圖像去噪方法及發(fā)展

圖像處理知識(shí)庫(kù) · 2015-12-29 23:49

圖像去噪方法及發(fā)展

現(xiàn)實(shí)中的數(shù)字圖像在數(shù)字化和傳輸過(guò)程中常受到成像設(shè)備與外部環(huán)境噪聲干擾等影響，稱(chēng)為含噪圖像或噪聲圖像。減少數(shù)字圖像中噪聲的過(guò)程稱(chēng)為圖像去噪。

一、概述

圖像是一種重要的信息源，通過(guò)圖像處理可以幫助人們了解信息的內(nèi)涵。但是圖像在生成和傳輸過(guò)程中常常因受到各種噪聲的干擾和影響而使圖像降質(zhì)，這對(duì)后續(xù)圖像的處理(如分割、壓縮和圖像理解等)將產(chǎn)生不利影響。噪聲種類(lèi)很多，如：電噪聲、機(jī)械噪聲、信道噪聲和其他噪聲。為了抑制噪聲，改善圖像質(zhì)量，便于更高層次的處理，必須對(duì)圖像進(jìn)行去噪預(yù)處理。消除圖像噪聲的工作稱(chēng)之為圖像濾波或平滑。數(shù)字圖像噪聲去除涉及光學(xué)系統(tǒng)、微電子技術(shù)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)分析等領(lǐng)域，是一門(mén)綜合性很強(qiáng)的邊緣科學(xué)，如今其理論體系已十分完善，且其實(shí)踐應(yīng)用很廣泛，在醫(yī)學(xué)、軍事、藝術(shù)、農(nóng)業(yè)等都有廣泛且成熟的應(yīng)用。

噪聲在理論上可以定義為“ 不可預(yù)測(cè)，只能用概率統(tǒng)計(jì)方法來(lái)認(rèn)識(shí)的隨機(jī)誤差”，因此將圖像噪聲看成是多維隨機(jī)過(guò)程是合適的， 因而描述噪聲的方法完全可以借用隨機(jī)過(guò)程的描述，即用其概率分布函數(shù)和概率密度分布函數(shù)。但在很多情況下，這樣描述方法是很復(fù)雜， 甚至不可能的，而實(shí)際應(yīng)用往往也不必要，通常使用其數(shù)值特征，即均值方差、相關(guān)函數(shù)等。因?yàn)檫@些數(shù)值特征都可以從某些方面反映出噪聲的特征。

二、圖像中的噪聲

噪聲對(duì)圖像信號(hào)幅度和相位的影響十分復(fù)雜，有些噪聲和圖像信號(hào)相互獨(dú)立不相關(guān)，有些是相關(guān)的，噪聲本身之間也可能相關(guān)。因此要減少圖像中的噪聲，必須針對(duì)具體情況采用不同方法，否則很難獲得滿意的處理效果。一般圖像處理中常見(jiàn)的噪聲有:

1.加性噪聲。

加性噪聲和圖像信號(hào)強(qiáng)度是不相關(guān)的， 如圖像在傳輸過(guò)程中引進(jìn)的“ 信道噪聲”、電視攝像機(jī)掃描圖像的噪聲的。這類(lèi)帶有噪聲的圖像可看成為理想無(wú)噪聲圖像f與噪聲n 之和，即g = f + n

2.乘性噪聲。

乘性噪聲和圖像信號(hào)是相關(guān)的，往往隨圖像信號(hào)的變化而變化，如飛點(diǎn)掃描圖像中的噪聲、電視掃描光柵、膠片顆粒造成等，這類(lèi)噪聲和圖像的關(guān)系是g = f + fn

3.量化噪聲。

量化噪聲是數(shù)字圖像的主要噪聲源，其大小顯示出數(shù)字圖像和原始圖像的差異，減少這種噪聲的最好辦法就是采用按灰度級(jí)概率密度函數(shù)選擇量化級(jí)的最優(yōu)量化措施。

