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。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。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；并且使用統一閾值還會造成對一些邊緣小波系數的過扼殺，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。把小波系數分成兩類：第1類僅由噪聲變換后得到，這類系數幅值小，數目較多；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，設置一個合適的閾值，大于這個閾值的小波系數保留(簡單的保留或進行后續操作) ，而小于這個閾值的小波系數，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。這種方法是通過利用不同尺度上的小波系數間的相關性來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]。