基于改进的小波阈值图像去噪算法研究

2018-02-01殷青松戴曙光

软件导刊 2018年1期

殷青松+戴曙光

摘要：基于Donoho经典小波阈值去除图像噪声基本思路，分析常用硬阈值法和软阈值法在图像去噪中的缺陷。针对这些缺陷，提出一种改进的阈值去噪法，该方法不仅可克服硬阈值不连续的缺点，还能够有效解决小波分解预估计系数与真实小波系数间存有的恒定误差。通过Matlab仿真实验，使用改进的小波阈值法对图像去噪处理后，除噪效果比较理想，在去噪性能指标上，PSNR（峰值信噪比）和EPI（边缘保护指数）均好于传统阈值方法。

关键词：小波阈值；图像去噪；小波系数；峰值信噪比；边缘保护指数

DOIDOI：10.11907/rjdk.172083

中图分类号：TP312

文献标识码：A文章编号文章编号：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、编码或者传输图像时，图像容易遭受噪声污染，因此圖像去噪尤为重要。随着对小波理论研究的深入，其应用也日趋广泛，利用小波变换进行图像去噪成为研究热点。目前，小波图像去噪基本方法有：①利用小波变换模极大值方法进行图像去噪；②利用小波变换尺度相关性方法进行图像去噪[14]；③利用小波阈值去噪法进行图像去噪[57]。上述3种基本方法中，小波阈值去噪法相对于小波模极大值法与小波变换尺度相关性法，其运算量小，实现简单且使用广泛。

小波阈值去噪法也有其不足：在小波硬阈值去噪处理过程中，获取的小波系数预估计连续性差，会造成重构信号波动，而软阈值法算出的估计小波系数虽然连续性较好，但其与真实小波系数有恒定偏差，造成重构信号精度变低，导致图像模糊。本文结合经典硬阈值和软阈值法各自的优缺点，提出一种改进的小波阈值图像去噪算法。

1小波阈值图像去噪方法

1.1小波阈值图像去噪算法原理

小波阈值去噪法中的噪声多数位于高频带，由此可先对高频带信号使用阈值化处理，再重构阈值化后的信号，达到去噪声效果[812]。对于图像而言，污染噪声多是高斯白噪声，可将含噪图像的数学模型描述为如下形式：

4结语

基于小波阈值去噪方法，针对经典软、硬阈值法在去噪中存在的缺陷，提出了一种改进的小波阈值图像去噪算法。利用Matlab仿真平台，使用这3种方法进行实验对比，结果表明，该改进小波阈值去噪算法具有良好的去噪效果及较强的抗干扰性能，能够较好地保持边缘信息，去噪后的图像在峰值信号比和主观视觉效果上也得到明显改善。

参考文献：

[1]王智文，李绍滋.基于多元统计模型的分形小波自适应图像去噪[J].计算机学报，2014（6）：13801389.

[2]查正兴，鲁昌华，陶志颖，等.增强型Shearlet域SAR图像去噪[J].电子测量与仪器学报，2014（6）：644649.

[3]黄果，蒲亦非，陈庆利，等.基于分数阶积分的图像去噪[J].系统工程与电子技术，2011（4）：925932.

[4]杨恢先，王绪四，谢鹏鹤，等.改进阈值与尺度间相关的小波红外图像去噪[J].自动化学报，2011（10）：11671174.

[5]杨柱中，周激流，郎方年.基于分数阶微积分的噪声检测和图像去噪[J].中国图象图形学报，2014（10）：14181429.

[6]侯建华.基于小波及其统计特性的图像去噪方法研究[D].武汉：华中科技大学，2007.

[7]邹海林，隋亚莉，徐俊艳，等.基于多小波变换的GPR图象去噪方法研究[J].系统仿真学报，2005（4）：855858.

[8]周先春，汪美玲，周林锋，等.基于Demons算法改进的图像去噪模型研究[J].物理学报，2015（2）：145154.

[9]于笃发，邵建华，张晶如.基于小波自适应阈值图像去噪方法的研究[J].计算机技术与发展，2013（8）：250253.

[10]刘笃晋.基于小波变换的图像去噪方法研究[J].现代电子技术，2013（14）：9395.

[11]牛和明，杜茜，张建勋.一种自适应全变分图像去噪算法[J].模式识别与人工智能，2011（6）：798803.