图像去噪的论文研究—采用修正维纳滤波与小波包变换方法.pdf

简介：
本文探讨了一种基于修正维纳滤波和小波包变换相结合的方法用于图像去噪的研究。通过理论分析和实验验证，证明了该方法在去除噪声的同时能有效保留图像的细节信息。 图像去噪是图像处理中的一个重要环节。为了改善降质图像的质量，基于Donoho提出的小波阈值去噪算法，并分析了维纳滤波原理，本段落提出了一种结合修正维纳滤波与小波包变换的图像去噪方法。 具体来说，在该方法中首先利用修正后的维纳滤波处理噪声图像。接着计算经过此步骤后得到的新图的标准方差作为后续的小波包阈值。然后通过小波包对已经过维纳滤波的图像进行分解，分别针对低频和高频部分执行进一步操作。 之后应用之前确定好的阈值于小波包树系数上完成软阈值处理，并最后利用逆向小波变换获取去噪后的最终结果图。 实验结果显示，在噪声方差为0.01的情况下，采用该算法进行去噪的图像PSNR比使用传统的小波包自适应阈值方法高出8.8 dB。此外，这种方法不仅能有效去除加性高斯白噪声，还能较好地保留边缘信息，并显著提升视觉效果。