圖像去噪方法剖析

馬龍敏 王凱 劉妍

摘要：隨著無(wú)智能化技術(shù)的發(fā)展，圖像作為重要的信息廣泛使用，在軍事、工業(yè)、交通、農(nóng)業(yè)和生活等領(lǐng)域均有應(yīng)用，但在某特殊環(huán)境及條件下，圖像質(zhì)量會(huì)受到影響，無(wú)法滿足后續(xù)應(yīng)用的需求，所以圖像去噪是圖像應(yīng)用的前端技術(shù)，與圖像獲取途徑、用途直接相關(guān)，本文主要多圖像的去噪方法進(jìn)行歸納總結(jié)，并指出適應(yīng)場(chǎng)合及優(yōu)缺點(diǎn)。

一、空域去噪方法

傳統(tǒng)的空域去噪算法有中值濾波及其改進(jìn)方法、均值濾波及其改進(jìn)方法及基于直方圖等圖像統(tǒng)計(jì)信息的去噪方法等。

中值濾波會(huì)使不同灰度的點(diǎn)看起來(lái)更接近其鄰近點(diǎn)，可以很好地濾除尖峰值的脈沖和椒鹽噪聲，且能很好地保持圖像原有邊緣清晰度，然而這種做法也會(huì)改變未受噪聲影響的像素灰度值，導(dǎo)致圖像模糊，所以對(duì)含高斯和泊松噪聲較多和含細(xì)節(jié)信息較豐富的圖像來(lái)說(shuō)效果一般，且不適合具有點(diǎn)、線、尖峰細(xì)節(jié)較多的圖像的濾波處理，對(duì)隨機(jī)噪聲的抑制效果也不夠理想。

均值濾波及其改進(jìn)算法對(duì)高斯噪聲具有較好的去噪能力，能夠在去除噪聲和保持邊緣細(xì)節(jié)之間取得較好平衡。但是這類方法采用濾波窗內(nèi)像素值的平均值取代中心像素的灰度值的方法進(jìn)行濾波處理，沒(méi)有考慮不同像素對(duì)濾波結(jié)果所做的貢獻(xiàn)的差異，造成非噪聲點(diǎn)的誤處理，去噪的同時(shí)引起湍流退化圖像邊緣的“二次模糊”以及細(xì)節(jié)的退化，而且當(dāng)噪聲濃度較大時(shí)，濾波效果不夠理想。

基于圖像統(tǒng)計(jì)特征的濾波方法，如基于圖像統(tǒng)計(jì)直方圖的濾波方法和基于圖像局部方差的閾值去噪方法等，根據(jù)圖像的局部或全局統(tǒng)計(jì)特征，設(shè)置閾值將圖像分成不同的區(qū)域，有針對(duì)性的進(jìn)行平滑處理。楊群生提出的直方圖加權(quán)均值濾波，以加權(quán)均值濾波器為基礎(chǔ)，利用被污染圖像的直方圖函數(shù)作為權(quán)值進(jìn)行加權(quán)運(yùn)算。該方法的去噪效果因退化圖像的不同而有較大差異。喬鬧生提出的基于均值去噪與圖像增強(qiáng)的方差濾波法，結(jié)合平滑低通濾波器和中值濾波器去除圖像噪聲，從實(shí)際的去噪效果來(lái)看，噪聲去除、對(duì)比度增強(qiáng)和邊緣保持效果都優(yōu)于一般方法。

總結(jié)以上方法發(fā)現(xiàn)，單一的空域去噪算法及其改進(jìn)算法雖然對(duì)單一噪聲成分具有一定的去噪效果，但對(duì)混合噪聲中的其他噪聲成分不具有濾除作用，甚至還可能造成圖像的“二次模糊”。

