劉美琪 吐爾洪江?阿不都克力木

摘要：在D.L.Donoho等人提出的閾值圖像去噪的基礎(chǔ)上，提出了一種基于二進小波的多閾值去噪算法。針對傳統(tǒng)軟硬閾值函數(shù)的缺陷，本文提出了一個新的閾值函數(shù)，并給出了通用閾值的一種改進形式，為分析此方法的去噪性能，對同一圖像疊加不同水平的高斯噪聲的情況進行了實驗。相比傳統(tǒng)的閾值去噪算法，改進的算法不僅改進了硬閾值函數(shù)在閾值處不連續(xù)的缺點，而且克服了軟閾值模型中原系數(shù)與經(jīng)過閾值處理后的系數(shù)之間有恒定偏差的缺點。通過實驗仿真，在圖像去噪中具有更高的信噪比，取得了更好的視覺效果，具有更好的實用性。

關(guān)鍵詞：二進小波變換;小波系數(shù);多閾值;峰值信噪比中圖分類號：TP311? 文獻標識碼：A

文章編號：1009-3044（2021）29-0102-03

在圖像的生成和傳輸過程中經(jīng)常會被各種噪聲干擾和影響，因而導(dǎo)致圖像的質(zhì)量有所降低，在進行圖像邊緣檢測和圖像分割過程中，圖像由于存在噪聲造成圖像信噪比下降，這不僅對圖像的主觀質(zhì)量造成影響，而且對后續(xù)的圖像處理也造成不便，因此為了更好地抑制噪聲和改善圖像質(zhì)量，必須對圖像進行去噪處理[1-3]。

由于小波變換的多分辨率及其能量集中特性使之成為圖像去噪領(lǐng)域研究的一個熱點。目前常用的濾波方法有中值濾波、維納濾波、小波軟硬閾值濾波法等。在傳統(tǒng)的去噪方法中有著保護圖像特征和抑制噪聲之間的矛盾[4]。而隨著小波理論的發(fā)展，不同的小波閾值去噪方法被許多學(xué)者提出，文獻[5-6]對所有系數(shù)采用同一閾值，而沒有考慮不同尺度小波系數(shù)之間的關(guān)系，而且該方法中使用的正交小波變換缺乏平移不變性，會容易使去噪后的圖像出現(xiàn)Gibbs效應(yīng)。文獻[7]針對硬閾值函數(shù)在閾值處不連續(xù)的缺點，提出一個新的閾值函數(shù)，但效果沒有很明顯，重構(gòu)后圖像與原圖也不是很逼近。

本文引入具有平移不變性的二進小波變換，并對不同尺度的系數(shù)采用不同的閾值，這充分考慮了小波系數(shù)之間的相關(guān)性，而且提出新的閾值函數(shù)，不僅改進了硬閾值函數(shù)在閾值處不連續(xù)的缺點，而且克服了軟閾值模型中原系數(shù)與經(jīng)過閾值處理后的系數(shù)之間有恒定偏差的缺點。實驗結(jié)果表明，該方法較好地實現(xiàn)了圖像的去噪。

1二進小波變換

二進小波變換是在連續(xù)小波變換的基礎(chǔ)上對尺度因子進行二進制離散而保持平移因子連續(xù)變化得到的一種半離散小波變換[8-9]。二進小波變換沒有進行采樣操作，因此其具有平移不變性。在圖像去噪等眾多領(lǐng)域中平移不變性十分重要，它很好地保證了圖像原來重要細節(jié)信息的位置在二進小波變換域中不會發(fā)生較大偏移，非常有效地避免了非線性變換造成的視覺形變[10]。在實際應(yīng)用中，幾乎都是在圖像取離散的形式下進行圖像處理的，因此引進二進小波變換的離散算法很有必要，Mallat在二進完全重構(gòu)條件下構(gòu)造了一類可實現(xiàn)快速二進小波變換的àtrous算法，它與Mallat算法具有相同的算法結(jié)構(gòu)。將一種改進形式的一維àtrous算法[9]推廣得到如下二維àtrous算法[11]，用于圖像的分解與重構(gòu)。

