（通信与信息系统专业论文）小波图像去噪算法的研究.pdf

摘要 幽像是人1 f j 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l i 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w i e n e r 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w i e n e r 滤波图 像去噪方法。当子带小波系数稀疏时采用硬门限法；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w i e n e r 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s u r e 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t e 。 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 ( h m t ) 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。 l c h m m 模型在小波域h m t 模型的基础上，给每个小波系数增加了一个“c o n t e x t ” 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，得到最优软 川粳o ! 盯l ，盯。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( m l ) 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l c h m m 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 1 s d n 多媒体通信终端的研究 在攻读博士学位期间，参与了基于d s p 的单机型“n i s d n 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 2 4 2 和多种媒体数 据的复接解复接协议h 2 2 1 ；完成了g 7 2 9 a 语音编码器在d s p 上的优化实现。并 利用嵌入式操作系统p s o s 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。 a b s t r a c t i m a g ei s a l l i m p o r t a n ti n f o r m a t i o ns o u r c e b u tt h ea c q u i s i t i o n ，t r a n s m i s s i o n ，a n d s t o r a g eo fi m a g ei n f o r m a t i o no f t e ni n t r o d u c e n o i s ed e g r a d a t i o n s i m a g e d e n o i s i n g s e e k st or e m o co rr e d u c et h e s ed e g r a d a t i o n s w h i c hi sa l li m p o r t a n tt a s ko fd i g i t a l i m a g ep r o c e s s i n g t h i sd i s s e n a i o nm a k e sac o g n p r e h e n a i v er e s e a r c ho ni m a g e d e n o i s i n g m e t h o d s u s i n gw a v e l e tt n n 临f o r m ，m a i n l yi n c l u d i n gt h ef o l l o w i n g c o n t e n t ： 1 r e s e a r c ho nw a v e l e tt h r e s h o l d i i l gf o ri m a g ed e n o i s i n g w a v e l e t t h r e s h o l d i n g i sac l a s s i c a lm e t h o df o ri m a g ed e n o i s i n g d u et ot h e r e m a r k a b l e d e c o r r e l a t i n gp r o p e r t y o fw a v e l e t t r a n s f o r m ，a f e w l a r g e w a v e l e t c o e f f i c i e n t sc a r r ym o s to f i m a g ei n f o r m a t i o n t h f o u g hk e 。