基于小波变换的图像去噪方法的研究

【摘要】：图像在采集、传输等过程中不可避免会受到各种噪声的干扰,为了后续更高层次的处理,很有必要对图像进行去噪预处理。近年来,小波理论得到了非常迅速的发展。由于小波变换具有低熵性、多分辨性、去相关性、选基灵活性等特性,使它成为图像去噪领域内的有力工具。 本文介绍了近年来小波理论发展及其在图像处理方面应用的情况,系统地描述了目前常用的经典小波图像去噪方法,并对这些算法进行了比较,分析了各算法的原理、特性以及存在的不足。 首先,针对降质图像中普遍存在的高斯噪声,在统一阈值去噪算法的基础上,采用小波系数区域相关性进行了改进,进而形成了基于区域相关性的改进阈值去噪算法。该算法利用小波系数区域相关性对统一阈值去噪过程中“过扼杀”的部分细节信息进行保留,克服其“过扼杀”缺陷。其次,针对同时存在高斯噪声及脉冲噪声的降质图像,如果直接在小波域内进行阈值处理,必然导致用统一阈值算法计算出的阂值较大,这将导致对有用信号的“过扼杀”,丢失图像的边缘细节信息。针对此种情况,本文采用极值中值滤波滤除脉冲噪声,然后,在小波域中,对各层小波子带进行分块,计算各层小波子带中子块的阂值对各子块进行去噪,新阂值具有很强的局部针对性,很好的克服“过扼杀”缺陷。 通过仿真实验结果可以看出,本文方法去噪效果显著,与传统的去噪方法相比,在去除噪声的同时也能够较好的保留图像的边缘细节信息,是一种有效的图像去噪方法。