小波图像去噪算法的研究--北京邮电大学

幽像是人1fj捩取信息的重要来源。但是，在图像的获取、传输和存储过程q、，经常会引入噪声。因此，如何改进这些图像的质量，就成为数字图像处理中的～个重要任务。本论文对基于小波变换的图像去噪方法进行了研究，主要包括以内容： 1．门限法小波图像去噪研究 小波门限法是一种经典的小波去噪方法。由于小波变换具有很强的去相关 性，少数大幅值系数包含了大部分图像信息，因此门限法虽然简单但是具有很好的去噪性能。本文对门限法去噪中涉及到的门限值、门限函数以及小波的选取进行了广泛的研究，对众多的小波门限去噪方法进行了归纳和全面仿真，给出了具有代表性的门限法的性能评估．对实际应用具有一定的指导意义。 2．小波域Wiener滤波图像去噪方法把原始图像的小波系数的分布简化为高斯分布，提出了小波域Wiener滤波图像去噪方法。当子带小波系数稀疏采用硬门限法；否则根据邻域窗内的小波系数估计当前小波系数的方差，然后采用Wiener滤波方法去噪。该方法的运算复杂度与门限法接近，但是比最好的门限法一SURE软门限法和贝叶斯软门限法一有更好的视觉质量和更高的峰值信噪tE。 3．基于统计模型的小波图像去噪研究 小波变换能够去除自然图像的大部分相关性，但是图像的小波系数之问仍然 残留有相关性。如果能够对小波系数的概率分布和小波系数之间的相关性精确建模，并利用模型进行去嗓，则可以显著提高小波图像去噪方法的性能。单个小波系数经常被建模为广义高斯分布或高斯混合模型。小波域隐含马尔可夫树模型(HMT)把单个小波系数建模为两状态高斯混合模型，把小波系数的隐含状态变量之}日J的关系建模为马尔可夫树模型，主要开发了小波系数尺度问相关性。LCHMM模型在小波域HMT模型的基础上，给每个小波系数增加了一个“context”变量，以开发小波系数的尺度内相关性。这两种方法都取得了很好的去噪效梁，但是这两种方法都需要采用迭代的方法估计模型参数，运算鼍很大。本文把图像的小波系数建模为广义高斯分布模型，图像信号的小波系数方差在邻域窗内高度相关。当小波系数为广义高斯分布时，由贝叶斯最小均方误差估计。为子带内小波系数的方筹。如果对每个小波系数估计(3-。则得剑了’-5图像局部特征相适应的门限值。在邻域窗内，图像信号的小波系数的-厅筹高度相关，采用最大似然估计(ML)方法来估计每个小波系数对应的图像信号灼方差，方差估计利用了小波系数尺度内相关性。该方法结合了先进的图像去噪方法的要素一单个小波系数分布模型和尺度内相关模型，因此去噪性能可与更复杂的LCHMM模型去噪方法相比拟。 4．视频序列小波去噪研究 对视频序列中的每一帧图像进行小波去噪，即使单帧图像有很好的视觉质 量，但是连续播放时主观质量并不令人满意。这是因为残留的噪声和去噪时引入的伪细节每一帧之间不同，连续播放时造成了“蚊子”效应。为了提高视频序列的主观视觉质量，有必要在单帧图像小波去噪的基础上，进行帧间滤波。本文中的帧问滤波器基于一个简单的基于像素的运动检测器和选择性帧间加权平均。当相邻帧同一位置的像素没有运动时，对相邻帧该位置的像素进行加权平均；否则，不进行相邻帧帧问滤波，以阻止边缘摸糊。本文中提出的结合小波去噪和帧间滤波的视频序列去噪方法产生了比空间一时问滤波器好得多的视觉质量和峰值信噪比。 5．N．1SDN多媒体通信终端的研究 在攻读博士学位期间，参与了基于DSP的单机型“N．ISDN可视电话终端”项 目的研制开发。结合项目，实现了用户之间的呼叫控制协议H．242和多种媒体数据的复接／解复接协议H．221；完成了G729A语音编码器在DSP上的优化实现。并利用嵌入式操作系．统pSOS提供的任务管理和任务之间通信机制，设计实现了通信协议部分和语音、视频编解码任务之问的数据交互、任务同步等。 在数字图像处理领域，图像去噪是一个核心研究课题，其目的在于提高图像质量，去除在图像获取、传输和存储过程中引入的噪声，从而使得图像信息的提取更为准确和高效。小波变换作为一种强有力的数学工具，在图像去噪中发挥着关键作用。本篇论文——《小波图像去噪算法的研究——北京邮电大学》，详细探讨了小波变换在图像去噪方面的应用，内容涵盖了门限法、Wiener滤波、基于统计模型的去噪、视频序列去噪以及N-ISDN多媒体通信终端的研究等多个方面。 门限法是小波去噪中的一种经典方法，其原理是利用小波变换将图像分解为多个子带，图像中的大部分信息集中在少数几个大幅值小波系数上，而噪声则表现为许多小幅值系数。通过设置阈值（门限值）来去除或减小这些小幅值系数的幅度，可以达到去噪的效果。在该方法中，选择合适的小波基和门限函数是至关重要的。本文研究了不同小波基和门限函数的性能，对众多方法进行了归纳和仿真，提出了评估性能的指标，并分析了它们在实际应用中的效果。 小波域Wiener滤波方法是一种利用小波系数的高斯分布假设来实现去噪的技术。当子带小波系数稀疏时，采用硬门限法处理；当小波系数不稀疏时，则通过估计当前小波系数的方差来应用Wiener滤波。该方法的运算复杂度较低，同时提供了比传统门限法更好的视觉质量和信噪比。 第三，基于统计模型的小波图像去噪研究旨在通过精确建模小波系数的概率分布和它们之间的相关性来提高去噪效果。广义高斯分布和高斯混合模型常被用来描述单个小波系数的统计特性。小波域隐含马尔可夫树模型（HMT）和局部上下文隐马尔可夫模型（LCHMM）通过建模小波系数间和尺度内的相关性来达到去噪目的。尽管这些方法在去噪效果上表现出色，但它们通常需要复杂的迭代计算来估计模型参数。本文提出了一种结合单个小波系数分布模型和尺度内相关模型的方法，去噪性能与LCHMM模型相当，同时运算量较之前者要小。 第四，视频序列的小波去噪不仅需要处理单帧图像的去噪，还要考虑到帧间的连续性。单帧去噪后，视频播放时可能出现“蚊子”效应，即帧间由于噪声残留和去噪引入的伪细节差异而导致的视觉质量问题。本文提出了一种结合小波去噪和帧间滤波的视频序列去噪方法，通过基于像素的运动检测器和选择性帧间加权平均来处理帧间差异，显著提升了视频序列的主观视觉质量和信噪比。 文中还提到了N-ISDN多媒体通信终端的研究。作者参与了基于DSP的单机型“N-ISDN可视电话终端”项目的研制，涉及呼叫控制协议H.242和媒体数据复接/解复接协议H.221的实现，以及G729A语音编码器在DSP平台上的优化。这些工作不仅涉及图像去噪算法，还包括了多媒体通信终端的设计和实现。 本篇论文全面地探讨了小波变换在图像去噪中的多种应用，并且在理论和实践上都做出了有价值的贡献。研究的深入有助于推动图像去噪技术的发展，对于改善图像质量、提升数字图像处理系统的性能具有重要意义。