基于改進(jìn)的小波閾值圖像去噪算法研究

殷青松+戴曙光

摘要：基于Donoho經(jīng)典小波閾值去除圖像噪聲基本思路，分析常用硬閾值法和軟閾值法在圖像去噪中的缺陷。針對(duì)這些缺陷，提出一種改進(jìn)的閾值去噪法，該方法不僅可克服硬閾值不連續(xù)的缺點(diǎn)，還能夠有效解決小波分解預(yù)估計(jì)系數(shù)與真實(shí)小波系數(shù)間存有的恒定誤差。通過(guò)Matlab仿真實(shí)驗(yàn)，使用改進(jìn)的小波閾值法對(duì)圖像去噪處理后，除噪效果比較理想，在去噪性能指標(biāo)上，PSNR（峰值信噪比）和EPI（邊緣保護(hù)指數(shù)）均好于傳統(tǒng)閾值方法。

關(guān)鍵詞：小波閾值；圖像去噪；小波系數(shù)；峰值信噪比；邊緣保護(hù)指數(shù)

DOIDOI：10.11907/rjdk.172083

中圖分類(lèi)號(hào)：TP312

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2018）001008903

Abstract：The basic idea of removing image noise by studying the Donoho classic wavelet threshold， in the analysis of the commonly used hard thresholding and soft thresholding method for image noise removal using defects， aiming at these defects， put forward a new denoising method improved the threshold， the method not only overcomes the characteristics of hard threshold is not continuous， but also effectively solve the wavelet decomposition coefficient estimate and real wavelet coefficients between the constant error， through Matlab simulation experiment， the wavelet threshold method using improved denoising image processing， denoising effect is ideal， the denoising performance index on PSNR （peak signaltonoise ratio） and EPI （edge protection index） are better than the traditional threshold methods.

Key Words：wavelet threshold； image denoising； wavelet coefficients； PSNR； EPI

0引言

采集、編碼或者傳輸圖像時(shí)，圖像容易遭受噪聲污染，因此圖像去噪尤為重要。 隨著對(duì)小波理論研究的深入，其應(yīng)用也日趨廣泛，利用小波變換進(jìn)行圖像去噪成為研究熱點(diǎn)。目前，小波圖像去噪基本方法有：①利用小波變換模極大值方法進(jìn)行圖像去噪；②利用小波變換尺度相關(guān)性方法進(jìn)行圖像去噪[14]；③利用小波閾值去噪法進(jìn)行圖像去噪[57]。上述3種基本方法中，小波閾值去噪法相對(duì)于小波模極大值法與小波變換尺度相關(guān)性法，其運(yùn)算量小，實(shí)現(xiàn)簡(jiǎn)單且使用廣泛。

小波閾值去噪法也有其不足：在小波硬閾值去噪處理過(guò)程中，獲取的小波系數(shù)預(yù)估計(jì)連續(xù)性差，會(huì)造成重構(gòu)信號(hào)波動(dòng)，而軟閾值法算出的估計(jì)小波系數(shù)雖然連續(xù)性較好，但其與真實(shí)小波系數(shù)有恒定偏差，造成重構(gòu)信號(hào)精度變低，導(dǎo)致圖像模糊。本文結(jié)合經(jīng)典硬閾值和軟閾值法各自的優(yōu)缺點(diǎn)，提出一種改進(jìn)的小波閾值圖像去噪算法。

1小波閾值圖像去噪方法

1.1小波閾值圖像去噪算法原理

小波閾值去噪法中的噪聲多數(shù)位于高頻帶，由此可先對(duì)高頻帶信號(hào)使用閾值化處理，再重構(gòu)閾值化后的信號(hào)，達(dá)到去噪聲效果[812]。對(duì)于圖像而言，污染噪聲多是高斯白噪聲，可將含噪圖像的數(shù)學(xué)模型描述為如下形式：

4結(jié)語(yǔ)

基于小波閾值去噪方法，針對(duì)經(jīng)典軟、硬閾值法在去噪中存在的缺陷，提出了一種改進(jìn)的小波閾值圖像去噪算法。利用Matlab仿真平臺(tái)，使用這3種方法進(jìn)行實(shí)驗(yàn)對(duì)比，結(jié)果表明，該改進(jìn)小波閾值去噪算法具有良好的去噪效果及較強(qiáng)的抗干擾性能，能夠較好地保持邊緣信息，去噪后的圖像在峰值信號(hào)比和主觀視覺(jué)效果上也得到明顯改善。

參考文獻(xiàn)：

[1]王智文，李紹滋.基于多元統(tǒng)計(jì)模型的分形小波自適應(yīng)圖像去噪[J].計(jì)算機(jī)學(xué)報(bào)，2014（6）：13801389.

[2]查正興，魯昌華，陶志穎，等.增強(qiáng)型Shearlet域SAR圖像去噪[J].電子測(cè)量與儀器學(xué)報(bào)，2014（6）：644649.

[3]黃果，蒲亦非，陳慶利，等.基于分?jǐn)?shù)階積分的圖像去噪[J].系統(tǒng)工程與電子技術(shù)，2011（4）：925932.

[4]楊恢先，王緒四，謝鵬鶴，等.改進(jìn)閾值與尺度間相關(guān)的小波紅外圖像去噪[J].自動(dòng)化學(xué)報(bào)，2011（10）：11671174.

[5]楊柱中，周激流，郎方年.基于分?jǐn)?shù)階微積分的噪聲檢測(cè)和圖像去噪[J].中國(guó)圖象圖形學(xué)報(bào)，2014（10）：14181429.

[6]侯建華.基于小波及其統(tǒng)計(jì)特性的圖像去噪方法研究[D].武漢：華中科技大學(xué)，2007.

[7]鄒海林，隋亞莉，徐俊艷，等.基于多小波變換的GPR圖象去噪方法研究[J].系統(tǒng)仿真學(xué)報(bào)，2005（4）：855858.

[8]周先春，汪美玲，周林鋒，等.基于Demons算法改進(jìn)的圖像去噪模型研究[J].物理學(xué)報(bào)，2015（2）：145154.

[9]于篤發(fā)，邵建華，張晶如.基于小波自適應(yīng)閾值圖像去噪方法的研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2013（8）：250253.

[10]劉篤晉.基于小波變換的圖像去噪方法研究[J].現(xiàn)代電子技術(shù)，2013（14）：9395.

[11]牛和明，杜茜，張建勛.一種自適應(yīng)全變分圖像去噪算法[J].模式識(shí)別與人工智能，2011（6）：798803.

[12]張國(guó)偉.基于小波變換的圖像去噪方法研究[D].昆明：昆明理工大學(xué)，2014.

[13]張宏偉.基于Matlab的圖像去噪方法的研究與實(shí)現(xiàn)[J].大慶師范學(xué)院學(xué)報(bào)，2016（3）：14.

[14]DONOHO D L，JOHNSTONE I M.Ideal spatial adaptation via wavelet shrinkage[J].Biometrika，1994，81（3）：425455.

[15]DONOHO D L.Denoising by softthresholding[J].IEEE Trans.on Information Theory，1995，41（3）：613627.

（責(zé)任編輯：孫娟）endprint