小波变换与中值滤波相结合图像去噪方法(精)
合集下载
- 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)。
ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇｏｎｌｙ．
Ｔｈｉｓａｌｇｏｒｉｔｈｍｈａｓｂｅｅｎａｐｐｌｉｅｄ
ｔｏ
ｐｒｏｃｅｓｓ
ｔｗｏ—ｄｉｍｅｎｓｉｏｎａｌｓｅｉｓｍｉｃｉｍａｇｅｓ
ｆｏｒｍｅｄ
ｂｙｃｏｈｅｒｅｎｔｓｌｉｃｅｄａｔａ，
ａｎｄｉｍｐｒｏｖｅｓｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｓｅｉｓｍｉｃｉｎｔｅｒｐｒｅｔａｔｉｏｎ．
ａｎｄｈａｒｄｔｈｒｅｓｈｏｌｄ）．Ｔｈｉｓｍｅｔｈｏｄｍａｉｎｔａｉｎｅｄｔｈｅｅｄｇｅ
ｉｎｆｏｒｍａｔｉｏｎ
ａｎｄｄｅ—ｎｏｉｓｅｄｔｈｅｎｏｉｓｅｓｏｆｔｈｅｉｍａｇｅ
ａｔ
ｔｈｅｓａｍｅ
ｔｉｍｅ．Ｔｈｅ
ｅｘ．
ｐｅｒｉｍｅｎｔｐｒｏｖｅｓｔｈａｔｉｔｓｒｅｓｕｌｔｉｓｂｅｔｔｅｒｔｈａｎｔｈａｔｏｆａｐｐｌｙｉｎｇｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｔｉｏｎｏｒ
１２６．ｅｏｍ；２．ＣｏｌｌｅｇｅｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｒｃｈｉｔｅｃｔｕｒｅ，ＤａｑｉｎｇＰｅｔｒｏｌｅｕｍＩｎｓｔｉｔｕｔｅ，Ｄａｑｉｎｇ１６３３１８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｏｋｅｅｐｔｈｅｅｄｇｅｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅｄｕｒｉｎｇｆｉｌｔｅｒｉｎｇｎｏｉｓｅｓｏｆｔｈｅｉｍａｇｅ，ｔｈｅｗａｖｅｌｅｔ
１．４
多小波图像去噪算法
相比于单小波，具有正交性、紧支撑、实对称、
小波变换域系数相关性去噪方法是根据信号和噪声在不同尺度上小波变换的不同形态特点：信号在各层相应位置上的小波系数之问具有很强的相关性，而噪声的小波系数则具有弱相关或不相关的特点，对信号和噪声的小波变换系数进行处理，尽量减小由噪声产生的系数，同时最大限度地保留有效信号对应的小波系数．在相关去噪算法中，各尺度上小波系数微小的偏移会导致所求相关系数不准确，极大地影响了该算法的性能．
２．大庆石油学院土木建筑工程学院黑龙江大庆Leabharlann Baidu６３３１８）
摘要：为了很好地保持图像的边缘细节，在对二维图像去噪平滑的过程中。采用基于小波变换和中值滤波相结合的图像去噪处理方法．将含有复杂噪声的图像首先进行小波分解，对各频带的子图像采用不同的阐值（软阈值和硬阈值）进行中值滤波处理，在去除图像噪声的同时，较好地保持了图像所包含的边缘信息．经实验证明，对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法．在由相干切片数据形成的二维地震图像处理中得到了应用，提高了地震解释的效率．关键词：图像去噪；小波变换；中值滤波；相干切片
几种小波去噪方法的比较
行非线性阈值处理来恢复噪声中的信号，且Ｐｚｌ，波
１．１
Ｍａｌｌａｔ算法强制去噪ｐ１
Ｍａｌｌａｔ算法强制去噪也叫小波分解与重构去噪
收稿日期：２００６—１２—３０．
方法，其本质上相当于一个具有多个通道的带通滤
作者简介：唐世伟（１９６７一），男，博士，副教授
