基于+Matlab+实现小波阈值去噪的图像处理方法

现代电子技术(modern electronics technique ) 2013年3月1日第36卷第5期Mar.2013 Vol.36 No.5 0受到电子设备干扰、传感器振动、高磁场干扰等各种噪声干扰的影响，数字图像的转换后的质量下降，对图像进行后续处理，例如需要减少或去除噪声以减少噪声对图像的干扰。 近年来，随着小波分析理论的成熟，其应用也越来越广泛，特别是在图像去噪、分割和压缩等方面，它们是当时频域化特性良好、能够灵活提取信号局部特异特征的特性。 为达到噪声消除的目的，在小波中处理包括噪声的信号2。 目前去噪技术的重要分支和研究方向是基于小波理论的图像去噪技术，已引起人们的充分重视。 基于Matlab的小波阈值去噪法的概要1.1小波阈值去噪法的概要Donoho和Johnstone教授在1992年提出了阈值去噪法(Wavelet Shrinkage )。 这是一种统计优化的特性良好的去噪方法3。 其主要思想是小波变换图像与噪声的统计特性不同，其中图像本身的小波系数具有较大的值，主要集中于高频，噪声的小波系数的振幅较小，存在于所有的经小波变换的系数中。 因此，设置阈值，以便收缩和保持具有大于占用主成分的阈值的小波系数的有用信号，而对于小于该阈值的小波系数，该噪声是主成分并且应该被去除，从而实现了去除噪声。 通常，如果去除噪声，那么包含许多图像能量的低通系数不被处理，只处理单个高通部分。 因此，为了完全去除噪声，不能仅去除一次阈值噪声，需要通过执行低频部分的阈值噪声去除和小波分解，估计图像与实际图像之间的偏差值是最小的。 然而，随着分解和去噪的次数的增加，小波系数的噪声能量减少，变得容易分散，并且去噪的效果逐渐降低。 一般而言，进行34层小波分解和去噪能够得到良好的去噪效果。 基于1.2Matlab的小波去噪函数介绍MATLAB小波包提供了全面小波变化及其应用的各种功能，可以选择两种形式的图形化接口操作工具或去噪函数集利用小波去噪函数的集合在Matlab中进行了一系列实验，概述了Matlab去噪的图像处理方法张天祥、黄小欣(河南省民政学校、河南郑州450002 )概述：小波去噪的基本原理，基于Matlab的小波去噪结合理论分析，进行了基于Matlab的小波阈值去噪处理仿真。 在实际图像处理过程中，为小波阈值去噪方法的选择和改进提供了数据参考和依据。关键字：小波变换图像去噪阈值Matlab中图分类编号： TN911.7334文献识别码： a报道编号： 1004373x(2013 ) 05010303 realizationofwaveletthresholddenomingmethodbasedonmatlabforimageprocessing Zhang tianxing，huancivilaffairing zhengo 45002 ) China ) abstract:thisparessummarizesthebasicprinciplesofthewaveletthresholddenising， introducesmatlabbasedwaveletdenomingfunction andelaboratesmaintasksofwaveletthresholddenising.ini addition， 基于conbedwiththeoreticanalysis MATLAB的waveletthresholddenisingprocessingissimulated.theparperservesaadardrefortheselection和improtheselection olddenomingmethodinactualimageprocessing.keywords:wavelet transform； image denoising； threshold； Matlab的原稿日： 2013年11月23日103103现代电子技术2013年第36卷体会到小波去噪的强大功能4。 Matlab实现了图像降噪，主要工作是阈值选择和图像降噪两方面。 用于实现阈值获取Matlab中的阈值获取的函数包括ddencmp、select、wbmpen和wdcbm2。 在此主要说明函数ddencmp。 函数ddencmp的功能是获取噪波和压缩的默认值。 此函数是噪声和压缩导向函数，它使用小波或小波包为一维或二维信号提供噪声和压缩常规过程的所有默认值。 其语法形式为： THR，SORH.KEEPAPP，CRIT=ddencmp (IN1，IN2，X) THR，SORH.KEEPAPP=ddencmp (IN1，wv ，X) THR，SORH.KEEPAPP，CRIT=ddencmp (IN1， WP )即X) 1.2.2用于在阈值噪声降低Matlab中实现阈值噪声降低的函数为wden、wdencmp、wpdencmp、wthesh、wpthoef和wthcoef2。 在此主要介绍函数wdencmp。 其语法形式为： XC，CXC，LXC，PERF0，perf L2 =wdencmp (gb1，x，wname，n，THR，SORH，KEEPAPP) XC，CXC，LXC，PERF0，perf L2 =wdencmp (lvd，x， wname、n THR、SORH) XC、CXC、LXC、PERF0、perf L2 =wdencmp (gb1、c、lwname、n、THR、SORH )函数wdencmp的功能是去除小波的噪声。 该函数是二维小波噪声的导引函数。 使用小波对信号和图像执行降噪处理。 wname是要使用的小波函数。 gb1 (global )表示按每层以相同的阈值进行处理。 