基于多尺度的去噪方法研究

刘强 李宏宁

摘要：在图像增强、分割、识别处理等环节，图像去噪即图像增强显得尤其重要。怎么样在去除噪声的同时有效地保留下图像细节部分一直都是研究的重难点。在本文中，我们首先介绍了常用的中值滤波，均值滤波，维纳滤波，高斯滤波的图像去噪方法，然后介绍了具有良好的时频特性和多分辨率性的小波变换。但是小波变换不具备多方向性，为了能有效地实现图像的多分辨率的、多方向的、局部的特征提取，又利用图像几何本质的特征，新提出的Contourlet变换去噪解决了这一难题。

关键词：数字图像去噪；小波变换；Contourlet变换；多尺度

中图分类号：TP18 文献标识码：A 文章编号：1009-5039（2018）17-0214-02

在数字图像处理领域，国外先于国内。在含噪声图像，图像模糊等存在问题的图像有很好的研究，对于相应的问题有各自不同的处理方法，各方面的技术相对于国内含噪图像的处理的相关技术已经很成熟。根据它作用的范围来说，主要是两类：空间域上的和频域上的处理方法。空间域去噪法不会作用于频率，而是通过算法，对图像上的像素灰度值实施运算，例如中值滤波法和领域平均法等。频域法的中心思想作用于图像的频率，根据信号与噪声存在不相同的频率来运算。当一幅含噪图像经过变换后，有效信号在低频区；图像的细节轮廓部分与大部分噪声部分会在高频区。利用一个滤波器滤除数字图像信号中被噪声频率干扰的部分。

1 小波去噪

1.1 基本原理

在小波变换后，产生了一系列小波系数，携带了图像的信息。小波系数幅值小，对应的小波系数就小，含噪声较多。小波去噪就是先进行小波分解，经过处理后再重新构造图像达到去除噪声的目的。

1.2 阈值的选取

为了达到理想的去噪效果，阈值的选择显得尤其重要。如果选取的阈值过大，那么图像中较小的图像特征信号就会被当成是噪声滤除，这样图像就丢失了细节，引起偏差；反之，阈值过小，噪声不能被滤除干净。一般说来，当小波系数保持不变时，阈值的选取与噪声为正比关系。小波多尺度阈值去噪时，阈值函数

1.3 小波去噪结果的分析

从小波去噪的结果可以分析得出，在除噪过程中，能够很好地去除噪声，并且能够将图像的细节部分很好的保留下来，得到非常好的去噪结果。一方面效果好，另一方面算法简便易于实现。

2 基于NSCT自适应阈值去噪

2.1 NSCT自适应阈值去噪原理

4 结论

PSNR值结果显示当噪声在比较小的情况下，NSCT的较高，去噪的效果就比较好，随着方差逐渐增大，PSNR的差异也变得越来越小。当方差为20时，图2的显示了局部去噪的效果图。可以得出结论，基于NSCT自适应阈值能很好地保留图像细节部分，去除的失真，在图片Lena的发丝部分，图片在辣椒蒂附近，和图片Pepper中桌子脚周围处效果都比较明显。

参考文献：

[1] 王耀南，李树涛，毛建旭.计算机图像处理与识别技术[M].北京：高等教育出版社，2005.

[2] 杨乐.图像增强算法及其实现[J].现代电子技术，2008，31（8）：133-134.

[3] 焦李成，谭山.图像的多尺度几何分析： 回顾和展望[A]. 电子学报，2003，31（12）：1975-1981.

[4] E.J.Candts.Monoscale ridgelets for the representation of images with edges[M]. USA：Department of Statistics，Stanford University，1999

[5] 林立宇. Contourlet变换影像处理应用[M]. 北京：科学出版社，2008.

[6] 戴維，于盛林，孙栓.基于Contourlet变换自适应阈值的图像去噪算法[J].电子学报，2007，35（10）： 1939-1942.

[7] Minh N. Do and Martin Vetterli. The contourlet transform： an efficient directional multiresolution image representation[J].IEEE Trans. on Image Processing， 2005，14（12）：2091-2106 .

[8] A L Cunha ， J Zhou ，M N Do. The nonsubsampled contourlet transform： Theory， design ， and applications [J].IEEE Transactions on Image Processing， 2006，15 （10） .

[9] P.J.Burt and E.H.Adelson. The laplacian pyramid as a compact image code[J].IEEE Trans.Commun.， April 1983，31（4）：532-540.

[10] M.N.Do，M.Vetterli.Framing pyramids[J].IEEE Trans.Signal Proc.， September 2003：2329-2342.

[11] 傅博.基于多尺度变换的图像去噪方法研究[D]. 辽宁：辽宁师范大学，2009.