基于小波變換圖像融合的圖像去噪研究

李佳寧　王鵬遠(yuǎn)　屈靜軍

【摘 要】圖像融合是通過某種融合算法將兩幅或多幅圖像融合在一起，以實(shí)現(xiàn)對(duì)圖像的更為精確、更為全面、更為可靠的描述。同樣地，通過圖像融合技術(shù)可以部分消除圖像中所存在的噪聲，可以將其作為圖像去噪的一個(gè)新方法。

【關(guān)鍵詞】小波變換；圖像融合；圖像去噪

1、引言

圖像融合作為信息融合的一種有力工具，已廣泛地應(yīng)用于軍事、遙感、機(jī)器視覺、醫(yī)學(xué)圖像、氣象預(yù)報(bào)等領(lǐng)域中。所謂圖像融合是把對(duì)同一目標(biāo)或同一場(chǎng)景用不同傳感器所獲得的圖像或用同一傳感器采用不同方式所獲得的多幅圖像合成一幅圖像，在這幅合成的圖像中能反映多幅原始圖像中的信息，以達(dá)到對(duì)目標(biāo)和場(chǎng)景更精確、更全面的分析和判斷。20世紀(jì)80年代中期發(fā)展起來的小波變換技術(shù)為圖像融合提供了新的工具，小波分解的緊致性、對(duì)稱性和正交性賦與它優(yōu)于大多數(shù)圖像融合算法的圖像融合性能。由于單一目的的圖像去噪具有局限性，通過引入圖像融合方法，以實(shí)現(xiàn)對(duì)圖像的更為精確、更為全面、更為可靠的描述。

2、圖像噪聲

噪聲可以理解為“妨礙人們感覺器官對(duì)所接收的信源信息理解的因素”。例如一幅黑白圖片，其平面亮度分布假定為f（x，y），那么對(duì)其接收起干擾作用的亮度分布R（x，y）即可稱為圖像噪聲。但是，噪聲在理論上可以定義為“不可預(yù)測(cè)，只能用概率統(tǒng)計(jì)方法來認(rèn)識(shí)的隨機(jī)誤差”。因此將圖像噪聲看成是多維隨機(jī)過程是合適的，因而描述噪聲的方法完全可以借用隨機(jī)過程的描述，即用其概率分布函數(shù)和概率密度分布函數(shù)[1]。但在很多情況下，這樣的描述方法是很復(fù)雜的，甚至是不可能的。而實(shí)際應(yīng)用往往也不必要。通常是用其數(shù)字特征，即均值方差，相關(guān)函數(shù)等。因?yàn)檫@些數(shù)字特征都可以從某些方面反映出噪聲的特征。

圖像噪聲從統(tǒng)計(jì)理論觀點(diǎn)可以分為平穩(wěn)和非平穩(wěn)噪聲兩種。在實(shí)際應(yīng)用中，不去追究嚴(yán)格的數(shù)學(xué)定義，這兩種噪聲可以理解為：其統(tǒng)計(jì)特性不隨時(shí)間變化的噪聲稱其為平穩(wěn)噪聲。其統(tǒng)計(jì)特性隨時(shí)間變化而變化的稱其為非平穩(wěn)噪聲。

3、基于小波變換的圖像融合原理

1989 年Mallat 在構(gòu)造正交小波基時(shí)提出了多分辨率分析（Multi-Resolution Analysis）的概念，從空間的概念上形象地說明了小波的多分辨率特性。

基于小波多尺度分解圖像融合的方案如圖1所示。設(shè)A，B為兩幅原始影像，F(xiàn)為融合后的圖像。其融合處理的基本步驟如下：

1）對(duì)每一源圖像分別進(jìn)行小波變換，建立圖像的小波塔形分解；

2）對(duì)各分解層分別進(jìn)行融合處理；各分解層上的不同頻率分量可采用不同融合算子進(jìn)行融合處理，最終得到融合后的小波金字塔；

3）對(duì)融合后所得小波金字塔進(jìn)行小波逆變換（即進(jìn)行小波重構(gòu)），以獲取更高質(zhì)量的融合影像[5，6，7]。

圖1 基于小波分解的圖像融合過程

4、實(shí)驗(yàn)仿真

本文通過對(duì)圖像加入高斯噪聲，分別采用中值濾波，維納濾波以及小波濾波分別對(duì)加噪圖像進(jìn)行去噪處理。

通過上述所有處理結(jié)果，對(duì)比可知由于高斯噪聲的引入，圖像丟失小部分信息，通過三種去噪方法，各得出不同的去噪結(jié)果，中值去噪相較于維納去噪，其圖像信息相對(duì)來說較為完整，即其在處理低頻信息方面較好。但是相較于這兩種方法，小波去噪都優(yōu)于于兩者，其在去噪過程中，使圖像的信息得到了盡可能大的保留。

5、結(jié)語

本文根據(jù)現(xiàn)有基于小波的圖像融合算法，提出一種基于圖像融合算法的圖像去噪方法。對(duì)本文方法與已有去噪方法進(jìn)行實(shí)驗(yàn)和分析，結(jié)果表明本文所提出的用圖像融合方法在實(shí)驗(yàn)結(jié)果上都取得了初步的良好去噪效果。通過圖像融合的方法可以打破單一圖像去噪方法所帶來的局限性，為進(jìn)一步圖像去噪提供新的方法和發(fā)展空間。

【參考文獻(xiàn)】

[1]H.K.Kwan.Fuzzy filters for noise image filtering[J].IEEE，2003：161-164.

[2]楊晉生，蔡靖等.一種具有魯棒性的基于小波變換的濾波方法[J].電子與信息學(xué)報(bào)，2002，24（30：413-417.

[3]Burt，P.J.，and Kolczynski，R.J. Enhanced image capture through fusion[A]. Proc. the 4th Intl. Conf. on Computer Vision， （Berlin， Germany），pp. 173-182， May 1993.

[4]晁銳，張科，李言俊.一種基于小波變換的圖像融合算法[J].電子學(xué)報(bào)，2004，32（5）.