第８期唐世伟，等：小波变换与中值滤波相结合图像去噪方法
第４０卷第８期
哈尔滨工业大学学报
ＶｏＬ４０Ｎｏ．８
２００
８年８月
ＪＯＵＲＮＡＬＯＦＨＡＲＢＩＮＩＮＳＴＩＴＵＴＥＯＦＴＥＣＨＮＯＬＯＧＹ
Ａｕｇ．２００８
小波变换与中值滤波相结合图像去噪方法
唐世伟１，林君２
（１．大庆石油学院计算机与信息技术学院黑龙江大庆１６３３１８，Ｅ－ｍａｉｌ：ｔｓｗ０５０８６７＠１２６．ｃｏｍ；
・１３３５・
波器，主要适用于有用信号和噪声的频带相互分离时的确定性噪声的情况．该方法能基本去除噪声，计算速度快且恢复图像的大部分信息．但对于实际应用中广泛存在的白噪声，其去噪效果则较差．１．２小波变换模极大值的去噪方法
小波变换模极大值的去噪方法主要适用于信号中混有白噪声，且信号中含有较多奇异点的情况．该方法在去噪的同时，能有效地保留信号的奇异点信息，去噪后的信号没有多余振荡，是原始信号的一个非常好的估计，具有较好的图面质量．１．３基于小波变换域系数相关性去噪方法
中图分类号：ＴＰ７５１．１文献标识码：Ａ文章编号：０３６７—６２３４（２００８）０８—１３３４—０３
Ｉｍａｇｅｄｅｎｏｉｓｉｎｇｗｉｔｈｃｏｍｂｉｎａｔｉｏｎｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｎｄｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ
ＴＡＮＧ
Ｓｈｉ．ｗｅｉｌ．ＬＩＮＪｕｎ２
（１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＤａｑｉｎｇＰｅｔｒｏｌｅｕｍＩｎｓｔｉｔｕｔｅ，Ｄａｑｉｎｇ１６３３１８，Ｃｈｉｎａ，Ｅ—ｍａｉｌ：ｔｓｗ０５０８６７＠
Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｄｅｎｏｉｓｉｎｇ；ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｔｉｏｎ；ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ；ｃｏｈｅｒｅｎｔｓｌｉｃｅ
１９９２年，Ｍａｌｌａｔ等人提出了基于奇异性和图阈值法（Ｗａｖｅ
Ｓｈｒｉｎｋ），还给出了Ｔ＝矿以ｌｎ（Ⅳ）
像多尺度上的表示方法及相应的滤波方法，即小的阈值，并从渐进意义上证明了这一方法在滤除波模极大值方法…但是该方法的复杂性和计算噪声的同时，有一定的保留信号细节的能力．但是量大，而且用过零点或极大值来重建信号只是一此通用阈值由于有“过扼杀”小波系数的倾向，人种逼近，它只适用于各尺度下确已检测到对应极』ｆｆｊｘ寸阈值进行研究提出了多种阈值方法．在此基大点的情况．为了克服模极大值法的缺点，Ｓｔａｎ．础上，提出了软阈值和硬阈值【２１的准则，并从统ｆｏｒｄ大学的学者Ｄ．Ｌ．Ｄｏｎｏｈｏ和Ｉ．Ｍ．Ｊｏｈｎｓｔｏｎｅ通计学的角度出发，不断完善这一理论．过直接将小波变换与信号处理方法相结合，得到了一种性能优良的滤波方法．通过对小波系数进１
ｔｒａｎｓｆｏｒｍａｔｉｏｎ
ｃｏｍｂｉｎｉｎｇｗｉｔｈｔｈｅｍｅｄｉａｎｆｉｌｔｅｒｉｎｇｗａｓｅｍｐｌｏｙｅｄ
ｔｏ
ｐｒｏｃｅｓｓ
ｉｍａｇｅｓｃｏｎｔａｉｎｉｎｇｃｏｍｐｌｅｘｎｏｉｓｅｓ．
ＴｈｅｏｒｉｇｉｎａｌｉｍａｇｅｃｏｎｔａｉｎｉｎｇｃｏｍｐｌｅｘｎｏｉｓｅｓＷＥｔＳｆｉｒｓｔｌｙｄｉｖｉｄｅｄｂｙｗａｖｅｌｅｔ，ａｎｄｔｈｅｎｉｔｓｓｕｂ—ｉｍａｇｅｓｗｉｔｈｄｉｆｆｅｒｅｎｔｆｒｅｑｕｅｎｃｉｅｓｗｅｒｅｐｒｏｃｅｓｓｅｄｂｙｍｅｄｉａｎｆｉｌｔｅｒｉｎｇｗｉｔｈｄｉｆｆｅｒｅｎｔｔｈｒｅｓｈｏｌｄｓ（ｓｏｆｔ
