一种改进的小波阈值图像去噪方法

计算机与现代化

一种改进的小波阈值图像去噪方法

1.南阳理工学院计算机与信息工程学院，河南南阳473000；2.南阳理工学院软件学院，河南南阳473000

收稿日期:2014-12-29 出版日期:2015-04-27 发布日期:2015-04-29
作者简介:王琪（1987-），女，河南南阳人，南阳理工学院计算机与信息工程学院讲师，硕士，研究方向：图像检索，图像处理，模式识别；程彬（1987-），男，河南南阳人，南阳理工学院软件学院讲师，硕士，研究方向：数字媒体；杜娟（1986-），女，河南南阳人，讲师，硕士，研究方向：移动通信，MIMO-OFDM无线通信；徐国清（1986-），男，河南商丘人，副教授，博士，研究方向：图像处理，模式识别。
基金资助:
河南省高等学校重点科研计划资助项目（15A520025）

An Improved Method for Image Denoising Based on Wavelet Thresholding

1. College of Computer and Information Engineering, Nanyang Institute of Technology, Nanyang 473000, China;

2. College of Software, Nanyang Institute of Technology, Nanyang 473000, China

Received:2014-12-29 Online:2015-04-27 Published:2015-04-29

摘要/Abstract

摘要：

分析小波阈值去噪特点，针对软、硬阈值去噪存在伪吉布斯和边界模糊现象，提出一种改进的阈值函数和阈值估计方法，该阈值函数具有连续可导且偏差可变的特性，新的阈值估计方法具

有较好的自适应性。实验结果表明，该方法可以有效地去除白噪声干扰，无论从视觉效果上还是信噪比上，都优于软、硬阈值去噪方法。

关键词: , 图像去噪, 小波变换, 阈值函数, 阈值估计, 阈值去噪

Abstract:

Analyzing the characteristics of the wavelet threshold denoising, because that hard threshold denoising makes boundaries fuzzy and soft threshold denoising has

Gibbs phenomenon, an improved threshold function and threshold estimation method is proposed, the new threshold function is continuous differentiable and has variable deviation,

a new threshold estimation method has better adaptive. Experimental results show that the improved method can effectively remove the white noise, no matter from the visual

effect, or the signal-to-noise ratio, the improved method is better than the soft, hard threshold denoising.

Key words: image denoising, wavelet transform, threshold function, threshold estimation, threshold denoising

王琪1，程彬2，杜娟1，徐国清1. 一种改进的小波阈值图像去噪方法[J]. 计算机与现代化.

WANG Qi1, CHENG Bin2, DU Juan1, XU Guo-qing1. An Improved Method for Image Denoising Based on Wavelet Thresholding[J]. Computer and Modernization.

［1］李慧斌,刘峰. 小波变换和稀疏冗余表示的混合图像去噪［J］. 中国图象图形学报, 2012,17(9):1061-1068.
［2］陈晓曦,王延杰,刘恋. 小波阈值去噪法的深入研究［J］. 激光与红外, 2012,42(1):105-109.
［3］ Donoho D L, Johnston I M. Ideal spatial adaptation by wavelet shrinkage［J］. Biometrika, 1994,81(3):425-455. 
［4］ Donoho D L, Johbstone I M. Adapting to unknown smoothness via wavelet shrinkage［J］. Journal of the American Statistical Association, 1995,90(432):1200-1224.
［5］ Wang Shuxin, Xiao Xuezhong, Wang Yanhui,et al. Denoising method for shear probe signal based on wavelet thresholding［J］. Transaction of Tianjin University, 2012,18

(2):135-140.
［6］ Abdourrahmane M A, Dominique P, Gregoire M. Wavelet shrinkage: Unification of basic thresholding functions and thresholds［J］. Signal, Image and Video Processing,

