大，噪声去除效果也越好，同时，图像的边缘等细节模糊的也越厉害。为克服简单局部平均法的弊病，可采用阈值法，又称为超限像素平滑法。它将像素灰度值f（x，y）和领域平均g（x，y）差的绝对值与选定的阈值进行比较，根据比较结果决定坐标（x，y）处的像素最后灰度值g′（x，y）。 　　其表达式为：g′（x，y）=g（x，y） 如果|f（x，y）-g（x，y）|Tf（x，y） 其他（7） 　　其中，T为事先设定的非负阈值。 　　2.2 维纳滤波去噪 　　维纳滤波是从连续的（或离散的）输入数据中滤除噪声和干扰以提取有用信息的过程，它是信号处理中经常采用的主要方法之一。它是维纳根据最小均方误差准则（滤波器的输出信号与需要信号之差均方值最小），求得了最佳线型滤波器的参数。我们在讨论线型滤波器时，一般以维纳滤波器为依据，而且他的适应面较广，所以在图像去噪中应用还是很常见的。 　　2.3 中值滤波去噪 　　中值滤波是一种很常用的基于空间域的去噪技术。中值滤波器是一种非线性滤波器。中值滤波是一种基于排序统计理论的可有效抑