一种高斯噪声组合滤波方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
常见的噪声． 高斯噪声相对于其他噪声而言具有密
维纳滤波器假定信号是有用信号和受到噪声 污染的信号之和 ， 其信号模型为 ：
Ｆ ＝ｓ＋ｉ ｔ ／ ， （） １ 其 中 Ｆ是输入信号 ，为图像有用信号 ， 是噪声信 ｓ 凡
度大、 噪声强度波动范围宽等特殊性 ， 这使得它成 为一种较难滤除的一种噪声 …．本文在充分研究
定 ｃ， 分别为 １ 和 ５ ， ｃ ５ ０ 方程 系数 口 ｂｃ ， ，分别为０ ．
４ １ ０ ６． ８， ５， ．
２ 实验 与 分 析
２ Ｉ 实 验过 程 ．
为 了验证 本 文去 噪方法 的有效 性 ， Ｍ Ｔ 在 Ａ－
ＬＢ． Ａ ７ ０环 境 下 ， 用 一 幅 大 小 为 ４ ３×３２ 的 选 ８ ４
摘
要 ： 为 了有效滤除高斯噪声， 出了一种组合滤波方法． 提 该方法首先通过定义新的维纳滤
波模板进行预处理 ， 以滤除一部分噪声； 然后将图像进行二 维小波分解， 留低频成分， 保 对高频成 分根据其噪声分布特征设计 出新的形态学滤波模板分别进行滤波 ， 并进行 小波系数重构 ； 最后通
（） ４ 将经过上述处理后的高频和低频子 图像
进行小波系数重构 ， 得到重构后图像．
（） ５ 为了进一步提高去 噪后图像 的质量 ， 本文 提 出一种新的小波增强函数 ， 通过对图像进行分段 增强来提高图像的清晰度 Biblioteka Baidu 最大限度保留图像 的细
均值滤波
本文算 法
节信息得到最终的滤波后图像．
过设计一种新的小波增强函数 ， 以提 高图像的清晰度， 最大限度保 留图像细节信 息．实验证明该 方 法滤波 效果优 于维纳 滤波和 形 态 学滤波 ， 一种较 为 实用的 高斯噪 声 滤除 方法． 是
关键 词 ： 高斯 噪声 ； 纳滤 波 ； 态学滤波 ； 维 形 小波增 强
中图分类号 ： Ｔ ３ １ Ｐ ９ 文献 标识码 ： Ａ
第２ ９卷 第 ５期
２１ 年 ０ 月 ０１ ９
佳 木 斯 大 学 学 报 （自 然 科 学 版 ） Ｊｕｎｌ ｆｉ ｓ Ｕ ｉ ｒｉ Ｎ ｔｒｌ ｃｅｃ ｄｔｎ ｏｒａ ｏ ａ ｉ ｎｖ ｓｙ（ ａ ａ Ｓｉ ｅＥ ｉｏ ） Ｊ ｍｕ ｅ ｔ ｕ ｎ ｉ
Ｖ ｌ２ Ｎ ． ｏ＿９ ｏ５ Ｓ ｐ ｅ ． ２ １ ０ １
Ｏ 引 言
数字图像由于在获取 、 传输 、 存储 和记 录等过 程中， 不可避免地受到各种噪声的干扰 ， 这使得图 像的清晰度降低 ， 细节信息丢失 ， 给图像后续处理
滤波方法的前提是线性滤波器的输人信号分为有 用信号和受到噪声污染的信号 ， 而且二者的二阶统 计特性已知 ， 在基础上通过误差准则来求得滤波器 的参 数 ．
处理 ． （ ） 波域形 态 学滤 波 ３小
收稿 日期 ：０ １－ ８—０ ２１ ０ ２ 作者简 介： 王小兵（ ９ ８ ， ， １８ 一） 男 江苏南通人 ， 硕士研究生． 主要研究方 向： 数字 图像处理
第 ５期
王 小兵 ， ： 等 一种 高斯噪 声组合 滤 波方 法
ｌ １ １ １ １