2011,5(1):11-28.
［7］ Donoho D L. Denoising by soft thresholding［J］. IEEE Transcactions on Information Theory, 1995,41(3):613-627.
［8］刘平，王磊，郭中华，等. 基于小波变换的边缘保留图像去噪改进算法［J］. 电视技术, 2014,38(5):13-15.
［9］李蕴奇. 基于小波变换的图像阈值去噪及其效果评估［J］. 东北师大学报（自然科学版）, 2012,44(1):60-66. 
［10］Mehmet U, Muammer G, Abdulkadir S, et al. Denoising of weak ECG signals by using wavelet analysis and fuzzy thresholding［J］. Network Modeling Analysis in Health

Informatics and Bioinformatics, 2012,1(4):135-140.
［11］Wen Nu, Yang Shizhi, Zhu Chengjie, et al. Adaptive contourlet-wavelet iterative shrinkage/thresholding for remote sensing image restoration［J］. Journal of Zhejiang

University (Science C), 2014,15(8):664-674.
［12］王彦青,魏连鑫. 一种改进的小波阈值去噪方法［J］. 上海理工大学学报, 2011,33(4):405-408.
［13］王大凯,彭进业. 小波分析及其在信号处理中的应用［M］. 北京:电子工业出版社, 2006.
［14］Mehd N, Hossein N. Image denoising in the wavelet domain using a new adaptive threholding function［J］. Neurocomp Uting, 2009,72(4):1012-1025.
［15］Mitsuru I, Reiko M, Kuniharu I. A new evaluation method for image noise reduction and usefulness of the spatially adaptive wavelet thresholding method for CT images［J］

. Australasian Physical & Engineering Sciences in Medicine, 2012,35(4):475-483.
［16］武海洋，王慧，裴宝全. 一种阈值改进的邻域小波系数法图像去噪［J］. 计算机工程与应用, 2011,47(27):203-205.
［17］程文松，陈劲松. 一种新的改进阈值的小波包图像去噪方法［J］. 西安科技大学学报, 2010,30(4):479-483.

[1]	周成诚, 曾庆军, 杨康, 胡家铭, 韩春伟. 基于高效通道注意力模块的运动想象脑电识别[J]. 计算机与现代化, 2023, 0(12): 19-23.
[2]	徐康健, 龚泓宁, 李灿, 佟德宇. 基于SVR的嵌入强度自适应的图像水印算法[J]. 计算机与现代化, 2023, 0(03): 38-42.
[3]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[4]	李宇斌, 于涛. 基于瞬时频率响应函数的间歇过程时段划分[J]. 计算机与现代化, 2022, 0(02): 65-69.
[5]	赵聪慧, 冯庆胜. 基于DT-CWT和SVM的踏面旋转不变纹理提取算法[J]. 计算机与现代化, 2021, 0(12): 85-90.
[6]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[7]	陈丝雨, 庄毅, 李静. 基于LSTM网络的移动云计算多元负载预测模型[J]. 计算机与现代化, 2021, 0(06): 74-85.
[8]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[9]	魏健, 赵红涛, 刘敦楠, 加鹤萍 . 基于集成模型的超短时负荷预测方法[J]. 计算机与现代化, 2021, 0(03): 12-17.
[10]	贾建忠. 基于小波变换和CPN网络的手写签名鉴别[J]. 计算机与现代化, 2020, 0(07): 27-31.
[11]	王可1,2，李晖1,2，陈梅1,2，戴震宇1,2，朱明3. 一种面向工作负载预测的基于小波变换的特征提取方法[J]. 计算机与现代化, 2020, 0(05): 1-.
[12]	殷学杰，马玉梅，潘振宽. 基于饱和系统随机共振的图像去噪算法[J]. 计算机与现代化, 2019, 0(12): 44-.
[13]	张超，李小平. 一种灰度化混合法在集装箱箱号识别中的运用[J]. 计算机与现代化, 2019, 0(05): 41-.
[14]	张异凡,王浩任,史浩天,刘成良. 基于小波变换和希尔伯特包络分析的QRS波检测算法[J]. 计算机与现代化, 2019, 0(05): 96-.
[15]	段桂芹1，邹臣嵩2，刘锋2. 基于优化初始聚类中心的K中心点算法[J]. 计算机与现代化, 2019, 0(04): 1-.