基于小波變換的圖像閾值去噪研究與實(shí)現(xiàn).pdf

1、圖像去噪是信號(hào)處理中的一個(gè)經(jīng)典問(wèn)題。圖像在數(shù)字化和傳輸過(guò)程中常受到成像設(shè)備與外部環(huán)境噪聲干擾等影響,成為含噪圖像。這些噪聲使圖像質(zhì)量變差,影響人們對(duì)圖像的理解,而且還關(guān)系到后續(xù)圖像的處理效果,如圖像切割、目標(biāo)識(shí)別、邊緣檢測(cè)等。為了獲取高質(zhì)量數(shù)字圖像,對(duì)圖像的降噪處理就顯得極其重要,在盡可能的保持原始信息完整性的同時(shí),去除信號(hào)中無(wú)用的噪聲。所以,去噪算法一直是圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的熱點(diǎn)研究課題。本文主要進(jìn)行小波域去噪方法在圖像去噪中的

2、應(yīng)用研究。
　　 小波域去噪是指含噪信號(hào)經(jīng)過(guò)小波變換之后,信號(hào)和噪聲的小波系數(shù)在不同尺度上具有不同的特征表現(xiàn),通過(guò)構(gòu)建對(duì)應(yīng)的規(guī)則,可在小波域分別對(duì)信號(hào)和噪聲的小波系數(shù)進(jìn)行數(shù)學(xué)方法上的處理。處理的本質(zhì)在于減小甚至完全舍棄噪聲產(chǎn)生的系數(shù),同時(shí)最大程度地保留原始信號(hào)的小波系數(shù),最后再重構(gòu)得到原始信號(hào)的最優(yōu)估計(jì)。
　　 基于小波變換去噪的方法有很多種,本文重點(diǎn)對(duì)其中的閾值去噪方法展開(kāi)研究。該類去噪方法中的閾值收縮思想主要基于如下

3、事實(shí):較大的小波系數(shù)一般由實(shí)際信號(hào)產(chǎn)生,而較小的系數(shù)很大程度是由噪聲產(chǎn)生。因此通過(guò)設(shè)定合適的閾值,進(jìn)行小波變換并將小于閾值的小波系數(shù)置零,而保留大于閾值的小波系數(shù),達(dá)到去噪的目的。由于小波變換采用的是正交小波,缺乏平移不變特性,經(jīng)過(guò)傳統(tǒng)的小波閾值去噪后,會(huì)產(chǎn)生視覺(jué)上的失真,即偽Gibbs現(xiàn)象。因此本文提出一種基于靜態(tài)小波變換的閾值去噪算法,該算法將信號(hào)展開(kāi)在一組有“冗余”的基上,信號(hào)經(jīng)過(guò)靜態(tài)小波變換后,使各個(gè)尺度上信號(hào)的長(zhǎng)度相等,可解決

4、由正交小波變換缺乏平移不變性而產(chǎn)生的偽Gibbs現(xiàn)象,改進(jìn)算法的去噪效果在均方差和信噪比方面優(yōu)于正交變換的結(jié)果。此外傳統(tǒng)的閾值去噪方法沒(méi)有考慮到尺度空間上的相關(guān)性,本文提出基于空域相關(guān)的圖像閾值濾波算法,該算法將空域相關(guān)去噪算法和閾值去噪算法的優(yōu)點(diǎn)加以結(jié)合,將尺度間的相關(guān)性與閾值去噪的思想結(jié)合起來(lái)對(duì)圖像進(jìn)行去噪,使得相關(guān)計(jì)算不僅可以在銳化信號(hào)邊緣與其它重要特征的同時(shí)抑制噪聲,而且可提高信號(hào)主要邊緣的定位精度。
　　 本文在深入分