l 抽【g t h el a r g ec o e f f i c i e n t s a n dk i l l i n gt h es m a l lo n e ss i m p l y , w a v e l e tt h r e s h o k l i n gl e a d st op o w e r f u ld e n o i s i n g r e s u l t st h ed i s s e r t a t i o nm a k e sa l le x t e n s i v er e s e a r c ho nt h e t h r e s h o l d ，t h e t h r e s h o l d i n g s c h e m ea n dt h e c h o i c eo fw a v e l e t ，s i m u l a t 髓v i n o u sw a v e l e t t h r e s h o l d i n gm e t h o d s ，a n de v a l u a t e s t h e s em e t h o 缸，w h i c hw o u l dg u i d eap r a c t i t i o n e r i nt h ec h o i c eo faw a v e l e t t h r e s h o l d i n gm e t h o d 2 i m a g ed e n o i s i n g v i aw a v e l e t - d o m a i nw i e n e r f i l t e r i n g w a v e l e tc o e f f i c i e n t so f i m a g e s a f em o d e l e d 船g a u s s i a nd i s t r i b u t i o n b a s e do nt h i s d i s t r i b u t i o nm o d e l ，w a v e l e t - d o m a i nw i e n e rf i l t e r i n gm e t h o di s p r o p o s e d w h e n w a v e l e tc o e f f i c i e n t so fas u b b a n d 瓣s p a r s e ，w ea d o p th a r dt h r e s h o t d i n g ；o t h e r w i s e 、 w ea d o p tw a v e l e t d o m a i nw i e n e rf i l t e r i n gf o rd e n o i s i n g t h ev a r i a n c eo faw a v e l e t c o e f f i c i e n ti se s t i m a t e df r o mi t sn e i g h b o r i n gc o e f f i c i e n t s t h i sp r o p o s e dm e t h o di s s i m p l ea sw a v e l e tt h r e s h o l d i n g ，b u ty i e l d sh i g h e rp s n r a n db e t t e rv i s u a lq u a l i t yt h a n s u r e s h r i n ka n db a y e s s h r i n km e t h o d s 3 r e s e a r c ho nw a v e l e t b a s e ds t a t i s t i c a li m a g ed e n o i s i n g w a v e l e tt r a n s f o r mn e a r l yd e e o r r e l a t e sn a t u r a l i m a g e s n e v e r t h e l e s s , s i g n i f i c a n t d e p e n d e n c i e ss t i l l e x i s tb e t w e e nw a v e l e tc o e f f i c i e n t s t h ea c c u r a t es t a t i s t i c a li m a g e m o d e l s ，w h i c hi n c l u d ei n d i v i d u a lw a v e l e tc o e f f i c i e n tm o d e la n dc o r r e l a t i n gm o d e lo f w a v e l e tc o e f f i c i e n t s ，c a r li m p r o v et h ep e r f o r m a n c eo f d e n o i s i n g m e t h o d s s i g n i f i c a n t l y i n d i v i d u a lw a v e l e tc o e f f i c i e n ti so f t e nm o d e l e da sg e n e r a l i z e dg a u s s i a nd i s t 6 b u t i o l l 0 1 1g a u s s i a nm i x t u r em o d e l i nt h ef f a m e w o r ko fw a v e l e t d o m a i nh i d d e nm a r k o vt l e e ( h m t ) m o d e l ，e a c hw a v e l e tc o e f f t c i e n ti sm o d e l e da st w o ，s t a t eg a u s s i a nm i x t u r e m o d e la n dt h ei n t e r - s c a l e d e p e n d e n c i e sa m o n gw a