基于小波自適應閾值圖像去噪方法的研究

熊成基

摘 要： 在現(xiàn)階段的大地測量數(shù)據(jù)處理中，利用小波變換對圖像去噪是一種在精準度和效率方面都比較可靠的去噪方法。在傳統(tǒng)的圖像去噪中，小波去噪算法無法高效率地保證圖像的平滑程度，導致經歷去噪處理的圖像清晰度受到影響，嚴重時可能會出現(xiàn)偽吉布斯現(xiàn)象。所以，隨著時代的發(fā)展和技術的進步，在小波變換的基礎上進行多尺度自適應閾值的圖像去噪方法正式面世。客觀來說，這一去噪方法可以比較精準的實現(xiàn)小波去噪，且符合圖像小波分解的特性。為此，筆者將對小波自適應閾值圖像制造方法進行研究與闡述。

關鍵詞： 小波去噪;自適應閾值;圖像去噪;方法研究

我們在大地測量圖像的生成與傳送時經常會遭受一些不必要的噪聲干擾，很容易使得圖像的處理出現(xiàn)質量問題。面對這種情況，相關技術人員要開展與之對應的圖像去噪操作，也即去除或抑制圖像中的噪聲。在對小波自適應閾值圖像分析的過程中，不難發(fā)現(xiàn)，小波在時間上和頻段上的區(qū)域化特征和高分辨率分析的特點都比較優(yōu)良，所以，小波去噪確實應當是圖像塑造的首要之選。隨著技術的不斷革新，相關領域對小波去噪區(qū)分信號、消除噪聲能力的要求逐漸提升，基于小波自適應的閾值圖像去噪法的相關研究也由此被提上了日程。

1 小波去噪的主要形式

現(xiàn)階段小波去噪在實際應用中主要有三種形式，其分別是利用小波的特殊檢測特性分離信號與噪聲的應用形式、利用小波系數(shù)范圍收縮法進行圖像降噪的應用形式以及利用小波域貝葉斯準則系數(shù)收縮法進行降噪的應用形式。在實際應用過程中，利用小波系數(shù)閾值收縮法進行圖像降噪的應用形式，以其精準性和操作便捷性被大范圍推廣。具體來說，這一操作方法主要結合了閾值降噪模板，進而將降噪操作轉化為對數(shù)據(jù)的簡單變換。但是，基于這一理念的小波去噪會受到不確定性閾值的影響，導致尺度空間的自適應性無法滿足，小波系數(shù)被扼殺，進而導致圖像細節(jié)仍舊存在遺失的可能性，無法幫助技術人員達到精準降噪的效果。所以，為了提高對降噪結果的滿意程度，多種不同尺度的小波系數(shù)和閾值在降噪中得到廣泛應用，但依舊無法從根源上消除偽吉布斯現(xiàn)象發(fā)生的可能性。所以，小波去噪還存在較大的研究空間。

2 小波去噪的基本原理

當含噪圖像被小波分解以后，其重要碎片主要聚集在頻率較低的數(shù)值中，相對的，噪聲和細節(jié)部分則主要聚集在頻率較高系數(shù)中，這是經小波分解后的含噪圖主要特征。所以，倘若能將頻率較高的數(shù)值進行消除和收縮，那么就能在一定程度上實現(xiàn)高頻率系數(shù)和低頻率系數(shù)相結合的圖像重構，實現(xiàn)基于小波閾值的去噪操作。具體來說，根據(jù)小坡去噪的基本原理，其具體環(huán)節(jié)主要可分為小波分解含噪圖像、設定各層細節(jié)閾值、圖像重構。所以，在去噪流程中要格外注重小波和分層級數(shù)的選取，以保障含噪圖像各級小波系數(shù)的計算準確。

3 閾值的選擇

在整個方法的使用中，閾值的選取是后續(xù)一切操作的前提基礎，在整去噪過程中占據(jù)著決定性地位。閾值過小，除噪的程度就不足，難以達到除噪的本質目的;閾值過大，生成的圖像的清晰度受到破壞，呈現(xiàn)偽吉布斯現(xiàn)象。所以，在對閾值進行選擇的過程中，要首先固定閾值，給定小波的數(shù)值、噪聲的標準差以及估算的閾值。而且，噪聲方差在現(xiàn)實中普遍是無法預先知道的，這就意味著要在含噪信號中估算出噪聲的標準差而后進行計算。或者說，還可以采用無偏似然法對給出的閾值進行似然估計，并把非似然的閾值最小化，進而確定閾值的選擇。除此以外，還可以將上述兩種閾值估算法相結合，運用啟發(fā)式閾值，使其優(yōu)勢互補，實現(xiàn)最佳變量閾值的選擇。最后，若想最大限度弱化估計的風險，可酌情選取極大極小閾值進行計算。

4 閾值函數(shù)的選擇

在圖像去噪的過程中，要著重注意閾值函數(shù)的選擇，否則在處理超出或小于閾值的小波系數(shù)模時都有可能出現(xiàn)差錯。因此，要根據(jù)原始小波系數(shù)、閾值化處理后的小波系數(shù)閾值來設定閾值函數(shù)，確定對小波系數(shù)模的幾種處理方法和估計方法的選取精度。在實際操作過程中，硬閾值函數(shù)、軟閾值函數(shù)以及一種改進的軟閾值函數(shù)的選取比較常規(guī)，需要相關人員結合去噪要求進行具體分析。

5 去噪算法

對圖像去噪加以計算時，應當嚴格遵循以下步驟：（1）利用恰當?shù)男〔ǚ纸夂雸D像;（2）估算出分解后的高頻碎片的方差;（3）計算每一含噪圖像分解層次的尺度參數(shù)確保，確保閾值選擇的自適應性符合計算標準;（4）計算每一層高頻系數(shù)的標準方差;（5）計算閾值;（6）根據(jù)所求閾值處理每一層的高頻系數(shù);（7）重構圖像。

6 去噪效果評價標準

6.1 主觀評價

直接用肉眼審視去噪圖像，對去噪平滑成效和區(qū)域可分辨度加以評估，和原圖像進行全面比較。

6.2 客觀評價

使用峰值信噪比評價經去噪處理操作后的去噪效果，并根據(jù)初始圖像數(shù)值、初始圖像的最大像素值、均方誤差等評價降噪成效和質量。一般情況下，去噪之后計算出的均方誤差越小、峰值信噪比越大，降噪效果和質量越好。

7 結束語

綜上所述，基于小波自適應閾值圖像去噪方法能更加高效地去除高斯白噪聲，恢復圖像細節(jié)，但當面對脈沖噪聲等其他類型的強噪聲時，去噪方式還有待完善。

參考文獻

[1]裴志鵬.基于小波變換的自適應圖像去噪方法的研究[D].安徽理工大學，2018.

[2]李琳琳，劉菁華，王紀奎.基于小波自適應閾值的圖像去噪研究[J].電子技術，2017，46（09）：14-16.

[3]張旗.基于小波變換的改進圖像去噪方法研究[D].湖南師范大學，2015.

[4]于篤發(fā)，邵建華，張晶如.基于小波自適應閾值圖像去噪方法的研究[J].計算機技術與發(fā)展，2013，23（08）：250-253.