基于多尺度特征分析的圖像數(shù)據(jù)自適應去噪方法

引言

        圖像去噪中一個兩難的問題是如何在降低圖像噪聲的同時，盡可能多地保留圖像的細節(jié)。如何構造一種既能降低圖像噪聲，又能保持圖像細節(jié)的去噪方法是我們研究的重點內容。

        小波萎縮法是最為重要的方法。在閾值萎縮方法的關鍵就是如何選擇閾值和閾值函數(shù)。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說，不可能預先知道噪聲的方差，因此必須對噪聲的方差進行估計；并且使用統(tǒng)一閾值還會造成對一些邊緣小波系數(shù)的過扼殺，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。采用對各尺度分別進行處理的方法來選擇閾值。把小波系數(shù)分成兩類：第1類僅由噪聲變換后得到，這類系數(shù)幅值小，數(shù)目較多；第2類由信號變換得來，并包括噪聲在該時空位置的變換結果，這類系數(shù)幅值大，數(shù)目較少。對信號的小波系數(shù)，根據(jù)小波分解的不同層次，設置一個合適的閾值，大于這個閾值的小波系數(shù)保留(簡單的保留或進行后續(xù)操作) ，而小于這個閾值的小波系數(shù)，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(shù)，所以可以較好地保持圖像細節(jié)。

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。這種方法是通過利用不同尺度上的小波系數(shù)間的相關性來有效區(qū)分噪聲和圖像信息，即根據(jù)不同的子帶特性，在不同子帶和不同方向上通過選擇不同的最佳閾值來去噪，因而可以獲得更好的去噪效果[2]。