使用轮廓波进行图像去噪（完整版）实用资料(可以直接使用，可编辑完整版实用资料，欢迎下载）使用轮廓波进行图像去噪R.Sivakumar,G.Balaji,R.S.J.Ravikiran,R.Karikalan,S.SaraswathiJanakiECEDepartmentRMKEngineeringCollegeKavaraipettai,Tamilnadu,Indiae-mail:HYPERLINK"mailto:rsk.ece@rmkec.ac.in"rsk.ece@rmkec.ac.in摘要——在图像处理中，在遥感和医疗应用领域，影响图像重要特征和信息的斑点（多重）噪声占主要地位。使用一系列变换将图像去噪，但是如要想要保留图像的边缘，这些变换并不有效。在图像处理过程中保留图像边缘是一个重要的因素。在这篇文章中，我们使用命名为“轮廓波变换”的新算法，这种算法在图像去噪中比小波算法更加有效，尤其是对于消除斑点噪声。考虑小波变换和轮廓波变换的对比参数是SNR和IEF，结果表明，在SNR，IEF值和视觉效果上，新提出的算法比小波变换优越。关键词——去噪，轮廓波变换，SNR（信噪比）。1.简介在遥感应用中，出现的主要问题是斑点噪声，斑点噪声使图像的质量下降并且影响重要图像处理过程中例如检测，分割和分类技术的性能。直到现在我们相信小波变换适合消除斑点噪声，但是使用基于轮廓波变换理论基础上提出的算法，我们相对地可以得到更好的效果。2.轮廓波变换擅长捕获图像中的轮廓细节的轮廓波变换[2]是一种方向性变换，这种变换的方法首先是构建离散域，然后扩展到稀疏连续域。轮廓波变换与其他变换的主要不同之处是在这种新的变换中使用拉普拉斯金字塔[4,5]和方向滤波器组[1,3]。因此，这种新变换不仅能检测间断的边缘，而且能将间断的边缘转化为连续域。下图说明轮廓波变换，其中输入图像包括像LL（低低），LH（低高），HL（高低）和HH（高高）的频率特点。在每一层的拉普拉斯金字塔产生一个低通输出（LL）和一个带通输出（LH，HL，和HH），然后将带通输出经过方向滤波器组，输出小波系数，低通输出再次通过拉普拉斯金字塔[4]，获得更多的系数直到获得较好的图像细节。图1.1轮廓波变换说明轮廓波变换中的信号‘X’由通过一系列的低通和带通滤波器计算得出，这两个滤波器的计算结果需要计算轮廓系数。Ylown=k=-∞∞xkg[2n-k]Ybandn=k=-∞∞xkh[2n-k]以上方程是滤波器的输出和轮廓系数，低通和高通滤波器用于轮廓分解。3.去噪算法用于图像去噪的一种常用方法是将图像转换为像小波域和轮廓域的变换域，然后将变换系数与一个固定的阈值比较。我们提出一种新的算法，该算法定义一个新的阈值来消除损坏的像素。4.算法表述A.这个过程由一幅噪声图像开始。B.使用分解过程将图像转换成轮廓变换域，在小波变换中，我们使用缩放和小波滤波器确定系数，但是在轮廓波变换中，我们构建离散域多分辨率和使用不可分离的滤波器组多方向，同样地，小波变换可以从滤波器组中得到。使用轮廓领域的这种构建导致灵活的多分辨率，局部和方向性图像扩展，因此命名为轮廓波变换。C.从分解过程中确定系数。D.对图像中的每一噪声像素进行方差估计。E.将结果值与阈值比较，确定像素是否破坏。F.如果像素破坏，抑制或者修改它，否则保留它进行后面的过程。G.重建所有导致图像噪声的结果系数。5.阈值对一般去噪，噪声图像的系数可以跟阈值比较，这些阈值可以通过实验或者偏差方法获得。由于人眼对邻近像素值的强度十分敏感，在图像去噪技术中，在同一区域的差异一定要少。考虑到是根据差异来选择阈值，在损坏图像中噪声水平仍在下降，在这个算法中，根据损坏图像的差异设置阈值。根据不同的差异水平（nvar）结果，阈值是固定的。添加到图像（th）中的噪声强度和低噪声图像（sigma）的偏差标准也是调整阈值的决定因素。根据不同的差异得到不同的结果，文中推论必须根据最高噪声水平和低噪声水平决定阈值。在斑点噪声中，默认的差异水平式0.04，因此，将大于0.05的斑点噪声差异当做是高噪声水平，将低于0.05的当做是低噪声水平。文中分别介绍两种阈值，结果表明，这两种不同的阈值提高了算法的去噪能力。现在，重建图像，保留大于阈值的系数用于轮廓波重建，抑制小于阈值的系数，由保留的系数重建得到去噪图像，这个过程如图2.1所示。图2.1，阈值算法特别是在遥感应用中的斑点损坏图像，还有其他很多算法可以用于图像去噪，与其他方法相比，文中的方法更加简单且有效。如果算法简单，完成去噪图像消耗的时间会很少并且由于超大规模集成电路技术的大内存，硬件的应用会更加灵活。6.结果用于去噪的保准测试图像是Lena，Pep