v e l e tc o e f f i c i e n t s a r ec a p t u r e d t h r o u g hh i d d e ns t a t et r a n s i t i o n sw i t ham a r k o vt r e es t r u c t u r e a n o t h e rf r a m e w o r k ， n a m e dl o c a lc o n t e x t u a lh i d d e nm a r k o v m o d e l ( l c h m m ) ，c a p t u r e s i n t r a - s c a t e d e p e n d e n c i e su s i n gac o n t e x ts t r u c t u r e t h e s et w os t a t i s t i c a ld e n o i s i n gm e t h o d sa r e e f f i c i e n tb u to n ec o m m o nd r a w b a c ko ft h e s et w of f a m e w o r k si st h en e e df o r c o m p u t a t i o n a l l ye x p e n s i v ei t e r a t i v et r a i n i n gt of i tm o d e l s i nt h i sd i s s e r t a t i o n ，an e w s t a t i s t i c a ld e n o i s i n gm e t h o di sp r o p o s e d i n d i v i d u a lw a v e l e tc o e f f i c i e n ti sm o d e l e da s g e n e r a l i z e dg a u s s i a nd i s t r i b u t i o n ( g g d ) t h r o u 曲t h e b a y e s i a nm i n i m u mm e a n s q u a r ee r r o r ( m m s e ) e s t i m a t i o n ，w ec a l lg e tt h eo p t i m a ls o f tt h r e s h o l d0 - 2 a 。 w h e r e o - 3 , i s t h es u b b a n dv a r i a n c eo fw a v e l e tc o e f f i c i e n t s e s t i m a t i n g 0 - rf o re a c h c o e f f i c i e n tc a nm a k et h et h r e s h o l d s p a t i a l l ya d a p t i v e w i t h i nt h e l o c a l w i n d o w ， w a v e l e tc o e f f i c i e n t sa r ec o r r e l a t e dh i g h l y t h ev a r i a n c e d 。o fe a c hc o e f f i c i e n ti s e s t i m a t e d b ym a x i m u m l i k e l i h o o d ( m l ) e s t i m a t e ，w h i c hd e v e l o p s i n t r a - s c a t e d e p e n d e n c i e sa m o n g w a v e l e tc o e f f i c i e n t s t h i sp r o p o s e dm e t h o dp r o v i d e st h es i m i l a r d e n o i s i n gp e r f o r m a n c e a st h ec o m p l e xl c h m mm e t h o d b u tt h ef o r m e ri s m u c h s i m p l e r 4 r e s e a r c ho nv i d e os e q u e n c e d e n o i s i n g e v e n t h o u g h w a v e l e t d e n o i s i n g o fi n d i v i d u a lf r a m e sc a r t s u p p r e s s n o i s e r e m a r k a b l yw e l li ne a c hf l a m e ，t h ev i s u a lq u a l i t yo ft h er e s u l t i n gv i d e oi so f t e nn o t s a t i s f a c t o r y t h i si sd u et ot h ef a c tt h a tt h er e s i d u a ln o i s ea sw e l la si n e v i t a b l e d e g r a d a t i o n sa n dd e n o i s i n ga r t i f a c t sd i f f e rf r o mf r a m et of r a m e ，w h i c hc a u s e sa n u n p l e a s a n t