ｃ ） （ ｔ ， （） ｃＩ ｃ ｃ ｃ （）＜ｃ ｔ ｃｉ （）≤ ｃ ２
２ ２ 实验分 析 ．
（（ ）＝｛ ：ｏ（（ ） ｃ≤ｃｉ ： （） ｃｉ ） ｂｃ ｇｃｉ （ ｌ ｌ ） ）＜ｃ ３
其中 Ｃ ｉ 为小波系数幅值 口 ｂｃ （） ，， 为系数 ， ０ ｃ 且 ，∈ （ ，） ｂ ０ １ ， 为任意正整数． 经过反 复试验与 比较 ， 确
６７ ９
所示 ， ４ ａ 为 原 始 图像 ， ４（ ） 图 （） 图 ｂ 为加 入 噪声 图 像 （ ＝０ ０ ） 图 ４（ ） 维 纳 滤 波 后 图像 ， ４ ．１ ， ｃ为 图 （） ｄ 为形态 学 滤波 后 图像 ， ４ ｅ 为 本 文方 法 去 图 （） 噪后 图像 ． 了对 去 噪结 果 进 行 有效 分 析 ， 为 本文 引
陈大力 ， 薛定宇 ， 高道祥 ． 图像混合 噪声的模糊加权均值滤波 算法仿真［］ 系统仿真学报 ， ０ ， （）５７－ ３． Ｊ． ２ ７１ ３ ： ０ ９ ２ ５０
张立保 ， 熬鹏亮． 基于小 波变换 的图像混合噪声 自 适应 滤除 算法 ［］ 强激光 与粒子束 ， １ ， （ １ ：５０— ５４ Ｊ． ２ ０ ２ １ ） ２４ ２４ ． ０ ２ 王益艳． 一种去除图像混合 噪声 的滤波算法［ ］ 计算机应 用 Ｊ．
钍盎
图 ４ 图像去噪结果
（） ａ
、 ｂ （ ）
（） ｃ
（） ｄ
表 １ 几 种去 噪 方法 Ｐ Ｎ Ｓ Ｒ值 （ ｂ ｄ）
噪声方差（ ） 口 高斯噪声
维纳滤波 形态学滤波
图 ３ 形态学新 滤波模板
＝０ ０ ＝０ ０ ＝００ ＝０ ０ ＝０ ０ ．１ ．３ ．５ ．７ ．９
（） ｂ
图 ２ 维纳滤波模板
人峰值信噪 比（ Ｓ Ｒ 作为评价去噪后 图像质量 ＰＮ ） 的指标 ，Ｓ Ｒ越 大则说 明图像 去噪后质量越好 ， ＰＮ 计算结果如表 １ 所示．
数学形态学是 以形态为基础对 图像 进行分析 的数学工具 ， 其基本思想是使用具有一定形态的结 构元素去度量和提取图像 中对应 的形状从而达到 图像分析和识别的 目的¨ 具体算法有膨胀、 引， 腐蚀 以及在此基础上的开 、 闭运算． 图像经过二维小波
①
号， 假定二者是相互独立的． 滤波后图像信号 Ｆ可 以表示 为 ： Ｆ ＝ ＋ Ｆ一 ） （ （） ２ 其中 ， 为含噪图像像素均值． 本文通过实验与比较 ， 设计出一新的滤波模板 （ 如图 ２ ， 含 噪 图像一 次 经过 该 模板 进 行 滤波 ， ）将 以滤除一部分噪声． （） ２ 图像小波分解 ， 将经过维纳滤波预处理后 的图像进行二维小波分解 ， 得到图像的高频子图像 （ Ｄ Ｈ ，Ｖ） Ｈ ， Ｌ Ｈ 和低频子 图像 （ Ｈ ， Ｈ ） 由于低频子图 像受到噪声影响不大， 故本文仅对高频子图像进行
于软件 ，０ ０，７ １ ）：８—１２ ２ １ ２ （０ ９ ０．
乔 闹生． 一种 混合 噪声 图像 去噪 方法 ［］计算 机工程与应 Ｊ．
用 ，０９，５ ９） １４—１５ ２０ ４ （ ：４ ４．
尹方平 ， 苏静． 一种改进 的核维纳滤 波器图像去噪算法研 究
［ ］ 激光与红外 ， １ ， （ ）５ ９ ５ ３ Ｊ． ２ ０４ ５ ： — ５． ０ ０ ４
