圖像去噪方法剖析

馬龍敏 王凱 劉妍

摘要：隨著無智能化技術的發展，圖像作為重要的信息廣泛使用，在軍事、工業、交通、農業和生活等領域均有應用，但在某特殊環境及條件下，圖像質量會受到影響，無法滿足后續應用的需求，所以圖像去噪是圖像應用的前端技術，與圖像獲取途徑、用途直接相關，本文主要多圖像的去噪方法進行歸納總結，并指出適應場合及優缺點。

一、空域去噪方法

傳統的空域去噪算法有中值濾波及其改進方法、均值濾波及其改進方法及基于直方圖等圖像統計信息的去噪方法等。

中值濾波會使不同灰度的點看起來更接近其鄰近點，可以很好地濾除尖峰值的脈沖和椒鹽噪聲，且能很好地保持圖像原有邊緣清晰度，然而這種做法也會改變未受噪聲影響的像素灰度值，導致圖像模糊，所以對含高斯和泊松噪聲較多和含細節信息較豐富的圖像來說效果一般，且不適合具有點、線、尖峰細節較多的圖像的濾波處理，對隨機噪聲的抑制效果也不夠理想。

均值濾波及其改進算法對高斯噪聲具有較好的去噪能力，能夠在去除噪聲和保持邊緣細節之間取得較好平衡。但是這類方法采用濾波窗內像素值的平均值取代中心像素的灰度值的方法進行濾波處理，沒有考慮不同像素對濾波結果所做的貢獻的差異，造成非噪聲點的誤處理，去噪的同時引起湍流退化圖像邊緣的“二次模糊”以及細節的退化，而且當噪聲濃度較大時，濾波效果不夠理想。

基于圖像統計特征的濾波方法，如基于圖像統計直方圖的濾波方法和基于圖像局部方差的閾值去噪方法等，根據圖像的局部或全局統計特征，設置閾值將圖像分成不同的區域，有針對性的進行平滑處理。楊群生提出的直方圖加權均值濾波，以加權均值濾波器為基礎，利用被污染圖像的直方圖函數作為權值進行加權運算。該方法的去噪效果因退化圖像的不同而有較大差異。喬鬧生提出的基于均值去噪與圖像增強的方差濾波法，結合平滑低通濾波器和中值濾波器去除圖像噪聲，從實際的去噪效果來看，噪聲去除、對比度增強和邊緣保持效果都優于一般方法。

總結以上方法發現，單一的空域去噪算法及其改進算法雖然對單一噪聲成分具有一定的去噪效果，但對混合噪聲中的其他噪聲成分不具有濾除作用，甚至還可能造成圖像的“二次模糊”。

二、變換域去噪方法

變換域去噪算法有傅里葉變換去噪、小波變換去噪以及多尺度分析方法去噪等。傅里葉變換是頻域分析的主要工具。但是，傅里葉變換假設輸入信號是靜態的，不能提供隨時間變化的頻譜信息，因此對于退化圖像的去噪處理來說效果并不好。

小波具有良好的時頻局域化、多分辨率、低熵性、選基靈活性等特點，為描述信號的奇異性提供了手段。小波閾值去噪算法中閾值和閾值函數選擇的合適與否很多程度上決定濾波的性能，因此國內外研究人員將小波閾值去噪的研究重點放在閾值函數和閾值的設計上，提出了包括硬閾值及其改進閾值、軟閾值及其改進閾值、折中閾值及其改進閾值等多種閾值，并結合小波閾值去噪與其他去噪方法提出了很多綜合的去噪方法，取得了較好的去噪效果。

繼小波之后，出于構建更緊致小波的考慮，多尺度分析的方法應運而生，并已在圖像處理領域獲得了廣泛的應用，成為小波之后圖像處理的主要研究領域之一。基于 Contourlet 變換的 SAR 退化圖像去噪算法，充分利用各向異性理論和非下采樣輪廓波變換理論的優點，在不需要選擇合適閾值的情況下，有效區分邊緣和噪聲，處理后圖像質量改善明顯。基于 Curvelet 變換的圖像去噪算法利用 Curvelet 變換對圖像邊緣的良好表征能力，結合循環平移技術構建了去噪算法框架，該算法對于隨機噪聲具有良好的去噪效果，對邊緣具有較好的保護作用。多尺度分析去噪算法雖然有諸多優點，也存在分解層數不能自適應以及算法的實時性欠佳等問題。

三、正則化方法

正則化方法是為了解決不適定問題而被引入的。實際上，圖像去噪也是一種不適定問題，因此很多學者使用正則化的方法進行退化圖像的去噪處理。根據輸入的信號序列使用基于正則化線性模型調節混合濾波算法的因子，解決了中值濾波在有效抑制脈沖噪聲的同時模糊圖像細節的缺陷。帶尺度參數的正則化模型實現了正則參數的自適應優化，對模糊圖像具有良好的去噪效果。利用Shearlet函數能對圖像進行更稀疏表示且產生最優逼近的特性，提出了一種采用Shearlet變換域約束條件的全變差正則化算法，可以去除閾值處理后的偽吉布斯效應，在抑噪和保邊緣的同時，取得了較好的視覺效果。基于馬爾可夫隨機場模型的自適應正則化紅外背景雜波抑制算法是比較好的將正則化用于濾波處理的方法，該算法采用馬爾可夫隨機場建立了圖像的先驗概率模型，采用MRF對雜波抑制過程進行正則化處理，從而實現了對背景雜波的自適應抑制。

綜上所述，正則化方法具有優于傳統去噪算法的明顯優勢。但是正則化算法需要長時間迭代處理，不能保證其實時性。