v i s u a le f f e c t t oo v e r c o m et h i s p r o b l e m ，i t i s n e c e s s a r y t oc o m b i n e w a v e l e td e n o i s i n go fi n d i v i d u a lf r a m ew i t h t e m p o r a lf i l t e r i n go fn e i g h b o r i n gf r a m e s i nt h i sd i s s e r t a t i o n ，at e m p o r a lf i l t e r i n gm e t h o di s p r o p o s e d ，w h i c hi s b a s e do na s i m p l ep i x e l b a s e dm o t i o nd e t e c t o ra n do ns e l e c t i v e w e i g h t e da v e r a g i n go ft h e n e i g h b o r i n gf r a m e s a tt h ep o s i t i o n sw h e r em o t i o ni sn o td e t e c t e d t e m p o r a lf i l t e r i n g i s i m p l e m e n t e d ；o t h e r w i s e ，t h ep i x e l a f t e rw a v e l e t d e n o i s i n g i sn o tf i l t e r e d b y t e m p o r a l f i l t e r t h i s p r o p o s e dv i d e od e n o i s i n gm e t h o dy i e l d sm u c hb e t t e rv i s u a l q u a l i t ya n dm u c hh i g h e rp s n r t h a nt h es p a t i a l - t e m p o r a lf i l t e r s 5 ，r e s e a r c ho nt h en i s d nn 2 u l t i m e d i ac o m m u n i c a n o nt e r m i n a l d u r i n gn a yp h d p e r i o d ，it a k ep a r ti nt h ed e v e l o p m e n to f t h en i s d ns t a n d a l o n e v i s u a lt e l e p h o n et e r m i n a lo nd s p 1r e a l i z et h eu s e r - t o u s e rc o n t r o lp r o t o c o lh 2 4 2 a n dm u l t i m e d i a m u l t i p l e x i n g d e m u l t i p l e x i n gp r o t o c o l h2 2 1i o p t i m i z e a n d i m p l e m e n t t h es p e e c hc o d e rg 7 2 9 ao nd s ea n d1 d e s i g n a n dr e a l i z et h ed a t a e x c h a n g ea n dt a s ks y n c h r o n i z a t i o na m o n g c o m m u n i c a t i o np r o t o c o lm o d u l e ，s p e e c h e n c o d e f f d e c o d e ra n dv i d e oe n c o d e f f d e c o d e r ，b a s e d 0 1 1t h ee m b e d d e dr e a l t i m e o p e r a t i n gs y s t e mp s o s 独创性( 或创新性) 声明 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中小 包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名： 莛。控盈 f - 4 期：j 堕三 关于论文使用授权的说明 学位论文作者完全了解北京邮电大学有关保留和使用学位论文的舰定，即： 研究尘在校攻读学位期问论文工作的知识产权单位属北京邮电大学。学校有权仪 留并向国家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅矛借 阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它 复制手段保存、汇编学位论文。( 保密的学位论文在解密后遵守此规定) 保密论文注释；本学位论文属于保密在年解密后适用本授权书。非保密论 文注释：本学位论文不属于保密范围，适用本授权书。 本人签名 导师签名 h 期 闩期 硎 j ； 北京邮电大学博士学位论丈 鹕一带，睹论 第一章绪论 图像是人们获取信息的重要来源。但是，从实际景物转换成存储图像信息， 在图像的生成、编码、传输、甚至是重现的过程中，由于设备的非线性、设备噪 声、环境兼容性等多种随机因素的影响，输出图像质量不可避免会受到影响。