基于多尺度特征分析的圖像數據自適應去噪方法

引言

        圖像去噪中一個(gè)兩難的問(wèn)題是如何在降低圖像噪聲的同時(shí)，盡可能多地保留圖像的細節。如何構造一種既能降低圖像噪聲，又能保持圖像細節的去噪方法是我們研究的重點(diǎn)內容。

        小波萎縮法是最為重要的方法。在閾值萎縮方法的關(guān)鍵就是如何選擇閾值和閾值函數。閾值主要可分為全局閾值和局部閾值。

        而要得到合適的閾值，就必須知道噪聲的方差。但對于一幅具體的圖像來(lái)說(shuō)，不可能預先知道噪聲的方差，因此必須對噪聲的方差進(jìn)行估計；并且使用統一閾值還會(huì )造成對一些邊緣小波系數的過(guò)扼殺，從而造成去噪圖像的模糊，使得重建圖像誤差增大[1]。                   

        自適應閾值去噪法是在閾值法基礎上的改進(jìn)。采用對各尺度分別進(jìn)行處理的方法來(lái)選擇閾值。把小波系數分成兩類(lèi)：第1類(lèi)僅由噪聲變換后得到，這類(lèi)系數幅值小，數目較多；第2類(lèi)由信號變換得來(lái)，并包括噪聲在該時(shí)空位置的變換結果，這類(lèi)系數幅值大，數目較少。對信號的小波系數，根據小波分解的不同層次，設置一個(gè)合適的閾值，大于這個(gè)閾值的小波系數保留(簡(jiǎn)單的保留或進(jìn)行后續操作) ，而小于這個(gè)閾值的小波系數，則去掉，可以達到降低噪聲的目的。由于保留了大部分包含信號的小波系數，所以可以較好地保持圖像細節。

多尺度閾值收縮去噪法

        一種基于小波變換的自適應多閾值圖像去噪方法——多尺度閾值收縮去噪法。這種方法是通過(guò)利用不同尺度上的小波系數間的相關(guān)性來(lái)有效區分噪聲和圖像信息，即根據不同的子帶特性，在不同子帶和不同方向上通過(guò)選擇不同的最佳閾值來(lái)去噪，因而可以獲得更好的去噪效果[2]。