二、變換域去噪方法

變換域去噪算法有傅里葉變換去噪、小波變換去噪以及多尺度分析方法去噪等。傅里葉變換是頻域分析的主要工具。但是，傅里葉變換假設(shè)輸入信號(hào)是靜態(tài)的，不能提供隨時(shí)間變化的頻譜信息，因此對(duì)于退化圖像的去噪處理來(lái)說(shuō)效果并不好。

小波具有良好的時(shí)頻局域化、多分辨率、低熵性、選基靈活性等特點(diǎn)，為描述信號(hào)的奇異性提供了手段。小波閾值去噪算法中閾值和閾值函數(shù)選擇的合適與否很多程度上決定濾波的性能，因此國(guó)內(nèi)外研究人員將小波閾值去噪的研究重點(diǎn)放在閾值函數(shù)和閾值的設(shè)計(jì)上，提出了包括硬閾值及其改進(jìn)閾值、軟閾值及其改進(jìn)閾值、折中閾值及其改進(jìn)閾值等多種閾值，并結(jié)合小波閾值去噪與其他去噪方法提出了很多綜合的去噪方法，取得了較好的去噪效果。

繼小波之后，出于構(gòu)建更緊致小波的考慮，多尺度分析的方法應(yīng)運(yùn)而生，并已在圖像處理領(lǐng)域獲得了廣泛的應(yīng)用，成為小波之后圖像處理的主要研究領(lǐng)域之一。基于 Contourlet 變換的 SAR 退化圖像去噪算法，充分利用各向異性理論和非下采樣輪廓波變換理論的優(yōu)點(diǎn)，在不需要選擇合適閾值的情況下，有效區(qū)分邊緣和噪聲，處理后圖像質(zhì)量改善明顯。基于 Curvelet 變換的圖像去噪算法利用 Curvelet 變換對(duì)圖像邊緣的良好表征能力，結(jié)合循環(huán)平移技術(shù)構(gòu)建了去噪算法框架，該算法對(duì)于隨機(jī)噪聲具有良好的去噪效果，對(duì)邊緣具有較好的保護(hù)作用。多尺度分析去噪算法雖然有諸多優(yōu)點(diǎn)，也存在分解層數(shù)不能自適應(yīng)以及算法的實(shí)時(shí)性欠佳等問(wèn)題。

三、正則化方法

正則化方法是為了解決不適定問(wèn)題而被引入的。實(shí)際上，圖像去噪也是一種不適定問(wèn)題，因此很多學(xué)者使用正則化的方法進(jìn)行退化圖像的去噪處理。根據(jù)輸入的信號(hào)序列使用基于正則化線性模型調(diào)節(jié)混合濾波算法的因子，解決了中值濾波在有效抑制脈沖噪聲的同時(shí)模糊圖像細(xì)節(jié)的缺陷。帶尺度參數(shù)的正則化模型實(shí)現(xiàn)了正則參數(shù)的自適應(yīng)優(yōu)化，對(duì)模糊圖像具有良好的去噪效果。利用Shearlet函數(shù)能對(duì)圖像進(jìn)行更稀疏表示且產(chǎn)生最優(yōu)逼近的特性，提出了一種采用Shearlet變換域約束條件的全變差正則化算法，可以去除閾值處理后的偽吉布斯效應(yīng)，在抑噪和保邊緣的同時(shí)，取得了較好的視覺(jué)效果。基于馬爾可夫隨機(jī)場(chǎng)模型的自適應(yīng)正則化紅外背景雜波抑制算法是比較好的將正則化用于濾波處理的方法，該算法采用馬爾可夫隨機(jī)場(chǎng)建立了圖像的先驗(yàn)概率模型，采用MRF對(duì)雜波抑制過(guò)程進(jìn)行正則化處理，從而實(shí)現(xiàn)了對(duì)背景雜波的自適應(yīng)抑制。

綜上所述，正則化方法具有優(yōu)于傳統(tǒng)去噪算法的明顯優(yōu)勢(shì)。但是正則化算法需要長(zhǎng)時(shí)間迭代處理，不能保證其實(shí)時(shí)性。