基于MATLAB不同小波基小波阈值图像去噪算法.docVIP

基于MATLAB不同小波基小波阈值图像去噪算法 　　摘要：通过介绍小波图像去噪的方法和小波阈值去噪的步骤，讨论小波基在小波阈值去噪中的作用，阐述了常见的几种小波基的特征及其相关性质的比较。最后通过在MATLAB下，分别选择了db2和sym4两种小波基，进行小波阈值去噪实现图像高频系数的滤波并重建，得到采用不同的小波基影响图像去噪效果的结论。 　　关键词：图像去噪；小波阈值；小波基；MATLAB； 　　Abstract： Through the introduction of wavelet image denoising method and wavelet threshold denoising steps，this paper discusses the role of wavelet in wavelet threshold denoising，and describes the characteristics of several common wavelet bases and their correlation properties. Finally， respectively with a Db2 and sym4 two kinds of wavelet base by MATLAB， to denoise wavelet threshold realizes the high frequency coefficients of the image filtering and reconstruction， so the conclusion is obtained that using different wavelet bases affects the results of image denoising. 　　key word ：image denoising；wavelet threshold；Wavelet basis； MATLAB； 　　0引言 　　图像在生成或传输过程中常常受到各种噪声的干扰或影响而使图像的质量下降，含噪的图像对后续的图像处理（如分割、理解等）产生不利影响[1]。因此，图像去噪是图像处理中的一个重要环节。 　　在图像的去噪领域里，小波变换以其自身良好的时频局部化特性，采用非线性方法去噪，在图像去噪方面有独特的优势[2]。目前，小波图像去噪的方法大概分为以下3大类[3-5]。 　　1）基于小波变换模极大值原理。该原理主要是根据在各种尺度的小波变换上，图像和噪声有着不同传播特性，根据传播特性的不同在保留图像所对应的模极大值点的同时除去由噪声造成的模极大值点，然后再利用所余模极大值点来重新构建小波系数，实现图像复原。 　　2）基于小波变换系数的相关性。该原理主要根据含噪的图像经过小波变换后，图像和噪声系数的关联特性的不同，留下图像的系数，舍去噪声系数，然后再重新构建图像。 　　3）基于小波阈值的去噪方法。该方法原理是根据在各尺度上的小波变换后，图像与噪声的小波系数都呈现出不同特性，通过给定的一个预定阈值，一般由噪声引起的小波系数都小于预定阈值，这样就可以把该系数直接置0，而把大于预定阈值的小波系数，认为是由图像产生的，可以用硬阈值法将系数直接保留下来或者用软阈值法对系数进行收缩处理，对被保留下来或收缩的小波系数进行小波重构恢复图像。 　　本文讨论的算法是基于小波阈值图像去噪方法。 　　1 小波阈值图像去噪的步骤 　　通常来说，基于小波阈值的图像去噪方法可通过由下面的3个步骤来实现[5-6]： 　　1）对含噪图像作正交小波变换。通过项目的需求选择恰当的小波基和需要分解的层数n，再运用MALLAT分解算法n层小波分解含噪的图像，得到每层相对应的小波分解系数。 　　2）阈值量化分解后的高频系数。选择一个合适的阈值和阈值函数阈值量化从1到n的每一层分解得到的高频系数，得到估算的小波系数。 　　3）小波逆变换重构图像。运用MALLAT重构算法把分解后的第n层低频系数和经过阈值量化后的各层高频系数，进行小波逆变换重新构建图像，最后得到去噪后的图像。 　　2 常见小波基的介绍[6-10] 　　小波基的选择是小波分析在工程应用中的一个重点，采用不同的小波基分析同一个问题会产生不同的结果。目前常用的小波基有Haar小波系、Daubechies（dbN）小波系、Biorthogonal（biorNr.Nd）小波系、Coiflet（coifN）小波系、SymletsA（symN）小波系、Morlet（morl）小波系、Mexican Hat（mexh）小波系、Meyer小波系等8种。在此，给出各类小波系的原理阐析和应用研究，具体如下。 　　2.1 Haar小波系