自适应小波阈值函数的指纹图像去噪.pdfVIP

第2期 李 雷，等：自适应小波阈值函数的指纹图像去噪 155 集过程中由于仪器或者传输通道而产生的高斯白噪 声，改进了VisuShrink方法，提出了一种基于噪声 强度和小波分解层数的自适应指纹去噪方法． 孵 燃 -∈’ 1 VisuShrink方法基本原理 匝 原始图像和噪声在小波变换后有不同的统计特 性，图像本身的能量对应着较大的小波系数，主要集 中在低频部分，而噪声的能量对应着较小的小波系 图1 3种阈值函数的对 比(=30。=0．2) 数，分布于整个小波域中．根据这一特性，可以找到 Fig．1 Comparisonofthreekindsofthresholdfunctions 一 个合适的实数作为阈值，当小波系数的幅值大于 (6=30，口=0．2) 该阈值时，予以保留；当小波系数的幅值小于该阈值 时，将小波系数置零． 当lW衍l 时，改进的阈值函数保留了一部 小波阈值图像去噪的主要步骤：a．选择合适的 分原图像信息，避免了过度 “扼杀”小波系数；在阈值 小波基函数和分解层数对噪声图像进行小波分解； 点处，lira W = lim W 即此函数是连续的， 一 一 ” — d b．在小波域对分解后 的各层系数进行阈值处理； 从而 消 除 了硬 阈值 函数产生 的震 荡现 象；当 C．根据小波分解的低频系数和处理后的高频系数进 lW甜} 时，小波系数收缩小于软阈值函数，降低 行重构，得到去噪图像． 了软阈值函数对图像造成的边缘模糊程度． 2 改进的阈值 函数 2．2 风险性分析 Donoho等_7]利用极小化极大估计建立了软、 2．1 改进的阈值函数 硬阈值理论基础，并对这些阈值估计方法进行了详 小波阈值去噪方法的关键是小波阈值的量化和 细讨论．假设噪声图像 Y=(Y)∈[1,nJ为原图像 X 阈值函数的选取．传统的阈值函数有软阈值和硬阈 =( )∈r1 的观测值，即 y=X+ ．其中， 为 值，其函数表达式分别为 噪声的方差，b=(b)∈l1，]为独立同分布的高斯 ， fsgn(Wjk)(fWjk_『 )， lWjkf≥ … 白噪声．该观察模型经小波变换后在小波域中可表 批 10， lWjkl 示为，Wt=f+ ，i∈[1，]．Wi，ft分别为含噪 图像与原图像的小波系数，白噪声 b变换后在小波 ， 1f脚