关键字 |
| 小波变换去噪法、阈值、双树,噪声建模和过滤器。 |
介绍 |
| 形象:数字图像都扮演着重要的角色在日常生活中应用,如卫星电视、计算机断层扫描,以及在研究和技术领域,如地理信息系统和天文学。在现实中,一个图像与一定的混合噪声,降低图像的视觉质量。因此,去除图像的噪声是一个非常普遍的问题。图像与噪声在收购或损坏在存储介质由于信道传输错误或由于错误的硬件。数字图像通常是程序作为一个矩阵包含灰度值或颜色值的集合。在视频中,这个矩阵有三个维度,第三个与时间有关。 |
| 噪声建模:噪声可以分为替代噪声(脉冲噪声:例如,盐和胡椒噪声、随机值脉冲噪声,等等),加性噪声(如加性高斯白噪声)和乘法噪声(如散斑噪声)。.Images通常破坏与噪声模拟均匀,高斯或盐和胡椒分布。 |
| 图像去噪:——用于消除噪音。它可以分为两种类型,空间去噪和变换域去噪。空间去噪方法,如均值滤波和高斯滤波。降噪减少图像文件的大小,这相比减少了所需的时间连续处理和存储。 |
| 阈值:-这是一个简单和线性技术,运营等一次一个小波系数的硬阈值、软阈值、半软阈值。软阈值技术用于小波优化和遗传算法。 |
 |
| 过滤器:-在图像恢复过程中扮演着重要角色。目的在设计一个过滤器来减少噪音的消除尽可能多的噪声的同时保持图像的所有品质。均值滤波器是一个执行平滑图像的应用在一个损坏的图像。它减少了相邻像素间强度变化。 |
| 一个自适应滤波器迭代调整不同的参数在扫描图像匹配图像的生成方法,更重要的是实时图像,这往往是不稳定的。中值滤波在保留优越得多比均值滤波器锐利的边缘。这些优势帮助过滤器中值去噪均匀噪声以及从一个图像。 |
| 离散小波变换:它是一个波振荡的振幅振动之间的零和最大峰值。有四个缺点,振荡,混叠,变化方差和缺乏方向性离散小波变换是患有会带包含近似系数,LH乐队包含水平细节,HL乐队包含垂直细节和HH乐队将包含对角细节 |
相关工作 |
| 在这些方法的实现,首先是嘈杂的图像是由双树小波变换分解。之后,利用阈值收缩分解图像和应用广告逆双树小波变换自适应维纳滤波器分解图像。最后de-noised图像通过使用双树小波逆变换。该方法在图像首先进行了自适应维纳滤波的基础上,在小波域的基础上,然后一个空间域自适应维纳滤波器。在这种方法中,de-noise形象,以下步骤如下: |
| •首先选择一个图像,检查,它是图像灰度图像或颜色?如果彩色图像,那么首先这个图像转换成灰度图像。然后使用它作为输入图像。 |
| •下一步将双树小波变换(DTWT)应用于嘈杂的图像分解为六子带。为每个乐队后采用维纳滤波器。 |
| •然后由双树小波逆变换重建图像(IDTWT)变换,并获得de-noised图像。 |
| •维纳滤波器还采用de-noised图像空间域自适应维纳滤波和我们也被小波de-noised形象。 |
| •处理的结果再次修改后的去噪方法应用维纳滤波器。 |
| •最后,计算原始图像之间PSNR和嘈杂的图像PSNR de-noised图像和原始图像之间,以确保之间的匹配小波域自适应维纳滤波和空间域自适应维纳滤波。 |
| 使用这种方法的主要好处是,它可以减少涟漪像文物图像边缘。因此,de-noised图像具有更好的视觉效果。 |
实验结果 |
| 模拟使用MATLAB 2010 a |
| 步骤:1,首先选择一个图像,检查,它是灰色图像图像或颜色?如果颜色图像,那么首先这个图像转换成灰色图像。然后使用它作为输入图像。然后加入高斯噪声,使其图像噪点。 |
 |
| 一步:2 -下一步将双树小波变换(DTWT)适用于嘈杂的图像分解为六子带。为每个乐队后采用维纳滤波器。 |
 |
| 一步:3 -然后由双树小波逆变换重建图像(IDTWT)变换,并得到de-noised形象。维纳滤波器还采用de-noised图像空间域自适应维纳滤波和我们得到的小波去噪图像。处理的结果再次修改后的去噪方法应用维纳滤波器。 |
 |
| 一步:4 -最后,计算原始图像之间PSNR和嘈杂的图像和PSNR de-noised图像和原始图像之间的匹配,确保小波域自适应维纳滤波和空间域自适应维纳滤波。 |
 |
| 上面的两个例子的过程结果如下表中的文档。 |
 |
结论 |
| 图像去噪使用本地自适应小波去噪方法和局部自适应面向真实的双树小波方法表现出了显著改善盐和高斯噪声。分析结果,在PSNR提高,而MSE该方法减少的情况。 |
引用 |
- a . Achim a . Bezerianos和p . Tsakalides ?小说贝叶斯多尺度方法去除散斑在医学超声图像,?IEEE反式。医学成像,20卷,不。8日,页。772 ?783年,2001年。
- IsrarHussain Hujun阴,?一个新颖的自适应图像小波阈值方法去噪?IEEE ISCCSP马耳他,pp.1252 - 1256, 2008。
- s . KotherMohideen s ArumugaPerumal博士,博士m . Mohamed Sathik ?使用离散小波变换图像去噪?国际计算机科学杂志和网络安全,IJCSNS, Vol.8第一,pp.213 - 216, 2008年1月。
- 李克,围棋元肖和阳,一种改进的维纳滤波方法在小波域?,IEEE反式。,ICALIP, pp.1527-1531, August 2008.
- Wenbing粉丝,ZhengGe和姚明王,?自适应维纳滤波器基于快速提升小波变换的图像增强”,IEEE学报》第七届世界大会在智能控制和自动化,pp.3633 - 3636, 2008。
- 李虹桥和王Shengqian ?一个新的使用小波变换的图像去噪方法?IEEE计算机协会IFITA, 111 - 114年,2009页。
- 赵霜- ping ?图像去噪方法相结合?,IEEE反式。IASP, pp.978 - 1 - 4244 - 5555, 2010。
- Xiwen秦,杨悦,于宁波盾,新民王ZhanSheng道,?一种改进的基于小波变换的图像去噪的方法吗?、国际会议上计算机、机电一体化、控制和电子工程(CMCE), IEEE, 167 - 170年,2010页。
- 李时新,张星辉和王建民?一个新的局部自适应小波图像去噪方法?IEEE计算机协会,ISCCS pp.154 - 156, 2011。
- 哈里Om、MantoshBiswas ?一种自适应图像去噪方法基于局部参数优化?,成就法,印度科学院39卷,第4部分,页。879 ?900年,2014年8月。
|
菜单
