小波变换与中值滤波相结合图像去噪方法（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）.1336・哈尔滨工业大学学报第加卷量所占的比例较小,而在高频区噪声能量所占的比例较大,甚至将信号湮没,所以去噪的重点仍在高频区.本算法选择能够较好的去除噪声并保持其边缘特征的中值滤波进行处理.一幅图像在经过小波分解后,HL频带是图像经过行低通和列高通滤波后的子图像,它包含了图像信号在水平方向高频信息和垂直方向的低频信息,因此,对于HL频带采用水平方向的直线型3邻域或5邻域中值滤波模板,则既去掉了水平方向的噪声,同时又较好地保留了垂直方向的低频信息;LH频带是图像经过列低通和行高通滤波后的子图像,它包含了图像信号在垂直高频信息和水平方向低频信息,因此,对于LH频带采用垂直方向的直线型3邻域或5邻域中值滤波模板,则既去掉了垂直方向的噪声,同时又较好地保留了水平方向的低频信息;HH频带是图像经过行高通和列高通滤波后的子图像,它包含了信号在水平和垂直两个方向高频信息即对角方向高频信息,因此,对于HH频带采用对角线方向的直线型3邻域或5邻域中值滤波模板.最后将经过滤波处理后的各频带经小波重构还原成去噪后的图像.本方法的总体流程为:i将含噪图像进行小波分解;ii利用式(1计算去噪阈值T;iii利用式(2对图像分解后的HL、LH、HH三个子频带进行软阈值去噪;iv对经过软阈值处理后的三个子频带分别进行中值滤波处理;v重构,得到去噪后的图像.3应用实例本算法已在三维地震资料相干切片断层解释中得到应用.相干切片上的断层解释,是在相干切片上检测并提取断层多边形,然后用于作构造图.采用本算法可以自动在相干切片上有效的去除噪声并保持边缘细节,为下一步对断层的提取及解释提供了有力保障.如图1所示,(a是相干切片灰度图像原图,(b是小波分解后的图像,(c是中值滤波去噪后的图像,(d是改造后自适应保细节去噪算法去噪后的效果图.由图可见,经软阈值去噪处理后的(c较(b中分解后各高频子图,去除了一定的噪声;经中值滤波处理后的(d较(c中各高频子图,更进一步去除了部分,并克服了一定的模糊;而经改造后算法处理后的(d不但克服了图像在去噪时的模糊,而且保持了图像的边缘信息.经实践验证本算法应用于三维相干切片数据体中,去噪效果明显,在经本算法去噪后的图像上提取出的断层多边形,精度上有了较大的提高,有效的提高了断层解释的效率.(8相干切片灰度原图(b小渡分解后图像(c软阈值去噪后图(d对HH子频带中值滤波后(e去噪后小波重构图像图l中值滤波与小波去噪相结合的去噪方法效果图参考文献:[1]XIEJc,ZHANGDL,XUWL.Overviewonwaveletimagedenoising[J].JournalofImageandGraphics,2002,7(3:209—217。[2]傅彩霞,杨光.一种新的具有增强效果的小波域图像去噪方法[J].中国图象图形学报2007,12(1:51—54.[3]林椹渺,宋国乡,薛文著.图像的几种小波去噪方法的比较与改进[J].西安电子科技大学学报(自然科学版2004.8,31(4:627—628.[4]CHENGY,BUITD.Muhiwaveletsdenoisingusingneighboringcoefficients[J].SisnaJProcessingLetters,2003,10(7:211—214.[5]张晓威,朱磊,刘军.多小波图像去噪算法的研究[J].哈尔滨工程大学学报2007,28(5:594—598.[6]李建平.小波理论与信号处理[M].重庆:重庆出版社.2001.[7]徐朝伦.基于子波变换和模糊数学的图像分割的研究[D].北京:北京理工大学.1998.[8]CHANGSG,BINY,VATI'ERELIM.Adaptivewaveletthreshoklingforimagedenoisingandcompression[J].IEEETransactiononImageProcessing2000。9(9:1532—1546.(编辑姚向红小波变换与中值滤波相结合图像去噪方法作者:唐世伟,林君,TANGShi-wei,LINJun作者单位:唐世伟,TANGShi-wei(大庆石油学院,计算机与信息技术学院,黑龙江,大庆,163318,林君,LINJun(大庆石油学院土木建筑工程学院黑龙江,大庆,163318刊名:哈尔滨工业大学学报英文刊名:JOURNALOFHARBININSTITUTEOFTECHNOLOGY年,卷(期:2021,40(8被引用次数:2次参考文献(8条1.XIEJC.ZHANGDL.XUWLOvervi