基于小波与小波包图像去噪比较研究.docVIP

基于小波与小波包图像去噪比较研究 　　摘要：自从二十世纪八十年代以来，小波分析迅速发展成为数学中的一个新领域，目前已成为研究和解决自然科学与工程计算中许多复杂问题的强有力的工具，其与图像去噪的有机结合成为小波应用领域以及信号与信息处理学科研究的热点问题。本文通过对小波和小波包进行分析、对比和研究，指出了小波包分解比小波分解的优越性，并利用仿真实验进行对比、验证。 　　关键词：小波变换；小波包变换；图像处理；去噪 　　中图分类号：G642 文献标识码：A 文章编号：1002-7661（2011）12-022-03 　　 　　 　　图像在采集、生成和传输过程中常常受到噪声的污染，如医学图像、红外图像、安全监控图像等。在进行进一步的边缘检测、图像分割、特征提取、模式识别等处理之前，采用适当的方法尽可能的减少噪声是一个非常重要的预处理步骤，因而图像去噪成为图像处理研究中的一个基本问题。 　　小波域阈值滤波最早由Donoho提出，由于其方法简单，计算量小，去噪效果好，近年来在图像去噪领域得到了广泛的应用。其基本思想是利用了小波变换所具有的一种“集中”的能力。信号经小波变换后，可以认为由信号产生的小波系数包含有信号的重要信息，其幅值较大，但数目较少，而噪声对应的小波系数幅值小。通过在不同尺度上选取一个合适的阈值，并将小于该阈值的小波系数置零，而保留大于阈值的小波系数，从而使信号的噪声得到有效的抑制，最后进行小波逆变换，得到滤波后的重构信号。 　　软阈值法、硬阈值法和半软阈值法是对小波系数进行处理的几种方法。使用阈值 对信号或图像进行去噪的过程中，首先对信号（图像）进行小波分解，分解后的尺度系数和小波系数组成一个向量 （例如，在信号的情形，可由低频系数向高频系数排序），上述几种方法就是对系数向量 进行阈值化改造，得到新的小波系数向量 ，再由向量 用小波重构的方法，即可得到去噪后的信号。 　　软阈值函数为 　　(1) 　　硬阈值函数为 　　 (2) 　　半软阈值函数为 　　 (3) 　　三种阈值方法各有差异，软阈值法具有连续性，处理结果相对平滑，但往往会使图像边缘模糊，造成图像细节的丢失。硬阈值法可以较好的保留图像的边缘等局部细节特征，但图像可能会出现振铃、伪吉布斯效应等视觉上的严重失真。半软阈值法是软阈值法和硬阈值法的一种折衷形式，它不仅保留了较大的系数，而且具有连续性。本文通过对小波和小波包进行分析、对比和研究，指出了小波包分解比小波分解的优越性，并利用仿真实验进行对比、验证。 　　1、小波变换 　　小波分析继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化的缺点，它提供了一个变化的时间窗，当需要精确的低频信息时，采用长的时间窗，需要精确的高频信息时，采用短的时间窗。这是继傅立叶分析之后的又一重大突破，对许多古老的自然学科和新兴的高新技术应用学科都产生了强烈的冲击，并迅速应用到图像处理和语音分析等领域。 　　设 ， 。其傅立叶变换 。当 满足容许条件（Admissible Condition）： 　　 (4) 　　我们称 为一个基本小波或母小波（Mother Wavelet）。将母函数经伸缩和平移后，就得到一个小波序列。 　　定义连续小波序列如下： 　　(5) 　　其中 　　2、小波包变换 　　在多分辨分析中， ，表明多分辨分析是按照不同的尺度因子 把Hilbert空间 分解为所有子空间 的正交和。其中， 为小波函数 的闭包（小波子空间）。现在，对小波子空间 按照二进制进行频率的细分，以达到提高频率分辨率的目的。 　　一种自然的做法是将尺度空间 和小波空间 用一个新的子空间 统一起来表征，若令： 　　(6) 　　则Hilbert空间的正交分解 即可用 的分解统一为： 　　(7) 　　定义子空间 是函数 的闭包空间，而 是函数 的闭包空间，并令 满足下面的双尺度方程： 　　(8) 　　式中， ，即两系数也具有正交关系。当 时，上式为 　　(9) 　　与在多分辨分析中， 和 满足双尺度方程： 　　(10) 　　相比较， 和 分别退化为尺度函数 和小波函数 。式(9)是式(7)的等价表示。把这种等价推广到 （非负整数）的情况，即得(8)式的等价表示为： 　　 (11) 　　这样就可以对小波子空间再进行二进细分，即： 　　 (12) 　　(13) 　　(14) 　　其中 与子空间序列 对应的规范正交基 称为小波包。 　　特别地，当 时，子空间序列 简化为 ，相应的规范正交基简化为 ，它恰好是标准正交小波族 。 　　若 是一个倍频程细划的参数，即令 ，则我们有小波包的简略记号 ，其中 。此时， 称为具有尺度指标 、位置指标 和频率指标 的