基于小波與小波包的維納濾波去噪新算法.pdf

1、隨著信息化高度發(fā)展，圖文信息使用范圍也越來越廣泛，由于圖像信息的直觀易懂，圖像在信息傳播領(lǐng)域起著非常重要的作用。但在各種電波充斥的今天，圖像在產(chǎn)生的過程中不可避免地受到各種干擾，噪聲就是其中之一。因此，為了后續(xù)更高層次的處理，很有必要對圖像進行去噪。然而在當(dāng)前流行的眾多去噪算法中，小波域維納濾波去噪效果并不理想，容易出現(xiàn)抖動、部分失真、偽Gibbs陰影或輕微模糊效應(yīng)等問題。這是因為小波變換與維納濾波簡單的融合可視為一種特殊的閥值去噪算法

2、，該算法很難滿足對非平穩(wěn)信號的多尺度精確去噪的需求。同時在去噪過程中，研究者總是默認局部維納濾波窗口下的高斯噪聲的均值為零，這一點未被證實，也未必符合事實，其結(jié)果可能會導(dǎo)致維納濾波系數(shù)的估計出現(xiàn)不可忽略的偏差。
　　針對上述問題，本文在原有的算法基礎(chǔ)上進行如下改進:
　　首先根據(jù)小波域下的維納濾波系數(shù)公式及局部窗口下的高斯噪聲均值不為零的猜想，為該公式引入噪聲自適應(yīng)修正因子η，其值依據(jù)系數(shù)方差分布特性進行估計。
　　其

3、次以迭代小波基和窗口的方式，周期性地對圖像進行小波域維納濾波去噪，以彌補原算法的固定小波基與固定窗口在信號頻率處理上的不足。雖然前述改進的算法取得不錯的去噪效果，但其依然有缺點:計算量大，無法對高頻信息進行多層劃分精確去噪。
　　因此本文最后又提出一種基于小波包的維納濾波去噪新算法，該算法直接利用小波包替代小波，對圖像進行四層分解，得到32塊能量區(qū)，同時每塊能量區(qū)在進行濾波處理時引入噪聲自適應(yīng)修正因子η，以達到更細致地去噪處理。<