在 数字图像的生成和传输过程中，各种噪声源的干扰和影响，是造成图像质量降低 的一个重要原因，同时也影响到数字图像的压缩编码和传输。噪声源包括电传感 器噪声、相片颗粒噪声、电磁波干扰、信道误差等。因此，如何改进这些图像的 质量，就成为数字图像处理中的一个重要任务。 1 1 图像去噪方法综述 在去除噪声的同时，尽量保髓图像的细节和边缘信息，是图像去噪处理的目 标。迄今为止，已经提出了很多图像去噪方法。 1 1 1 空域滤波器 在小波分析发展并应用到图像处理之酶，对图像进行去噪处理主要采用的是 空域滤波器。早期的空域滤波器包括三大类：均值滤波器、中值滤波器和w i e n e r 滤波器。 均值滤波器 i j 是最简单的线性滤波器。设当前像素为f ( i ，) ，均值滤波器的 输出为f ( i ，j ) ，则 如棚2 玄。忑，m ，f ) ( 【1 ) 其中q 。是以f ( i ，j ) 为中心的邻域窗，m 是邻域窗q 。内的像素总数。 均值滤波器在滤除噪声的同时也去掉了图像的高频成分和图像的细节信息， 它会把图像的阶跃变化平滑成渐近变化，造成图像细节的模糊。针对经典均值滤 波器的缺陷，一些学者提出了改进的均值滤波方法【2 卅，这些方法在一定程度二 改善了均值滤波器的性能。 q ，值滤波器卜7 足种非线性滤波器。中值滤波器定义为： f ( i ，) 2 m e d i a n f ( k ，m ( ，) q 。 ( i 2 ) 。p 值滤波器对脉冲噪声和椒赫噪声有很好的去噪性能，在去除噪声的同时能保持 北乐邮电大学博士学住论交 第一帝绪论 信号的边缘和细节信息，已被成功地应用到语音信号处理和数字图像处理中。 w i e n e r 滤波器是一种基于原始图像信号和噪声统汁特性的线性滤波器，扫： 均力误差意义上有最优的性能。当原始信号和噪声信号都为平稳高斯过程时， w i e n e r 滤波器有很简单的表达式： 仃3 f ( i ，j ) = f ( i ，)( 13 ) 仃+ 盯v 其中仃：为原始图像信号方差，仃2 为噪声方差。 自然图像为非平稳信号，为简化w i e n e r 滤波器的实现，实际应用时常把局部 图像简化为平稳高斯分布。最然w i e n e r 滤波器去噪后的图像相比均值滤波器有较 高的峰值信噪比0 s n r ) ，但是图像中仍然残留了较多噪声。 除了上述经典空域滤波器，上个世纪九十年代一些学者对基于偏微分方程 ( p d e ) 的空域滤波方法进行了大量的研究 8 - 2 0 】。这些基于p d e 的空域滤波方法， 如同中值滤波器，对脉冲噪声和椒盐噪声有很强的抑制能力，但对于高斯白噪声 去噪效果一般。 1 1 2 小波图像去燥方法 上个世纪八十年代末，j 、波理论得到了非常迅速的发展f 2 7 l 。由于小波变换 具备良好的时频特性，因而在图像处理中得到了非常广泛的应用。在图像去噪领 域小波分析也同样受到了许多学者的重视。 小波变换具有很好的去相关性和压缩性【2 1 1 。在小波域，少数大幅值小波系数 包含了大部分图像信息。另外小波变换如同边缘检测器，大幅值小波系数对应 着边缘、纹理等图像细节信息。而高斯自噪声在正交小波域仍为高斯白噪声。图 像和高斯白噪声在小波域的不同特性，为图像去噪提供了一个很好的变换域基 础。 小波图像去噪方法包括三个基本的步骤：对含噪声图像信号进行小波变换； 对变换得到的小波系数进行某种处理，以去除其中包含的噪声；对处理后的小波 系数进行小波逆变换，得到去噪后构图像。小波去臻方法的不同之处集中在第_ 步。 小波j 限法去噪是最早被提出的一+ 种小波去噪方法【2 8 q 9 i 。小波门限法比较 小波系数的绝对值和门限值的大小，当小波系数绝对值小于门限值时，认为噪声 占主导地位，令该小波系数为0 ，以去除噪声；反之，认为该小波系数中包含了 重要的图像信息，保持该小波系数( 对应硬门限法) ，或按比例收缩该小波系数( 对 应软门限法】。 北京邮电是学博士学位论文 第一章绪论 小波门限法去噪简单、有效，因此被用到各种去噪应用中，并取得了很大的成 功。门限值和门限函数是小波门限法的两个要素。d o n o h o 和j o h n s t o n e 给出的统 一门限值，有“过扼杀”小波系数的倾向。因此一些学者对门限值的选择进行了 研究，并提出了多种不同的门限值确定方法。 经典的小波门限法包括硬门限法和软门限法。硬门限法在去除噪声的同时， 能很好的保留图像的细节和边缘信息。但是硬门限法在门限值处不连续，去噪后 的图像会出现原图像中没有的细节( a r t i f a c t ) 。而软门限法去噪后的图像变得模糊。 针对硬门限法和软门限法的缺点，一些改进的门限函数被提出。 小波门限去噪方法，把图像的小波交换系数当作确定性信号，对每一个系数 孤立进行门限处理。但是，观察自然图像的小波变换子带系数可以发现，小波系 数的幅值之间仍残留有相关性：通常大幅值的小波系数倾向于“聚集”在一起【5 0 l ； 大幅值的小波系数，其父系数也倾向于是大系数 5 1 , 5 2 】。如果把图像的小波变换系 数看作随机信号，对图像的小波系数和小波系数之间的关系精确建模，并利用这 些模型进行统计图像处理，则小波图像去噪的性能能够得到很大提高。 从九十年代中后期开始，图像去噪领域的研究开始转向基于模型的统计图像 去噪方法。图像信号的小波系数分布模型可以分为两大类：广义高斯分布【2 1 1 和 高斯混合模型【5 5 1 。基于这两类分布不同的图像去噪方法 5 6 , , 6 9 1 被提出。广义 高斯分布和高斯混合模型各有优缺点：广义高斯分布对小波系数概率分布的拟合 精度高，但是不便于采用贝叶斯估计方法实现图像去噪：两状态高斯混合模型对 小波系数概率分布的拟合精度不如广义高斯分布，但是当状态确定时，小波系数 为高斯分布，这时有很简单的估计公式。 