基于中值滤波和小波变换的图像去噪

《基于中值滤波和小波变换的图像去噪》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于中值滤波和小波变换的图像去噪摘要：针对混合噪声的特点，提出一种中值滤波和小波变换相结合的去噪方法。首先对噪声图像进行中值滤波，然后再通过小波阈值法对噪声进行去除，达到去噪目的。最后进行了Matlab仿真实验以及客观标准评价，结果表明:这种方法改善了图像质量，去噪效果优于传统的软、硬阈值方法以及单纯的中值滤波方法，可以有效的去除混合噪声。关键词：图像去噪；中值滤波；小波变换；均方根误差中图分类号：TN911734文献标识码：A文章编号：1004?373X(2014)13?0072?03Imagedenoisingbasedonmedianfilteringandwavelettran

2、sformLIZhi,ZAHGNGen?yao,WANGBei,WANGJing,TuYin?ying(SchoolofComputer,Yan"anUniversity,Yan'an716000,China)Abstract：Aimingatthecharacteristicsofmixednoise,ade?noisingmethodofcombiningmedianfilteringandwavelettransformispresentedinthispaper.Firstly,themedianfilteringisadoptedfornoisyimages,andthent

3、hewaveletthresholdmethodisusedtoremovethenoise・MatlabSimulationexperimentandobjectiveevaluationwereperformed・TheresuItsdemonstratethedenoisingeffectofthismethodisbetterthanthoseoftraditionalsoft?hardthresholdmethodandmedianfilteringmethod,canimprovetheimagequality，andeliminatethemixednoiseofimag

4、eseffectively.Keywords:imagedenoising；medianfiltering；wavelettransform；root?mean?squareerror0引言由于成像传感器噪声、相片颗粒噪声以及图像在传输过程中的通道传输误差等原因，会使图像上出现一些随机的、离散的和孤立的像素点，即图像噪声。图像噪声往往影响了视觉效果和有关处理工作，因此需要对图像进行去噪［1］。按噪声的性质可将噪声分为脉冲噪声和高斯噪声两类。现实生活中的图像受到很多因素的影响，大多含有混合噪声，表现为脉冲噪声和高斯噪声。中值滤波对脉冲噪声有良好的抑制作用，并能较好地保持图像边缘［2?3］

5、O小波变换由于具备良好的时频局部化性质而被人们广泛关注，小波阈值去噪对高斯噪声的去除有较好的效果［4?7］o因此，一些处理混合噪声的算法被提出［8?10］o本文提出一种中值滤波与小波变换相结合的去噪方法，对混合噪声进行分步去除，简单实用，且能得到较好的去噪效果。1图像去噪方法1.1中值滤波中值滤波器是基于次序统计完成信号恢复的一种典型的非线性滤波器［1］,它的基本思想是把数字图像中一点的值用该点的一个邻域中各点值的中值代换。过程如下：(1)根据选定的窗口，确定窗口中心位置在原图像上的重合方式。(2)将窗口在图像上移动扫描。(3)把窗口下对应的值进行排序，并把最中间的值赋给窗口中心位置的

6、值。通常中值滤波选用的窗口有线性、十字形、方形、圆形等，选用不同窗口会有不同的去噪效果。1.2小波阈值去噪Donoho和Johnstone提出的小波阈值去噪方法的基本思想是：11?131,分解后较大的小波系数主要是实际信号，较小的系数在很大程度上是噪声。因此通过选取一个阈值对系数进行处理，较大的系数保留，较小的系数置零。阈值化改造最常用的软、硬阈值函数如下［14］：软阈值函数：[W=sgnW-入xo入lsgnWr2-W-Xl-2r22-r2~l-aXl+2r22,X2WWWX10,W(1)选取3X3窗口的中值滤波对噪声图像进行处理。(2)选定coif4小波基对处理后的图像进行3层小波分

7、解，分解后的尺度系数和小波系数组成一个系数向量［W。］(3)使用改进的阈值函数对系数向量［W］进行阈值化处理，使得［w-W］尽量小。(4)利用新的系数向量［W］进行小波重构。2仿真实验本次实验是基于MatlabR2012b平台进行编程实现，选用512X512的lena灰度图像，对图像加入方差均为0.01的高斯噪声和椒盐噪声。然后分别对本文方法、软硬阈值方法以及中值滤波方法进行仿真实验，实验结果如图1所示。从实验结果上看，本文方法取得良好的去噪效