定理1：二進小波分解與重構(gòu)。

二進小波分解公式：

2二進小波濾波器

為了應(yīng)用àtrous算法對圖像進行分解和重構(gòu)，需要構(gòu)造滿足二進小波重構(gòu)條件的二進小波濾波器來達到較好的圖像處

理效果。下面給出二進小波濾波器的定義：

定理2：若分解濾波器（h，g）和重構(gòu)濾波器（，）的Fourier變換滿足二進小波重構(gòu)條件?（ω）（ω）+ ?（ω）（ω）= 1，則稱{h，g，，}為二進小波濾波器。

本文采用T.Abdukirim構(gòu)造的B-樣條二進小波濾波器[1]：

低通濾波器：

高通濾波器：（ω）= （-1）τ e-i 2 ω （sin（ω ））r，

其中τ ={?????? r =2n?? r =2n +1

3閾值函數(shù)去噪

在閾值去噪的過程中，閾值函數(shù)是對系數(shù)進行不同處理的策略。硬閾值函數(shù)較好地保留了圖像邊緣等特征，但會伴隨振鈴效應(yīng)等視覺失真現(xiàn)象，而軟閾值函數(shù)處理得相對平滑，但會造成邊緣模糊現(xiàn)象[5]。

針對二者的缺點，提出一種新的閾值函數(shù)：

觀察該閾值函數(shù)模型可以發(fā)現(xiàn)當α 等于π 時，該模型的作用與軟閾值模型相當;當閾值λ 很小時，該模型的作用與軟閾值模型相當。可見改進的閾值函數(shù)是介于軟硬閾值函數(shù)之間的一個靈活選擇。改進后的算法不僅解決了硬閾值函數(shù)在閾值處不連續(xù)的缺點，而且當時是高階可導(dǎo)的，便于進行各種數(shù)學(xué)處理。且隨著的增大，逐漸接近，克服了軟閾值模型中與之間有恒定偏差的缺點。

新閾值函數(shù)的連續(xù)性、可導(dǎo)性、漸近性分析如下（這里f（x）代替新閾值函數(shù)中的，x代替新閾值函數(shù)中的）。

①連續(xù)性分析：

lim f（x）= limsgn（x） =0，

lim f（x）= 0，

即lim f（x）= lim f（x） ，f （x）在x =λ 連續(xù)。

②可導(dǎo)性分析：

?f?? =1 （λ+ λcosα）- ，?f?? =0，

當α= π時，?? =??? 新的閾值函數(shù)滿足可導(dǎo)性。

③漸近性分析：

同樣x <0時，有f（x）→ 1（x →-∞）。

同時，

f（x）- x = sgn（x）[（x +λcosα）（x -λ）]12- x →0（x →∞） ，

所以改進的閾值模型以y = x為漸近線。

大量研究表明，通用閾值具有對小波系數(shù)“過扼殺”的傾向，將小于閾值的系數(shù)全部置為0可能會丟失部分表示圖像信息的系數(shù)[11]。

通用閾值[12]：λ= σ ，通用閾值的一種改進形式：

其中，σ為噪聲方差，N為圖像大小。隨著尺度j 的增大，λj的值逐漸減小，使其與噪聲在小波變換各尺度上的傳播特性相一致。其中σ可取σ2= median| d，k |/0.6754。

二進小波變換的閾值去噪算法如下：

①圖像的二進小波分解：對含噪圖像 f（m，n）（m，n =1，2，...，N），選擇合適的小波濾波器用二進小波分解公式進行J層分解，得到一個低頻系數(shù)aJ，m，n和一組高頻系數(shù)d，m，n （i =1，2，3）;

②高頻系數(shù)的閾值處理：將高頻系數(shù) ，取閾值函數(shù)對其處理，得到估計系數(shù)d?ji，m，n （i =1，2，3）;

③圖像的二進小波重構(gòu)：將估計系數(shù)聯(lián)合低頻系數(shù)aJ，m，n用二進小波重構(gòu)公式進行重構(gòu)得到去噪后的圖像.

