一种基于小波变换的自适应阈值图像去噪方法

一种基于小波变换的自适应阈值图像去噪方法

ID:36612463

大小:319.78 KB

页数:3页

时间:2019-05-13

一种基于小波变换的自适应阈值图像去噪方法_第1页
一种基于小波变换的自适应阈值图像去噪方法_第2页
一种基于小波变换的自适应阈值图像去噪方法_第3页
资源描述:

《一种基于小波变换的自适应阈值图像去噪方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、前沿技术一种基于小波变换的自适应阈值图像去噪方法abac杜林周新明李征黄晓芳兰州交通大学a.电子与信息工程学院;b.交通运输学院;c.自动化与电气工程学院兰州730070取代当前窗口内的所有抽样的中位值。中值滤波0引言的严格数学定义如下:设滤波窗口A的长度为n=由于小波变换有良好的局部特性,作为一种信2k+1或n=2k,观测值的个数为N,N≥n,即:x1,[1]号和图像处理工具,它得到了广泛应用。1995x2,…,xN。当窗口A在观测值序列上移动时,标准年,Donoho首次提出了小波阈值,小波阈值是一种中值滤波器输出me

2、d(xi)为非线性的方法,它是在小波域内通过对小波系数进xk+1n=2k+1med(x2)={(1)行处理来达到去噪的目的,其理论前提是认为图像xk+xk+1n=2k的小波系数是服从广义高斯分布且绝对幅值较大式(1)中:xk表示窗口内2k+1或2k个数据值的中的小波系数主要由信号变换后得到,而绝对幅值较位数[3]。小的小波系数则主要是由噪声变换后得到的,这样中值滤波算法是一种非线性滤波处理技术,可就可以通过设定阈值将较小的噪声系数清除来达用来抑制图像中脉冲干扰及椒盐噪声,并且可保持[2]到去噪的目的。边缘不被模糊,它既可

3、以用于二值图像,也可用于本文在Donoho等人提出的图像去噪方法Vis灰度图像的处理[4]。ushrink和Chang等人提出的基于Bayes准则的图像2混合噪声背景下的小波图像去噪去噪方法Bayesshrink的基础上,提出了一种基于小波变换的自适应多阈值图像去噪方法,这种方法是一般来讲,现实中的大部分图像不但含有高斯在不同子带和不同方向上通过选择不同的最佳阈噪声,而且还含有椒盐噪声。针对这种情况,可以值来去噪,从而获得更好的去噪效果。采用基于小波的自适应阈值和中值滤波相结合的图像去噪方法。该算法的实现方法和原理如下

4、。1中值滤波算法1)使被混合噪声污染的图像通过中值滤波处中值滤波MF(medianfilter)是非线性滤波的典理[5]。因为中值滤波是一种非线性滤波器,中值滤型代表,该方法的实质是中位数法。根据中位数法波器的任何输出总是取自对应的滑动窗口中输入的基本原理,可以构造中值滤波器,实现对信号的数据中的一个,这就意味着信号经过中值滤波后,去噪处理。该滤波器的本质是一种滑动窗口滤波信号幅度有较高的保真度,不会增加新的量化级,器,滤波操作是使滑动窗口中心位置的信号抽样值从而避免了引入量化噪声的干扰。通过中值滤波可以有效去除椒盐噪声

5、,也可以抑制一部分高斯收稿日期:20091101噪声。—55—前沿技术2)通过中值滤波处理后的图像中含有的大部数分成2类:第1类小波系数仅仅由噪声变换后得分噪声都是高斯噪声,这时对图像进行小波变换。到,这类小波系数幅值小,数目较多;第2类小波系选用sym4小波基,对图像进行3层小波分解。因为数由信号变换得来,并包括噪声的变换结果,这类sym小波的构造类似于dB小波族,两者的差别在于小波系数幅值大,数目较小。高斯噪声小波变换后sym小波有更好的对称性,更适合于图像处理,减少模的极大值不会随着小波尺度变化进行传递,而图重

6、构时的相移。像信号小波变换后模的极大值会随小波尺度变化假设已经获得观测公式为进行传递。从这点出发,可以通过这种小波系数幅yi=xi+σnii=1,2,…,N(2)值上的差异构造一种降噪方法。对信号的小波系式(2)中:ni为零均值的白色高斯噪声;σ为其方数,根据小波分解的不同层次,设置一个合适的阈差;xi为期望信号;yi为观测值。滤除噪声ni的问值,大于这个阈值的小波系数认为属于第2类系数,题可以认为是如何将x从观测值y中恢复出来。即同是含有信号和噪声的变换结果可以保留(简单记离散小波变换的变换矩阵为W,则对式(2)地保留

7、或进行后续操作),而小于这个阈值的小波进行小波变换得系数,则认为是第1类小波系数,即完全由噪声变换Y=X+N或Yi=Xi+Ni(3)而来,去掉这些系数,达到了降低噪声的目的。同式(3)中:Y=Wy,X=Wx,N=Wσn。对应于W,存时由于保留了大部分包含信号的小波系数,所以又在逆变换矩阵M,满足WM=1。可以较好地保持图像细节。采用软阈值函数对小小波变换中的变换尺度特性对确定信号具有波系数进行阈值操作,软阈值函数为一种“集中”的能力,对于大多数信号的能量,在小Sign(Wy(i))(Wy(i)-t),Wy(i)\tWy(

8、i)={波变换下可由很小部分小波系数表示,而噪声是一0,W(i)<ty致分布的。因此,选用一个合适的阈值便可以很好(4)地去噪。式(4)中:Wy(i)为小波变换的细节系数;t为阈值。3)利用自适应方法确定小波系数的阈值。阈^5)对阈值操作后的小波系数X进行小波反变值的确定在阈值萎缩中是最关键的,虽然用Donoho换,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。