除了小波系数的概率分布模型，先进的图像去嗓方法还要利用小波系数之i u j 的相关性，即要为小波系数之间的关系建模。小波系数之间的相关性包括尺度间 相关和尺度内相邻位置小波系数之间的相关性。小波域隐含马尔可夫树模型 ( h m t ) 【5 叫是一种尺度间小波系数之间的关系模型，c r o u s e 等人为把小波域h m t 引入图像去噪做了大量的工作。但是仅利用尺度问模型图像去噪性能提高有限。 文献【62 j 在小波域h m t 的基础上为每个小波系数增加了一个“c o n t e x t ”变量，以 利用小波系数的尺度内相关和局部统计特性，该模型被命名为l c h m m 模型。基 于l c h m m 模型的图像去噪方法相对基于h m t 模型的去噪方法，性能有很大提 高。另外，有一些基于模型的图像去噪方法，虽然简单，但是由于隐含的利用了 小波系数的尺度内相关性和局部统计特性，也取得了很好的去噪效果。 除了门限法，晟早被提出的另一种基于小波的图像去噪方法为模极大值法 1 7 0 。图像信号的边缘和细节包含了图像的大部分信息，因此边缘和细节的检测 具有重要意义，数学上通常采用l i p s c h i t z $ 旨数来描述其特性。小波变换的模极大值 第一最绪论 点通常对应着这些突变点，而图像信号和噪声的模极大值在小波变换的4 ；同尺度 演进特性4 i 【间。模极大值法利用图像信号和噪声的模极大值在小波变换下不同的 演进特性，实现图像去噪处理。基于信号奇异性检测和图像多尺度表示的模极大 值法，是目前对信号和噪声的多尺度特性刻画最精细、数学基础最完善的方法。 但该方法原理艰深晦涩，算法复杂，计算量大，不如小波门限法应用广泛。 采用临界抽样的j 下交小波变抉或双正交小波变换，硬门眼去噪后的重建图像 在图像的边缘处存在很明显韵振荡，即伪“g i b b s ”现象。产e 生伪“g i b b s ”现象 的原因是，下取样使正交小波变换或双i e 交小波变换不具备移不变性。抑制这种 “伪吉抑斯现象”的一个有效方法是采用“平移去噪反向平移，求平均”的移不 变小波去噪法1 3 2 】，或采用不抽样的小波变换( n o n d a ：i m a t e dd w t l f 2 7 。 除了小波变换，也出现了其他类似的变换，如髓g c l e 毫s ( 7 ”、c u r v e | e t s 7 2 t 和 b a n d e l e t s 玎】等，被于图像去噪任务。 1 2 论文主要内容 本人在攻读博士学位期间。对基于小波的图像去噪方法进行了系统研究。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。基于小波的图像去噪方法种类繁多， 根据这些去噪方法基于的统计模型的不同对它们进行了分类，并从理论上分析了 基于统计模型的去噪方法的性能。目前，小波图像去噪方法研究的都是静止灰度 图像的去噪问题。本人把基于灰度图像的小波图像去噪方法扩展到视频序列，并 针对视频序列单帧小波去噪存在的问题，提出了基于帧问滤波的解决方法。 在对小波图像去噪方法深入研究的基础，取得了如下创新性成果： 令小波域w i e n e r 滤波图像去噪方法 空域w i e n e r 滤波虽然具有较高的峰值信噪比，但是图像中仍然残留了较多噪 声，图像的视觉质量并不高。小波变换去除了图像的大部分相关性，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w i e n e r 滤波图像去噪方法。当 予带小波系数稀疏时采用硬门限法；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w i e n e r 滤波方法去噪。该方法的运算复杂度与门限法接近， f e i 是比最好的门限法一s u 礓软门限法和贝叶斯软门限法一有更好的视觉质量和 更高的峰值信噪比。 夺 一种空删自适应f j 限去嗓方法 小波变换去除了图像的大部分相关体，但是图像的小波系数之间仍然残留确 北京邮电大学博士学位论文第一章绪论 j t 度内和尺度问相关性，且尺度内相关性比尺度间相关性更强。如果能够对小波 系数的概率分粕精确建模，并利用小波系数的尺度内和尺度间相关性去噪，则叫 以显著提高小波图像去噪方法的性能。根据大量的仿真可以发现，图像的小波系 数服从广义高斯分布，图像信号的小波系数方差在邻域窗内高度相关。当小波系 数为广义高斯分御时，由贝叶斯最小均方误差估计，得到最优软门限盯2 c r 。盯、 为子带内小波系数的方差。如果对每个小波系数估计盯。，则得到了与图像局部 特征相适应的门限值。在邻域窗内，图像信号的小波系数的方差高度相关，采用 最大似然估计( m l ) 方法来估计每个小波系数对应的图像信号的方差，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- 4 , 波 系数概率分布模型和尺度内相关模型，因此得到了和更复杂的i a 洲模型去噪 相比拟的性能。 夺视频序列小波去噪方法 对视频序列中的每一帧图像进行小波去嗓，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嗓时引入 的a r t i f a c t 每一帧之间不同，连续播放时造成了“蚊予”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问加权平均。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，以阻止边缘模糊。