Ｔｈｉｓａｌｇｏｒｉｔｈｍｈａｓｂｅｅｎａｐｐｌｉｅｄ
ｔｏ
ｐｒｏｃｅｓｓ
ｔｗｏ—ｄｉｍｅｎｓｉｏｎａｌｓｅｉｓｍｉｃｉｍａｇｅｓ
ｆｏｒｍｅｄ
ｂｙｃｏｈｅｒｅｎｔｓｌｉｃｅｄａｔａ，
ａｎｄｉｍｐｒｏｖｅｓｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｓｅｉｓｍｉｃｉｎｔｅｒｐｒｅｔａｔｉｏｎ．
ａｎｄｈａｒｄｔｈｒｅｓｈｏｌｄ）．Ｔｈｉｓｍｅｔｈｏｄｍａｉｎｔａｉｎｅｄｔｈｅｅｄｇｅ
ｉｎｆｏｒｍａｔｉｏｎ
ａｎｄｄｅ—ｎｏｉｓｅｄｔｈｅｎｏｉｓｅｓｏｆｔｈｅｉｍａｇｅ
ａｔ
ｔｈｅｓａｍｅ
ｔｉｍｅ．Ｔｈｅ
ｅｘ．
ｐｅｒｉｍｅｎｔｐｒｏｖｅｓｔｈａｔｉｔｓｒｅｓｕｌｔｉｓｂｅｔｔｅｒｔｈａｎｔｈａｔｏｆａｐｐｌｙｉｎｇｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｔｉｏｎｏｒ
１２６．ｅｏｍ；２．ＣｏｌｌｅｇｅｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｒｃｈｉｔｅｃｔｕｒｅ，ＤａｑｉｎｇＰｅｔｒｏｌｅｕｍＩｎｓｔｉｔｕｔｅ，Ｄａｑｉｎｇ１６３３１８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｏｋｅｅｐｔｈｅｅｄｇｅｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅｄｕｒｉｎｇｆｉｌｔｅｒｉｎｇｎｏｉｓｅｓｏｆｔｈｅｉｍａｇｅ，ｔｈｅｗａｖｅｌｅｔ
１．４
多小波图像去噪算法
相比于单小波，具有正交性、紧支撑、实对称、
小波变换域系数相关性去噪方法是根据信号和噪声在不同尺度上小波变换的不同形态特点：信号在各层相应位置上的小波系数之问具有很强的相关性，而噪声的小波系数则具有弱相关或不相关的特点，对信号和噪声的小波变换系数进行处理，尽量减小由噪声产生的系数，同时最大限度地保留有效信号对应的小波系数．在相关去噪算法中，各尺度上小波系数微小的偏移会导致所求相关系数不准确，极大地影响了该算法的性能．
２．大庆石油学院土木建筑工程学院黑龙江大庆Leabharlann Baidu６３３１８）
摘要：为了很好地保持图像的边缘细节，在对二维图像去噪平滑的过程中。采用基于小波变换和中值滤波相结合的图像去噪处理方法．将含有复杂噪声的图像首先进行小波分解，对各频带的子图像采用不同的阐值（软阈值和硬阈值）进行中值滤波处理，在去除图像噪声的同时，较好地保持了图像所包含的边缘信息．经实验证明，对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法．在由相干切片数据形成的二维地震图像处理中得到了应用，提高了地震解释的效率．关键词：图像去噪；小波变换；中值滤波；相干切片
几种小波去噪方法的比较
行非线性阈值处理来恢复噪声中的信号，且Ｐｚｌ，波
１．１
Ｍａｌｌａｔ算法强制去噪ｐ１
Ｍａｌｌａｔ算法强制去噪也叫小波分解与重构去噪
收稿日期：２００６—１２—３０．
方法，其本质上相当于一个具有多个通道的带通滤
作者简介：唐世伟（１９６７一），男，博士，副教授
第８期唐世伟，等：小波变换与中值滤波相结合图像去噪方法
第４０卷第８期
哈尔滨工业大学学报
ＶｏＬ４０Ｎｏ．８
２００
８年８月
