本文探讨了图像噪声对图像处理的影响及常见的去噪方法，重点介绍了小波阈值去噪原理。通过小波变换，利用阈值函数筛选小波系数，实现图像去噪。小波阈值去噪包括二维信号的小波分解、高频系数阈值量化和重构，参数选择如小波类型、分解层数和阈值对去噪效果至关重要。通过均方误差(MSE)和峰值信噪比(PSNR)评估，最佳软阈值算法表现出更优的去噪性能。
1、图像噪声
图像信号在其形成、传输、变换以及终端处理中，经常会受到各种噪声的干扰而降质。
随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径。然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质，并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、目标跟踪等，所以为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性（即主要特征）的同时，又能够去除图像中无用的噪声。所以，降噪处理一直是图像处理和计算机视觉研究的热点。
去噪方法：均值滤波、中值滤波、维纳滤波、高斯滤波、马尔可夫随机场模型、偏微分方程、小波分析…
2.1、小波图像去噪原理
图像和噪声在经小波变换后具有不同的统计特性：图像本身的能量对应着幅值较大的小波系数，主要集中在低频（LL）部分；噪声能量则对应着幅值较小的小波系数，并分散在小波变换后的所有系数中。基于此可设置一个合适的阈值门限，认为大于该阈值的小波系数的主要成份为有用的信号，给予收缩后保留；小于该阈值的小波系数，主要成份为噪声，予以置零剔除；然后经过阈值函数映射得到估计系数；
最低0.47元/天 解锁文章
扫一扫
9060
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