一
变换之后 ， 高频部分含有绝大多数噪声 ， 并且各 ， 高
频子图像中噪声分布大体上是水平、 垂直以及与水 平方 向呈 ４ 。 ５ 夹角的分布 ， 于此 ， 基 本文针对各子
图像噪声 的分 布特性 分别 设计 出新 的滤波模 板 （ ３， 图 ） 以滤除 噪声 ．
１ １ １ １ ｌ １ １ Ｏ Ｏ Ｏ １ ０ ０ Ｏ １ Ｏ ０ ｌ Ｏ １ Ｏ １ Ｏ Ｏ
噪 声 — 图 像
形 小 维 小 态 波 小 去 纳 — 波 － —■ —－ 学 － 系 ＿ 波 噪 —－ —－ —■ 滤 分 滤 数 增 图 波 解 波 重 强 像 构
（ 如下分割 ， 图像融合 ， 特征提取 ） 工作带来 了极大
“
ｃｍ ｒ ａ．ｔ ” ａ ｅ ｍ ｎ ｉ 图像 进 行 实 验． 过 调 用 “ｍ ａ ｆ 通 ｉ—
ｎｉ ” ｏ ｅ 函数对图像加入均值为 ０ 方差（ ） ０ ０ ｓ ， 为 ．１
—
００ 的高斯 白噪声进行 实验 ， ．９ 实验结果 如图 ３
对去噪后图像质量的评价 ， 通常有主观评价和 客观分析这两种方式 ， 前者主要靠人 的主观视觉， 后者则是靠客观的评价标准， 通过精确得出的数据 来进 行分 析 ． （ ） 视 觉角度 来 说 ， 滤波 和 形态 学滤 波后 １从 为 图像 的清晰度基本相 同 ， 图像清晰度不高， 特别是 细节 部分 几乎 丧 失． 对 于前 两 种 滤 波方 法 ， 相 图像 经过本文滤波方法处理后 ， 清晰度 明显改善 ， 尤其 是图像边缘细节信息得到充分保留； （） ２ 通过对 Ｐ Ｎ Ｓ Ｒ值 （ １ 的分析可以得 出： 表 ） １ 当噪声方 差为 ０ ０ ） ． １时 ， 文去 噪 方法 与维 纳滤 本 波以及形态学滤波的 Ｐ Ｎ Ｓ Ｒ值相差不大 ， 这说明当 噪声方差处于低水平时 ， 几种去噪方法效果基本一 致的；） ２ 随着噪声方差的增大 ， 维纳滤波和形态学 滤波 Ｐ Ｎ Ｓ Ｒ值 明星降低 ， 而本文滤波方法则基本保 持不变， 当噪声方差达到 ００ ．９时 ， 此时前两种滤波 方法 几乎 失效 ， 而本 文组 合 滤波 方法 的 Ｐ Ｎ Ｓ Ｒ值则
３ 结束语
本文在充分分析维纳滤波、 形态学滤波的基础 上， 提出了一种高斯噪声组合滤波方法． 该方法首 先使用维纳滤波进行 预处理 ， 以滤 除一部分噪声 ， 然后将图像进行小波变换通过设 计不 同的滤波模 板对高频子图像分布进行滤波 ， 并进行小波系数重 构． 在此基础上设计 出一种新 的小波增强函数对重 构图像进行增强处理 ， 实验证 明了该组合滤波方法 的可行 性．
文章编号 ：０ ８—１０ （０ １ ０ ０ ９ ０ １０ ４ ２ ２ １ ） ５— ６ ６－ ３
一
种 高斯 噪声 组合 滤 波 方 法①
王小兵 孙久运 汤海燕 ， ，
（ ．中国矿业大学 环境与测绘学院 ． １ 江苏 徐州 ２ １ １ ２ 中国矿业大学 信息与 电气工程学院 。 ２ １６；． 江苏 徐州 ２ １ １ ） ２ １６
１ ． ６ １ ２ ２ １ ． ８ １ ． ９１ １ ． １ ５９８ ５． ９ ４ ５ ８ ３７ ３ ０９