lvd表示每个图层处理不同的阈值。 n表示小波分解的层数。 THR是阈值向量，长度是n。 SORH选择软阈值或硬阈值(分别为s或h)。 参数KEEPAPP将表示低频系数不进行阈值量化的值设为1，相反，取表示低频系数进行阈值量化的值。 XC是降噪后的信号，CXC、LXC是XC的小波分解结构，PERF0、PERFL2是恢复和压缩信号的比例。 在C，L为x的小波分解结构的情况下，PERFL2=100 (CXC向量的范数/C向量的范数) 2； 在x为一维信号且小波wname为正交小波的情况下，perfl2=100xc2x2。 基于2Matlab的小波去噪试验根据上述小波阈值变化的信号去噪算法和小波阈值函数进行了计算机仿真，仿真程序用MATLAB语言编写。 首先生成实验信号，然后对小波去噪时的各种参数设定进行了详细的比较研究，最后用Matlab语言进行了图像小波去噪仿真。 2.1生成实验信号本节中使用的实验信号是包含具有wnoise ()函数的长度为211点、标准高斯噪声、信噪比为3的“heavysine”的图像信号。 Matlab工具箱提供函数wnoise，并且实现了产生测试噪声以便检测小波去噪性能的功能。其语法形式为X=wnoise (FUN，N) X，xn=wsnoise(FUN，n，SQRT_SNR) X，xn=wsnoise(FUN，n，SQRT_SNR，INIT )，其中X=wnoise (FUN，n )表示振幅为0， 生成在-1之间长度为211的信号，该信号的类型包括由fun指定的X，XN=wnoise (FUN，n，SQRT_SNR )白噪声，并且SQRT_SNR是信号噪声比，X，XN=wnoise (FUN，n，SQRT_SNR，INR ) 图1示出了为上述文件生成的测试信号的模式。 图1的包括原始信号和噪声信号的2.2Matlab仿真噪声消除效果Matlab工具箱提供用于自动利用小波来实现一维信号的噪声消除的函数wden，对x信号进行噪声消除处理，并且对处理后的信号XD和XD的小波基于信号的小波分解结构CXD，LXD对信号进行去噪处理。 其语法形式是通过在XD，CXD，LXD=wden (X，TPTR，SORH，SCAL，n，wname ) xd，CXD，LXD=wden (C，l，TPTR，SORH，SCAL，n，wname )中设定TPTR的值，从而设定4种不同的阈值规则对于给定阈值，如果获得其似然估计并且将似然最小化，则获得所选阈值。 (2) tptr=sqtwology采用固定的阈值形式，所产生的阈值的大小为sqrt (2*log (length (X ) ) )。 (3) tptr=heur sure是上述两个阈值的总和，是用于实现基于Matlab的小波阈值噪声去除的图像处理方法的最佳预测变量阈值选择。 如果噪声比小(估计有大噪声)，则使用此启发性阈值。 (4) tptr=mini axi采用极小的原理，产生最小平均误差值，而非没有误差。 统计学上，这个极值原理是设计估计器。 该极值估计器可以在给定的函数集合中最小化最大均方差，因为被去除了噪声的信号被认为类似于未知回归函数的估计公式。 本文给出的图像是二维信号，并且在二维信号的小波域中的噪声降低方法的基本思想可以使用与一维情况类似地、归一于阈值选择的全局阈值。 尽管在小波工具箱中提供了用于小波变换的函数，但是在图像处理中使用小波变换来去除图像中的噪声是有效的方式，而在使用小波函数来去除图像中的噪声的过程中， 首先，噪声去除默认函数ddencmp被用于确定噪声的默认值，然后，全局阈值5可以被用于使用小波函数wdencmp的图像噪声去除。 在这个例子中，首先将随机噪声加到原始噪声图像“sinsinsin.mat”中，获得相应于噪声图像，利用“sym4”对噪声图像执行小波噪声去除处理，并且使用全局阈值。 相应的Matlab程序具有snr=3； init=2055615866； xref，x =wo noise (3，11，snr，init) Lev=5； xd=wden (x，rigrsure，s，SLN，lev，sym 8)。 subplot (221 )、plot (xd )和axis (1 2048 -10 10 ) title (rigrsure)； xd=wden (x，heur sure，s，SLN，lev，sym 8)。 subplot (222 )、plot (xd )和axis (1 2048 -10 10 ) title (heur sure)； xd=wden (x，sqtwology，s，SLN，lev，sym 8)。 subplot (223 )、plot (xd )和axis (1 2048 -10 10 ) title (sqtwology)； xd=wden (x，？ miniaxi ，？ s ，？ SLN 、lev、？ sym8； subplot (224 )、plot (xd )和axis (1 2048 -10 10 ) title (mini axi )； c，l=wavedec (x，lev，sym8 )； xd=wden (c，l，？ miniaxi ，？ s ，？ SLN 、lev、？ sym8； 执行结果如图2所示。图2的实验结果从包含噪声的图像中可以看出噪声的含量非常高，但是从噪声去除的结果中可以看出由Matlab进行的小波去除后的图像与原图像大致一致。 3结合理论分析，进行了Matlab小波阈值去噪处理仿真实验. 根据去噪的结果可知，基于Mat lab的小波去噪后的图像与原图像大致一致。 为实际图像处理过程中小波阈值去噪方法的选择和改进提供了数据参考和依据。 参考文献1李建平.小波分析与信号处理：理论、应用与软件实现M .重