ＪＯＵＲＮＡＬＯＦＨＡＲＢＩＮＩＮＳＴＩＴＵＴＥＯＦＴＥＣＨＮＯＬＯＧＹ
Ａｕｇ．２００８
小波变换与中值滤波相结合图像去噪方法
唐世伟１，林君２
（１．大庆石油学院计算机与信息技术学院黑龙江大庆１６３３１８，Ｅ－ｍａｉｌ：ｔｓｗ０５０８６７＠１２６．ｃｏｍ；
・１３３５・
波器，主要适用于有用信号和噪声的频带相互分离时的确定性噪声的情况．该方法能基本去除噪声，计算速度快且恢复图像的大部分信息．但对于实际应用中广泛存在的白噪声，其去噪效果则较差．１．２小波变换模极大值的去噪方法
小波变换模极大值的去噪方法主要适用于信号中混有白噪声，且信号中含有较多奇异点的情况．该方法在去噪的同时，能有效地保留信号的奇异点信息，去噪后的信号没有多余振荡，是原始信号的一个非常好的估计，具有较好的图面质量．１．３基于小波变换域系数相关性去噪方法
中图分类号：ＴＰ７５１．１文献标识码：Ａ文章编号：０３６７—６２３４（２００８）０８—１３３４—０３
Ｉｍａｇｅｄｅｎｏｉｓｉｎｇｗｉｔｈｃｏｍｂｉｎａｔｉｏｎｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｎｄｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ
ＴＡＮＧ
Ｓｈｉ．ｗｅｉｌ．ＬＩＮＪｕｎ２
（１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＤａｑｉｎｇＰｅｔｒｏｌｅｕｍＩｎｓｔｉｔｕｔｅ，Ｄａｑｉｎｇ１６３３１８，Ｃｈｉｎａ，Ｅ—ｍａｉｌ：ｔｓｗ０５０８６７＠
Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｄｅｎｏｉｓｉｎｇ；ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｔｉｏｎ；ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ；ｃｏｈｅｒｅｎｔｓｌｉｃｅ
１９９２年，Ｍａｌｌａｔ等人提出了基于奇异性和图阈值法（Ｗａｖｅ
Ｓｈｒｉｎｋ），还给出了Ｔ＝矿以ｌｎ（Ⅳ）
像多尺度上的表示方法及相应的滤波方法，即小的阈值，并从渐进意义上证明了这一方法在滤除波模极大值方法…但是该方法的复杂性和计算噪声的同时，有一定的保留信号细节的能力．但是量大，而且用过零点或极大值来重建信号只是一此通用阈值由于有“过扼杀”小波系数的倾向，人种逼近，它只适用于各尺度下确已检测到对应极』ｆｆｊｘ寸阈值进行研究提出了多种阈值方法．在此基大点的情况．为了克服模极大值法的缺点，Ｓｔａｎ．础上，提出了软阈值和硬阈值【２１的准则，并从统ｆｏｒｄ大学的学者Ｄ．Ｌ．Ｄｏｎｏｈｏ和Ｉ．Ｍ．Ｊｏｈｎｓｔｏｎｅ通计学的角度出发，不断完善这一理论．过直接将小波变换与信号处理方法相结合，得到了一种性能优良的滤波方法．通过对小波系数进１
ｔｒａｎｓｆｏｒｍａｔｉｏｎ
ｃｏｍｂｉｎｉｎｇｗｉｔｈｔｈｅｍｅｄｉａｎｆｉｌｔｅｒｉｎｇｗａｓｅｍｐｌｏｙｅｄ
ｔｏ
ｐｒｏｃｅｓｓ
ｉｍａｇｅｓｃｏｎｔａｉｎｉｎｇｃｏｍｐｌｅｘｎｏｉｓｅｓ．
ＴｈｅｏｒｉｇｉｎａｌｉｍａｇｅｃｏｎｔａｉｎｉｎｇｃｏｍｐｌｅｘｎｏｉｓｅｓＷＥｔＳｆｉｒｓｔｌｙｄｉｖｉｄｅｄｂｙｗａｖｅｌｅｔ，ａｎｄｔｈｅｎｉｔｓｓｕｂ—ｉｍａｇｅｓｗｉｔｈｄｉｆｆｅｒｅｎｔｆｒｅｑｕｅｎｃｉｅｓｗｅｒｅｐｒｏｃｅｓｓｅｄｂｙｍｅｄｉａｎｆｉｌｔｅｒｉｎｇｗｉｔｈｄｉｆｆｅｒｅｎｔｔｈｒｅｓｈｏｌｄｓ（ｓｏｆｔ