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时间滤波器好得多的视觉质量和峰值信 噪比。 在攻读博士学位期间，参与了原北京电信基于d s p 的单机型n i s d n 可视电 话终端”项目的研制丌发。该“n i s d n 可视电话终端”通过了信息产业部电信传 输研究所的测试。该终端服从h 3 2 0 f 7 4 】框架协议，我做了如下工作： 冷利用嵌入式操作系统p s o s 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、视频编解码任务之间的数据交互、任务同步等，整个 软件系统能够协调、稳定运行。 夺承担了呼叫控制协议h 2 4 2 ”j 和多媒体数据复接解复接协议h 2 2 1 1 7 叫部分的 丌发。 夺承担t g 7 2 9 算法的优化实现工作。h 3 2 0 框架协议在语音编码部分规定了多 个标准，包括g 7 1 1 f 7 ”、g 7 2 8 1 7 8 i , f d g 7 2 9 1 7 ”。g 7 1 l 码率高达6 4k b s ，主要是 北京邮电大学博士学位论吏 第一章绪论 【2 ) ( 3 f 4 f 5 】 ( 6 【7 】 【8 】8 【9 】 为了实现可视电话之间或可视电话和普通电话之间的互通。要提高信道的利 用率，可视电话终端最好具备g 7 2 8 和g 7 2 9 编解码能力。但是，由于g 7 2 8 和 g 7 2 9 编解码算法比较复杂，直接在可视电话硬件平台t m l 3 0 0 上运行，不能 做到实时编解码。因此，需要对g 7 2 8 和g 7 2 9 进行优化，我承担了g 7 2 9 算法 的研究和优化工作。优化时，编一秒的语音数据需要l 钌百万个时钟周期。 优化后为1 3 6 百万个时钟周期。 1 0 】 【1 2 1 【1 3 】 参考文献 s v v , s e 酌i ， a d v m e a l 磷聊越h w 榴i n ga n dl q o i r 。d 燃i o ”j d mw i l e y s o n s ， i n c 护e d i t i o n , 2 0 0 1 d c w a n gt a x ia h v t 霉舢i ，“g r a d i e n tr e v e 瞄ew e i g l 删= m o t h t a g 轼抽嘣ka n d e v a l u t i o no f i t sr , e r f o n m a ，”。g i p ，v 0 1 1 6 ，p p 1 6 7 - 1 8 1 ，1 9 8 1 ft o m i t ta n ds t s u j i ，。e x t m d f i o no ft m j 毗r * g i o mb ys m o o t h i n g 如s e l e c t e d n e i g h b o f l - g a 池，”i e e et r a m 8 扣m c y b o m ，1 9 7 7 ，v 0 1 7 ，p p t 0 7 1 0 9 mn a g t o 羽t 1 v i 柚m y l m m , “e 姆p f e 翱嘶g 硼科峨”c g l p ，v 0 1 9 ，l a p 3 9 4 - - 4 0 7 ， 1 9 7 7 j w t 妇y ，n 甜出n 铭r 抽翻_ p 弘塔幽l e ) 硼融1 1 0 d lf o r 甜饿日出i 鸭d a t a ，”e a s c o n 7 4 ，p p 6 7 3 ，1 9 7 4 l y i n ，r y m g ，m g j 妯。晦。a n dy n e u v o ，“w e i g h t e dm o d i a nf i l t e r s ：at u t o r i a l ，”i e e e t r a n s c i r c u i t sa n ds y a e m s , 州4 3 ，p p 1 5 7 - 1 9 1 ，1 9 9 6 t ，c h e n ，k 一i cm a ，a n dl - h c h e n ， t r i - s t a t ei n e d i a nf i l t e rf o ri m a g ed e n o i s i n g ，”i e e e t f a n si r m g ep r o c ，v 0 1 8 。p p 1 8 3 4 1 8 3 8 ，1 9 9 9 a p w i t l d n ，“s c a l e 罐噼f a t e t i n g ，”i l l p r o c ，h a t c o n f a t t i f i e i t ll m t e i l i g e n e e ，1 9 8 3 ，p p 1 0 1 9 - 1 0 2 3 p p e r o u aa n dj m a l i k ，“s c a l es p a c ea n de d g ee k ：t o e t i o nu s i n ga n i s o t r o p i cd i f f u s i o n ，” i e e et t a n s p a t t e r na n a l ，m a c h i n el m e l l ，v 0 1 1 2 ，l o p 6 2 9 - - 6 3 9 。j u l y1 9 9 0 r tw h i t a k e ra n d g g e r i g ，“v e c t o r - v a l u e dd i f f u s i o n ，”i ng e o m e t r y - d r i v e n d i f f u s i o n i nc o r r l p u t e rv i s