基于四叉树复小波自适应图像去噪.docVIP

基于四叉树复小波自适应图像去噪 　　摘要： 小波变换应用于图像去噪处理方面得到广泛的应用，但其自身也存在着一些缺点和不易控制因素，大大地限制了其图像去噪能力和应用的范围。而四叉树复小波变换很好地改善了这一缺点，具有较好的方向选择性和平移不变性， 并且容易实现完全重构。本文通过对常见的图像去噪方法，对其原理进行解析，再讲解基于四叉树复小波的自适应图像去噪的优点和发展趋势，让大家对现代复小波自适应图像去噪有一个清晰的认识。 　　Abstract： The wavelet transform has been widely used in image denoising， but there are also some shortcomings and difficult to control factors， which greatly limits its image denoising capabilities and range of applications. Quad-tree complex wavelet transform improves the shortcomings， and it has better direction selectivity and translational invariance， and it is easy to achieve perfect reconstruction. Through the analysis of the principle of common image denoising， this paper explains the advantages and development trends of adaptive image denoising based on the quad-tree complex wavelet， so that we have a clear understanding on modern complex wavelet adaptive image denoising. 　　关键词： 四叉树复小波；自适应图像；算法；去噪；方向性 　　Key words： quadtree complex wavelet；adaptive image；algorithms；denoising；directionality 　　中图分类号：TP39 文献标识码：A 文章编号：1006-4311（2012）31-0215-02 　　0 引言 　　图像受到污染的原因主要是在传输过程中难免会受到其他未知因素的干扰，结果一般都是会被噪声污染。因为在图像后期处理中必须做去噪处理，最经典的图像去噪方法是以最小二乘估计为基础的，这种算法的缺点是各方向的扩散性太强，虽然也能有效地处理噪点，但是图像保真能力很不理想。 　　在目前的图形处理中，因为噪声干扰过的图像是一个很大的调整，也是目前图形处理的重要研究课题。而小波的利用就可以很好地解决这一问题，这是因为小波自身的多分辨特性决定的，目前这些技术已经广泛应用于图形去噪处理中，但是缺点也颇多。在小波去噪的发展进程中，基于四叉树复小波的自适应图像去噪是目前图像处理领域的必威体育精装版技术，也是应用最频繁的技术。小波通过对图形图像的分解，在小波系数上显示主要应对的图像信号高频技术的方法就是四叉树复小波的自适应图像。 　　通过对受噪声污染的图形的噪点聚类分析图像中的噪点分布，这也对图形的去噪处理影响很大。相对于四叉树复小波相似的小波压缩零树算法在算法上也有很大的提高空间，这也需要先提高四叉树复小波的算法来进一步抑制噪声在图形中的干扰作用。避免在实际操作中因为噪声干扰造成的图像灰度级丢失、清晰度非常不理想的情况。噪声点的聚类分析处理对图形的压缩量很大，例如对于小波压缩零树算法指出，零树算法还有待进一步地发展，算法性能的提高还可望通过抑制噪声来达到在实际应用中。 　　1 目前图像去噪的发展现状和趋势 　　图像去噪主要是指通过滤波模型和传统滤波对已知受噪声污染的图像去除受噪部分，整个去噪处理的过程也仅仅是整个图像分析的初级预处理阶段。在隶属于数字图像中的图像恢复的领域，对图像处理具有非凡的意义。 　　这个图像处理领域的开端可以追溯到上世纪的六十年代，当时的图像处理也是仅仅出于提高图像质量的阶段，如今的图像去噪是深层次深化的产物。当时的图像增强不考虑图像降质这一因素，而今的图像去噪要求轮廓清晰、细节明显，这也是提高图像处理质量的表现。而噪声处理关系到图像的整体质量、边缘检测和特质提取等多部过程的后期处理效果。图像去噪技术的发展是就是要抓住噪声频谱的分部规律和特征的掌控，在去噪技术的发展进程中，开发了各种各有的去噪方法。比如利用均值滤