２ ． ３ １ ． ２ １ ． ５ １ ３ １ ． ３ｌ Ｏ３１ ８６３ ６ ８７ ５． ４１ ４０ １． ８ ２ ． ４ １． ３ １ ．９ １．６ ９６８ ００７ ９４８ ８３ ８ ６ ８７ １ ．１ Ｏ １ ． ６ １ ． ２ １ ． ９ １ １ ６ ９ １ ７ ８ １ ６４ ６ ５０７ ４． ９ ２１ ５ ３ ２ ．１ Ｏ ２ ． ５ ２１ ６ ７ ２ ． ３ ． ０ ２ １ ２ １ ９ ． ２ ０ ４７
６８ ９
佳 木 斯 大 学 学 报 （自 然 科 学 版 ） 参考文 献 ：
２ １ 卑 ０１
仍维持较高水平 ， 这表明该组合滤波方法对高斯噪 声具有较好的滤波效果．
［ ］ 武英 ， １ 吴海勇． 一种 自适应图像去 噪混合滤波方法 ［］ 计算 Ｊ．
机工程与应用 ， １ ， （ ） １８ １０ ２ ０４ ７ ： — ７ ． ０ ６ ６
的影响． 因此 ， 噪声滤除则是图像处理 的前提和基 础． 近年来对图像噪声滤除的研究大多数集 中于椒 盐噪声的去除方面， 而对高斯噪声 的研究则相对较 少 】高斯噪声主要包括来源于电子电路噪声以 ．
图 １ 本 文 去 ｌ 法 基 本 流 程 槊方
及低照明、 高温的传感器 噪声 ， 是数字 图像 中较为
维纳滤波和形态学滤波的基础上 ， 将图像滤波与小 波增 强有 效结合 ， 出 了一种 图像 高斯 噪声 组合滤 提
波方法 ．
１ 本 文滤 波 方 法
本 文 高斯 噪 声 组 合 滤 波 方 法 基 本 流程 如 图 １
所示 ：
具体实现步骤如下 ：
（） １ 维拉滤波预处理
维纳滤波是通过假设 图像信号可 以认为是近 似平稳随机过程 ， 根据去噪后的图像与原始图像之 间的均方误 差达到最小 的准则 来进行分 析 ． 】该
维纳滤波器假定信号是有用信号和受到噪声 污染的信号之和 ， 其信号模型为 ：
Ｆ ＝ｓ＋ｉ ｔ ／ ， （） １ 其 中 Ｆ是输入信号 ，为图像有用信号 ， 是噪声信 ｓ 凡
度大、 噪声强度波动范围宽等特殊性 ， 这使得它成 为一种较难滤除的一种噪声 …．本文在充分研究
定 ｃ， 分别为 １ 和 ５ ， ｃ ５ ０ 方程 系数 口 ｂｃ ， ，分别为０ ．
４ １ ０ ６． ８， ５， ．
２ 实验 与 分 析
２ Ｉ 实 验过 程 ．
为 了验证 本 文去 噪方法 的有效 性 ， Ｍ Ｔ 在 Ａ－
ＬＢ． Ａ ７ ０环 境 下 ， 用 一 幅 大 小 为 ４ ３×３２ 的 选 ８ ４
摘
要 ： 为 了有效滤除高斯噪声， 出了一种组合滤波方法． 提 该方法首先通过定义新的维纳滤
波模板进行预处理 ， 以滤除一部分噪声； 然后将图像进行二 维小波分解， 留低频成分， 保 对高频成 分根据其噪声分布特征设计 出新的形态学滤波模板分别进行滤波 ， 并进行 小波系数重构 ； 最后通
（） ４ 将经过上述处理后的高频和低频子 图像
进行小波系数重构 ， 得到重构后图像．
（） ５ 为了进一步提高去 噪后图像 的质量 ， 本文 提 出一种新的小波增强函数 ， 通过对图像进行分段 增强来提高图像的清晰度 Biblioteka Baidu 最大限度保留图像 的细
均值滤波
本文算 法
节信息得到最终的滤波后图像．
