【《不同算法图像降噪的效果对比分析概述》3800字】

其中m为该模板内所有像素个数的总和。 降噪后的图像如图1.5所示图图1.5均值滤波后的图像1.4.4中值滤波 中值滤波是统计排序滤波器的一种典型应用。中值滤波的基本原理是像素点与其领域内像素点按照从小到大或者从大到小的顺序排列，然后使用该序列中最中间的值代替原来的值，使像素值更加接近真实值。从而消除孤立的噪声点。一般来说该领域可以是直线、圆、矩形等。这里我们使用3*3的矩形。 降噪后的图像如图1.6所示图图1.6中值滤波后的图像1.4.5小波降噪 Donoho提出来的小波阈值去噪的基本思想是信号经过小波变换（使用Mallat算法）后，产生的小波系数包含了信号的重要信息。信号经小波分解后，小波系数较大，噪音的小波系数较小，噪音的小波系数小于信号的小波系数，通过选适合的阈值，认为大于阈值的小波系数有信号产生，应保留。将小于阈值的小波系数视为噪音产生，将其设置为零，从而达到降噪的目的。图图1.7小波变换去噪流程示意图 经小波滤波后的图像如图1.8所示图图1.8小波降噪后的图像1.4.6多小波降噪 多小波降噪与小波降噪原理十分相似，即图像经过多小波变换，图像的主要信息就集中在多小波域的低频子带上，对高频子带系数进行处理，去除含有噪声的系数。 经多小波降噪后的图像如图1.9所示图图1.9多小波降噪后的图像1.5各算法降噪效果对比 在试验中，对巴特沃斯高通滤波、均值滤波、中值滤波、高斯滤波、小波降噪和多小波降噪比较。得到表1.1。经验表明，RMSE越小，PSNR越大，图像降噪质量越好。为便于比较，我采用了统一的新阈值法。小波是db级数小波，多小波是Sa4多小波。 理论上，空间滤波的效果（噪声平滑）和窗口宽度是密切相关的，窗口宽度越宽，则噪声平滑效果越好，这带来的缺点就是图像模糊，这个矛盾很难处理的，这是中值和均值滤波所共有的特性；频域滤波也有着同样的问题：无论噪声的种类什么样，她们的频谱覆盖范围广泛，几乎可以覆盖到整个频域，要是平滑效果好就要牺牲一部分图像轮廓；若要图像轮廓明显、清晰，就会损失一部分平滑效果。小波和多小波因为有多分辨率分析和良好的时频特性，所以在降噪方面有更好的效果。 因为多小波具有正交性，对称性等特征，所以具有很高的性能。从表中的数据能看出，平滑滤波不如小波去噪，多小波去噪优于于小波。证明了频域滤波优于空间滤波，多小波滤波优于于小波滤波。表表1.1各算法降噪效果对比方法图像巴特沃斯高斯滤波均值滤波中值滤波小波降噪多小波降噪亚历山大藻RMSE2.75911.85171.44132.92361.903421.85626SNR6.933012.490412.262412.401921.453422.5552窄隙角毛藻RMSE0.611450.534380.655320.49740.490830.45896SNR7.044111.511711.386711.531128.728130.2978短楔形藻RMSE1.411452.18041.98162.45061.355871.3489SNR6.992510.092410.111510.107618.498819.6554长角角藻RMSE5.392615.57139.65559.1175.3295.98934SNR6.695714.259811.237811.505817.550317.9873扁平多甲藻RMSE51.200624.2