基于改進的小波閾值圖像去噪算法研究

2018-02-01 11:08:15殷青松戴曙光

軟件導刊 2018年1期

殷青松+戴曙光

摘要：基于Donoho經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。針對這些缺陷，提出一種改進的閾值去噪法，該方法不僅可克服硬閾值不連續的缺點，還能夠有效解決小波分解預估計系數與真實小波系數間存有的恒定誤差。通過Matlab仿真實驗，使用改進的小波閾值法對圖像去噪處理后，除噪效果比較理想，在去噪性能指標上，PSNR（峰值信噪比）和EPI（邊緣保護指數）均好于傳統閾值方法。

關鍵詞：小波閾值；圖像去噪；小波系數；峰值信噪比；邊緣保護指數

DOIDOI：10.11907/rjdk.172083

中圖分類號：TP312

文獻標識碼：A文章編號文章編號：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，圖像容易遭受噪聲污染，因此圖像去噪尤為重要。隨著對小波理論研究的深入，其應用也日趨廣泛，利用小波變換進行圖像去噪成為研究熱點。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行圖像去噪；②利用小波變換尺度相關性方法進行圖像去噪[14]；③利用小波閾值去噪法進行圖像去噪[57]。上述3種基本方法中，小波閾值去噪法相對于小波模極大值法與小波變換尺度相關性法，其運算量小，實現簡單且使用廣泛。

小波閾值去噪法也有其不足：在小波硬閾值去噪處理過程中，獲取的小波系數預估計連續性差，會造成重構信號波動，而軟閾值法算出的估計小波系數雖然連續性較好，但其與真實小波系數有恒定偏差，造成重構信號精度變低，導致圖像模糊。本文結合經典硬閾值和軟閾值法各自的優缺點，提出一種改進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位于高頻帶，由此可先對高頻帶信號使用閾值化處理，再重構閾值化后的信號，達到去噪聲效果[812]。對于圖像而言，污染噪聲多是高斯白噪聲，可將含噪圖像的數學模型描述為如下形式：

4結語

基于小波閾值去噪方法，針對經典軟、硬閾值法在去噪中存在的缺陷，提出了一種改進的小波閾值圖像去噪算法。利用Matlab仿真平臺，使用這3種方法進行實驗對比，結果表明，該改進小波閾值去噪算法具有良好的去噪效果及較強的抗干擾性能，能夠較好地保持邊緣信息，去噪后的圖像在峰值信號比和主觀視覺效果上也得到明顯改善。

參考文獻：

[1]王智文，李紹滋.基于多元統計模型的分形小波自適應圖像去噪[J].計算機學報，2014（6）：13801389.

[2]查正興，魯昌華，陶志穎，等.增強型Shearlet域SAR圖像去噪[J].電子測量與儀器學報，2014（6）：644649.

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

[4]楊恢先，王緒四，謝鵬鶴，等.改進閾值與尺度間相關的小波紅外圖像去噪[J].自動化學報，2011（10）：11671174.

[5]楊柱中，周激流，郎方年.基于分數階微積分的噪聲檢測和圖像去噪[J].中國圖象圖形學報，2014（10）：14181429.

[6]侯建華.基于小波及其統計特性的圖像去噪方法研究[D].武漢：華中科技大學，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].系統仿真學報，2005（4）：855858.

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

[9]于篤發，邵建華，張晶如.基于小波自適應閾值圖像去噪方法的研究[J].計算機技術與發展，2013（8）：250253.

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

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