基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。

第3 3卷第 5期21 O O年 1月 O

辽宁科技大学学报J u n lo ie st fS in ea dTe h oo y L a n n o r a fUnv r iyo ce c n c n lg io ig

V0l 3 | 3 NO. 5 0c ., O1 t 2 0

基于小波收缩阈值和维纳滤波的去噪方法胡洋，张颖，成基，雪波熊陈(宁科技大学电子与信息工程学院，宁鞍山 145)辽辽 1 0 1

摘要：针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题，提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪，处理后的图像用维纳滤波法进对

行平滑处理。采用独立自适应阑值，其子带阈值进行确定，引入调节系数。仿真结果表明，提出的方法对并所在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、值滤波算法等方法。均

关键词：去噪；图像小波阈值；维纳滤波

中图分类号： P 9文献标识码：文章编号：64 08 21)503— T 31 A 17一 4 (000— 9 4】 5 0

实际图像在采集、成、形传输过程中，可避免会受到噪声干扰，重影响视觉效果，后续的边缘不严对检测、图像分割、特征提取、模式识别等产生影响。因此，去噪是一项非常重要的预处理步骤[。图像去 1]噪的方法很多，归纳其原理有两种：是从其噪声模型出发，但一建立分析图像退化模型或被污染的模型， 通过建立的模型获得先验知识来恢复或重建图像；是从研究含噪图像出发，找图像含噪声的特征或二寻信息分布规律，像素值进行直接滤波或将像素值转换到变换域进行处理。其中比较经典的去噪方法对有：中值滤波法，均值滤波法，纳滤波法及小波阈值去噪法_6。维 2] _近年来，小波变换逐渐被应用于信号和图像的去噪中，由于其具有多分辨率特性、相关性、函数去基选择灵活等特点，在各领域的去噪方面表现出明显的优势。1 9 9 2年， n h Do o o和 J h tn提出了小波 o n so e阈值萎缩方法 ( v S r k, Wa e h i )还给出了 D— R 2n N)阈值， n 1

(的并从渐进意义上证明了 Wa e h ik的 vS r n最优性；与此同时， i等人运用 Ri a e Kr m s n n的 MD ( nmu D sr t n L n t )则， s L Mii m eci i e gh准 po也得到了相

同的阈值公式；此后小波阈值萎缩方法被用到各种去噪应用中，并取得了很大的成功，高斯噪声尤其对如此。

本文提出了一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法，采用小波收缩阈值在法中，对其子带阈值引入调节系数并进行确定。仿真结果表明，去噪效果较佳。

1基于小波变换去噪的基本原理 基于小波变换的去噪方法利用小波变换中的变尺度特性对确定信号具有一种“中”能力，果集的如一

个信号能量集中于小波变换域少数系数上，么对这些系数的取值，那必然大于在小波变换域内能量分

散于大量小波系数上的信号或噪声的小波系数值[。如何对小波变换域的系数进行筛选 (称为操 7】。或纵)是小波阈值化去噪的关键步骤。 小波阈值收缩方法是通过一种非线性的图像去噪过程来消除噪声收缩在小波域的经验小波系数。

小波系数的绝对值是一个局部测度，每个小波系数被看成独立变量。给定一个阙值丁，认为所有绝对值

小于某个阈值 T的小波系数的值属于噪声范围，们的值用零代替；它而超过阈值的小波系数的数值用阈值丁缩减后重新取值。

在阈值收缩中，值函数体现了对几种系数的不同处理策略以及不同的估计方法，阈阚值函数主要分收稿日期：0 0 0— 0 2 1—8 2。作者简介：洋 ( 9 4 )女，宁鞍山人。胡 18一，辽