过设计一种新的小波增强函数 ， 以提 高图像的清晰度， 最大限度保 留图像细节信 息．实验证明该 方 法滤波 效果优 于维纳 滤波和 形 态 学滤波 ， 一种较 为 实用的 高斯噪 声 滤除 方法． 是
关键 词 ： 高斯 噪声 ； 纳滤 波 ； 态学滤波 ； 维 形 小波增 强
中图分类号 ： Ｔ ３ １ Ｐ ９ 文献 标识码 ： Ａ
第２ ９卷 第 ５期
２１ 年 ０ 月 ０１ ９
佳 木 斯 大 学 学 报 （自 然 科 学 版 ） Ｊｕｎｌ ｆｉ ｓ Ｕ ｉ ｒｉ Ｎ ｔｒｌ ｃｅｃ ｄｔｎ ｏｒａ ｏ ａ ｉ ｎｖ ｓｙ（ ａ ａ Ｓｉ ｅＥ ｉｏ ） Ｊ ｍｕ ｅ ｔ ｕ ｎ ｉ
Ｖ ｌ２ Ｎ ． ｏ＿９ ｏ５ Ｓ ｐ ｅ ． ２ １ ０ １
Ｏ 引 言
数字图像由于在获取 、 传输 、 存储 和记 录等过 程中， 不可避免地受到各种噪声的干扰 ， 这使得图 像的清晰度降低 ， 细节信息丢失 ， 给图像后续处理
滤波方法的前提是线性滤波器的输人信号分为有 用信号和受到噪声污染的信号 ， 而且二者的二阶统 计特性已知 ， 在基础上通过误差准则来求得滤波器 的参 数 ．
处理 ． （ ） 波域形 态 学滤 波 ３小
收稿 日期 ：０ １－ ８—０ ２１ ０ ２ 作者简 介： 王小兵（ ９ ８ ， ， １８ 一） 男 江苏南通人 ， 硕士研究生． 主要研究方 向： 数字 图像处理
第 ５期
王 小兵 ， ： 等 一种 高斯噪 声组合 滤 波方 法
ｌ １ １ １ １
ｃ ） （ ｔ ， （） ｃＩ ｃ ｃ ｃ （）＜ｃ ｔ ｃｉ （）≤ ｃ ２
２ ２ 实验分 析 ．
（（ ）＝｛ ：ｏ（（ ） ｃ≤ｃｉ ： （） ｃｉ ） ｂｃ ｇｃｉ （ ｌ ｌ ） ）＜ｃ ３
其中 Ｃ ｉ 为小波系数幅值 口 ｂｃ （） ，， 为系数 ， ０ ｃ 且 ，∈ （ ，） ｂ ０ １ ， 为任意正整数． 经过反 复试验与 比较 ， 确
６７ ９
所示 ， ４ ａ 为 原 始 图像 ， ４（ ） 图 （） 图 ｂ 为加 入 噪声 图 像 （ ＝０ ０ ） 图 ４（ ） 维 纳 滤 波 后 图像 ， ４ ．１ ， ｃ为 图 （） ｄ 为形态 学 滤波 后 图像 ， ４ ｅ 为 本 文方 法 去 图 （） 噪后 图像 ． 了对 去 噪结 果 进 行 有效 分 析 ， 为 本文 引
陈大力 ， 薛定宇 ， 高道祥 ． 图像混合 噪声的模糊加权均值滤波 算法仿真［］ 系统仿真学报 ， ０ ， （）５７－ ３． Ｊ． ２ ７１ ３ ： ０ ９ ２ ５０
张立保 ， 熬鹏亮． 基于小 波变换 的图像混合噪声 自 适应 滤除 算法 ［］ 强激光 与粒子束 ， １ ， （ １ ：５０— ５４ Ｊ． ２ ０ ２ １ ） ２４ ２４ ． ０ ２ 王益艳． 一种去除图像混合 噪声 的滤波算法［ ］ 计算机应 用 Ｊ．
钍盎
图 ４ 图像去噪结果
（） ａ
、 ｂ （ ）
（） ｃ
（） ｄ
表 １ 几 种去 噪 方法 Ｐ Ｎ Ｓ Ｒ值 （ ｂ ｄ）
噪声方差（ ） 口 高斯噪声
维纳滤波 形态学滤波
图 ３ 形态学新 滤波模板
＝０ ０ ＝０ ０ ＝００ ＝０ ０ ＝０ ０ ．１ ．３ ．５ ．７ ．９
（） ｂ
图 ２ 维纳滤波模板