4實驗仿真與分析

實驗采用大小為240×320的圖像belmont2作為測試對象，對其疊加不同水平的 Gaussian 噪聲，采用T.Abdukirim構(gòu)造的

B-樣條二進小波濾波器[1]：

對圖像進行分解，對分解后的高頻系數(shù)分別采用傳統(tǒng)的軟、硬閾值以及本文提出的多閾值去噪方法進行閾值化。采用峰值信噪比（PSNR）作為去噪效果的客觀評價標準，計算公式

圖1為噪聲水平為20的圖像情況，其中（a）為原圖像，（b）為含噪圖像，（c）為硬閾值去噪圖像，（d）為軟閾值去噪圖像，（e）為本文方法去噪后圖像。

從圖1可以對比發(fā)現(xiàn)，改進的閾值函數(shù)去噪效果要比軟硬閾值函數(shù)去噪效果要好，且用二進小波變換處理圖像比用正交小波變換處理圖像更有效地解決了圖像的Gibbs效應(yīng)，且從數(shù)據(jù)對比可以看出，改進的閾值函數(shù)的信噪比PSNR都大于軟硬閾值的PSNR。另外去噪的處理效果和計算結(jié)果都與閾值函數(shù)中的閾值設(shè)置有關(guān)，且從圖中可以看出對不同尺度使用不同閾值的處理效果要比在不同尺度使用同一閾值效果要好，如果閾值設(shè)置適中，其去噪性能也會有不同程度的提高。

5結(jié)束語

該文針對圖像去噪中的多閾值去噪方法進行研究，分析了傳統(tǒng)閾值去噪的缺陷，并在已研究的基礎(chǔ)上提出一種新的基于二進小波變換的多閾值去噪方法，實驗結(jié)果表明，該方法比傳統(tǒng)的閾值去噪方法有更好的效果。如何根據(jù)小波分解后三個高通部分的特點為其設(shè)置不同的閾值函數(shù)進行圖像去噪，這將有待進一步的研究。

參考文獻：

[1]吐爾洪江·阿布都克力木.小波信號處理基礎(chǔ)[M].北京：北京郵電大學(xué)出版社，2014.

[2] S.G. Mallat. A Wavelet Tour of Signal Processing[M].Beijing：

China Machine Press.2002.

[3]李慶武，陳小剛.小波閾值去噪的一種改進方法[J].光學(xué)技術(shù)， 2006，32（6）：831-833.

[4]吳志寒.基于小波變換在圖像去噪中應(yīng)用[J].華東交通大學(xué)學(xué)報，2007，24（1）：85-88.

[5]李智，張根耀，王蓓.基于一種新的閾值函數(shù)的小波圖像去噪[J].計算機技術(shù)與發(fā)展，2014，24（11）：100-102，106.

[6]謝家林，李根強，謝家麗，等.改進閾值函數(shù)在圖像去噪中的應(yīng)用[J].空軍工程大學(xué)學(xué)報（自然科學(xué)版），2016，17（1）：72-76.

[7]李世博.基于小波變換的圖像閾值去噪的改進方法[J].電腦知識與技術(shù)，2007，3（2）：532-533.

[8]吐爾洪江·阿布都克力木，阿布都許庫熱·阿布都克力木，張海英 .二進小波的構(gòu)造方法研究[J].純粹數(shù)學(xué)與應(yīng)用數(shù)學(xué)，2012， 28（2）：149-154.

[9] T. Abdukirim Turki. Dyadic wavelet theory and its application [M]. Beijing： Beijing University of Posts and Telecommunica? tions.2016.

[10]費佩燕，郭寶龍，章正宇.基于二進小波變換的圖像去噪技術(shù)研究[J].西安電子科技大學(xué)學(xué)報，2003，30（4）：492-496.

[11]吐爾洪江·阿布都克力木，阿布都許庫熱·阿布都克力木，艾熱提·阿不力克木.基于二進小波變換的圖像閾值濾波法的性能分析[J].新疆師范大學(xué)學(xué)報（自然科學(xué)版），2013，32（2）：1-7.

[12] Donoho D L.De-noising by soft-thresholding[J].IEEE Trans? actions on Information Theory，1995，41（3）：613-627.

【通聯(lián)編輯：李雅琪】