一种连续高阶可导阈值函数的构造及图像去噪.docxVIP

一种连续高阶可导阈值函数的构造及图像去噪

图像噪声去除是图像数据处理领域的一个重要内容。图像消噪通常需要在抑制噪声和保持图像细节之间进行转换。小波变换作为一种新的信号处理工具,在信号去噪领域已得到了成功的应用。信号经过小波变换后,能量主要集中在最低分辨率子带上,而信号的加性随机噪声经过小波变换后,能量则分散在各个高分辨率子带上。因此,若设定一个阈值,将绝对值小于阈值的小波系数当作噪声去除,从而达到去噪的效果。

1基于viseqp的噪声方差估计

传统的基于小波变换的阈值去噪方法可以分为硬阈值去噪和软阈值去噪。在小波阈值去噪方法中,阈值的选取是一个关键问题。阈值过小,噪声滤除效果不好,去噪图像平滑性差;阈值过大,则导致过平滑,在滤除噪声的同时也损失了图像的重要信息,造成图像模糊。阈值的选取始终是在抑制噪声和保护图像细节之间的折中。

Universal阈值和VisuShrink算法是由Donoho等人较早提出的经典阈值计算及阈值去噪方法。Universal阈值也称为统一阈值,其阈值计算如下:

λuniv=2ln(N)??????√?σ(1)λuniv=2ln(Ν)?σ(1)

其中,N代表图像中的总像素个数;σ为噪声标准差。对信号噪声方差的估计,Donoho提出了鲁棒性中值估计:

σnue150ue151ue154=median(|y(i)|)/0.67