人峰值信噪 比（ Ｓ Ｒ 作为评价去噪后 图像质量 ＰＮ ） 的指标 ，Ｓ Ｒ越 大则说 明图像 去噪后质量越好 ， ＰＮ 计算结果如表 １ 所示．
数学形态学是 以形态为基础对 图像 进行分析 的数学工具 ， 其基本思想是使用具有一定形态的结 构元素去度量和提取图像 中对应 的形状从而达到 图像分析和识别的 目的¨ 具体算法有膨胀、 引， 腐蚀 以及在此基础上的开 、 闭运算． 图像经过二维小波
①
号， 假定二者是相互独立的． 滤波后图像信号 Ｆ可 以表示 为 ： Ｆ ＝ ＋ Ｆ一 ） （ （） ２ 其中 ， 为含噪图像像素均值． 本文通过实验与比较 ， 设计出一新的滤波模板 （ 如图 ２ ， 含 噪 图像一 次 经过 该 模板 进 行 滤波 ， ）将 以滤除一部分噪声． （） ２ 图像小波分解 ， 将经过维纳滤波预处理后 的图像进行二维小波分解 ， 得到图像的高频子图像 （ Ｄ Ｈ ，Ｖ） Ｈ ， Ｌ Ｈ 和低频子 图像 （ Ｈ ， Ｈ ） 由于低频子图 像受到噪声影响不大， 故本文仅对高频子图像进行
于软件 ，０ ０，７ １ ）：８—１２ ２ １ ２ （０ ９ ０．
乔 闹生． 一种 混合 噪声 图像 去噪 方法 ［］计算 机工程与应 Ｊ．
用 ，０９，５ ９） １４—１５ ２０ ４ （ ：４ ４．
尹方平 ， 苏静． 一种改进 的核维纳滤 波器图像去噪算法研 究
［ ］ 激光与红外 ， １ ， （ ）５ ９ ５ ３ Ｊ． ２ ０４ ５ ： — ５． ０ ０ ４
一
变换之后 ， 高频部分含有绝大多数噪声 ， 并且各 ， 高
频子图像中噪声分布大体上是水平、 垂直以及与水 平方 向呈 ４ 。 ５ 夹角的分布 ， 于此 ， 基 本文针对各子
图像噪声 的分 布特性 分别 设计 出新 的滤波模 板 （ ３， 图 ） 以滤除 噪声 ．
１ １ １ １ ｌ １ １ Ｏ Ｏ Ｏ １ ０ ０ Ｏ １ Ｏ ０ ｌ Ｏ １ Ｏ １ Ｏ Ｏ
噪 声 — 图 像
形 小 维 小 态 波 小 去 纳 — 波 － —■ —－ 学 － 系 ＿ 波 噪 —－ —－ —■ 滤 分 滤 数 增 图 波 解 波 重 强 像 构
（ 如下分割 ， 图像融合 ， 特征提取 ） 工作带来 了极大
“
ｃｍ ｒ ａ．ｔ ” ａ ｅ ｍ ｎ ｉ 图像 进 行 实 验． 过 调 用 “ｍ ａ ｆ 通 ｉ—
ｎｉ ” ｏ ｅ 函数对图像加入均值为 ０ 方差（ ） ０ ０ ｓ ， 为 ．１
—
００ 的高斯 白噪声进行 实验 ， ．９ 实验结果 如图 ３
对去噪后图像质量的评价 ， 通常有主观评价和 客观分析这两种方式 ， 前者主要靠人 的主观视觉， 后者则是靠客观的评价标准， 通过精确得出的数据 来进 行分 析 ． （ ） 视 觉角度 来 说 ， 滤波 和 形态 学滤 波后 １从 为 图像 的清晰度基本相 同 ， 图像清晰度不高， 特别是 细节 部分 几乎 丧 失． 对 于前 两 种 滤 波方 法 ， 相 图像 经过本文滤波方法处理后 ， 清晰度 明显改善 ， 尤其 是图像边缘细节信息得到充分保留； （） ２ 通过对 Ｐ Ｎ Ｓ Ｒ值 （ １ 的分析可以得 出： 表 ） １ 当噪声方 差为 ０ ０ ） ． １时 ， 文去 噪 方法 与维 纳滤 本 波以及形态学滤波的 Ｐ Ｎ Ｓ Ｒ值相差不大 ， 这说明当 噪声方差处于低水平时 ， 几种去噪方法效果基本一 致的；） ２ 随着噪声方差的增大 ， 维纳滤波和形态学 滤波 Ｐ Ｎ Ｓ Ｒ值 明星降低 ， 而本文滤波方法则基本保 持不变， 当噪声方差达到 ００ ．９时 ， 此时前两种滤波 方法 几乎 失效 ， 而本 文组 合 滤波 方法 的 Ｐ Ｎ Ｓ Ｒ值则
３ 结束语
本文在充分分析维纳滤波、 形态学滤波的基础 上， 提出了一种高斯噪声组合滤波方法． 该方法首 先使用维纳滤波进行 预处理 ， 以滤 除一部分噪声 ， 然后将图像进行小波变换通过设 计不 同的滤波模 板对高频子图像分布进行滤波 ， 并进行小波系数重 构． 在此基础上设计 出一种新 的小波增强函数对重 构图像进行增强处理 ， 实验证 明了该组合滤波方法 的可行 性．
文章编号 ：０ ８—１０ （０ １ ０ ０ ９ ０ １０ ４ ２ ２ １ ） ５— ６ ６－ ３
一
种 高斯 噪声 组合 滤 波 方 法①
王小兵 孙久运 汤海燕 ， ，
（ ．中国矿业大学 环境与测绘学院 ． １ 江苏 徐州 ２ １ １ ２ 中国矿业大学 信息与 电气工程学院 。 ２ １６；． 江苏 徐州 ２ １ １ ） ２ １６
１ ． ６ １ ２ ２ １ ． ８ １ ． ９１ １ ． １ ５９８ ５． ９ ４ ５ ８ ３７ ３ ０９
２ ． ３ １ ． ２ １ ． ５ １ ３ １ ． ３ｌ Ｏ３１ ８６３ ６ ８７ ５． ４１ ４０ １． ８ ２ ． ４ １． ３ １ ．９ １．６ ９６８ ００７ ９４８ ８３ ８ ６ ８７ １ ．１ Ｏ １ ． ６ １ ． ２ １ ． ９ １ １ ６ ９ １ ７ ８ １ ６４ ６ ５０７ ４． ９ ２１ ５ ３ ２ ．１ Ｏ ２ ． ５ ２１ ６ ７ ２ ． ３ ． ０ ２ １ ２ １ ９ ． ２ ０ ４７
６８ ９
佳 木 斯 大 学 学 报 （自 然 科 学 版 ） 参考文 献 ：
２ １ 卑 ０１
仍维持较高水平 ， 这表明该组合滤波方法对高斯噪 声具有较好的滤波效果．
［ ］ 武英 ， １ 吴海勇． 一种 自适应图像去 噪混合滤波方法 ［］ 计算 Ｊ．
机工程与应用 ， １ ， （ ） １８ １０ ２ ０４ ７ ： — ７ ． ０ ６ ６
的影响． 因此 ， 噪声滤除则是图像处理 的前提和基 础． 近年来对图像噪声滤除的研究大多数集 中于椒 盐噪声的去除方面， 而对高斯噪声 的研究则相对较 少 】高斯噪声主要包括来源于电子电路噪声以 ．
图 １ 本 文 去 ｌ 法 基 本 流 程 槊方
及低照明、 高温的传感器 噪声 ， 是数字 图像 中较为
维纳滤波和形态学滤波的基础上 ， 将图像滤波与小 波增 强有 效结合 ， 出 了一种 图像 高斯 噪声 组合滤 提
波方法 ．
１ 本 文滤 波 方 法
本 文 高斯 噪 声 组 合 滤 波 方 法 基 本 流程 如 图 １
所示 ：
具体实现步骤如下 ：
（） １ 维拉滤波预处理
维纳滤波是通过假设 图像信号可 以认为是近 似平稳随机过程 ， 根据去噪后的图像与原始图像之 间的均方误 差达到最小 的准则 来进行分 析 ． 】该