4.“椒鹽”噪聲。

此類(lèi)噪聲如圖像切割引起的即黑圖像上的白點(diǎn)，白圖像上的黑點(diǎn)噪聲，在變換域引入的誤差，使圖像反變換后造成的變換噪聲等。

三、圖像中的去噪方法

人們根據(jù)實(shí)際圖像的特點(diǎn)、噪聲的統(tǒng)計(jì)特征和頻譜分布規(guī)律,發(fā)展了各式各樣的去噪方法,其中最為直觀的方法是根據(jù)噪聲能量一般集中于高頻、而圖像頻譜則分布于一個(gè)有限區(qū)間的這一特點(diǎn),采用低通濾波來(lái)進(jìn)行去噪的方法,例如滑動(dòng)平均窗濾波器,還有 Wiener 線性濾波器、基于一階濾波(排序量)的方法、基于馬爾可夫模型和基于偏微分方程(PDE,Partial Differential Equation)的方法和 Lp正規(guī)化方法等。而低通濾波是一把雙刃劍,它在消除圖像噪聲的同時(shí), 也會(huì)消除圖像的部分有用的高頻信息,因此,各種去噪方法的研究實(shí)際是在去噪和保留高頻信息之間進(jìn)行的權(quán)衡。減少噪聲的方法可以在圖像空間域或在圖像變換域完成。

1.圖像平滑。

圖像平滑處理視其噪聲圖像本身的特性而定,可以在空間域也可以在頻率域采用不同的措施。在空間域?qū)D像平滑處理常用領(lǐng)域平均法和中值濾波。

（1）鄰域平均法：是將一個(gè)像素及其鄰域中所有像素的平均值賦給輸出圖像中相應(yīng)的像素,從而達(dá)到平滑的目的,又稱(chēng)均值濾波。其過(guò)程是使一個(gè)窗口在圖像上滑動(dòng),窗口中心位置的值用窗內(nèi)各點(diǎn)值的平均值來(lái)代替, 即用幾個(gè)像素的灰度平均值來(lái)代替一個(gè)像素的灰度。其主要的優(yōu)點(diǎn)是算法簡(jiǎn)單、計(jì)算速度快,但其代價(jià)是會(huì)造成圖像一定程度的模糊。

（2）中值濾波：是一種基于排序統(tǒng)計(jì)理論的可有效抑制噪聲的非線性平滑濾波。其濾波原理是:首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域,一般為方形鄰域,然后將鄰域中各像素的灰度值進(jìn)行排序,取中間值作為中心像素灰度的新值,這里的鄰域通常被稱(chēng)為窗口;當(dāng)窗口在圖像中上下左右進(jìn)行移動(dòng)后,利用中值濾波算法可以很好地對(duì)圖像進(jìn)行平滑處理。中值濾波的輸出像素是由鄰域圖像的中間值決定的, 因而中值濾波對(duì)極限像素值(與周?chē)袼鼗叶戎挡顒e較大的像素)遠(yuǎn)不如平均值那么敏感,從而可以消除孤立的噪聲點(diǎn),可以使圖像產(chǎn)生較少的模糊。

2. 小波濾波。

近年來(lái),小波理論得到了非常迅速的發(fā)展, 而且由于其具備良好的時(shí)頻局部化能力和多分辨率分析能力,因而在圖像處理各領(lǐng)域有非常廣泛的應(yīng)用。在去噪領(lǐng)域中,小波理論深受許多學(xué)者的重視,他們應(yīng)用小波變換進(jìn)行去噪,并獲得了非常好的效果。

（1）模極大值重構(gòu)濾波：信號(hào)的模極大值重構(gòu)是利用信號(hào)在各個(gè)尺度上小波系數(shù)的模極大值來(lái)重構(gòu)信號(hào)。信號(hào)小波系數(shù)的模極大值包含了信號(hào)的峰變性與奇異性,如果可以從這些極大值來(lái)重構(gòu)信號(hào), 那么就可以通過(guò)處理小波系數(shù)的模極大值而實(shí)現(xiàn)對(duì)信號(hào)奇異性的修改,也可以通過(guò)抑制某些極大值點(diǎn)而去除相應(yīng)的奇異性,這是模極大值重構(gòu)濾波的基本思想。

模極大值重構(gòu)濾波方法是根據(jù)信號(hào)和噪聲在小波變換下隨尺度變換呈現(xiàn)出的不同變化特性提出的,有很好的理論基礎(chǔ),因而濾波性能較為穩(wěn)定,它對(duì)噪聲的依賴性較小,不需要知道噪聲的方差,特別是對(duì)低信噪比的信號(hào)濾波時(shí)更能體現(xiàn)其優(yōu)越性。然而它有一個(gè)根本性的缺點(diǎn),就是在濾波過(guò)程中存在一個(gè)由模極大值重構(gòu)小波系數(shù)的問(wèn)題, 從而使得該方法的計(jì)算量大大增加,另外其實(shí)際濾波效果也并不十分令人滿意。

（2）空域相關(guān)濾波：Witkin 首先提出了利用尺度空間相關(guān)性來(lái)對(duì)信號(hào)濾波的思想,對(duì)含噪信號(hào)經(jīng)過(guò)子帶分解后,從粗尺度到細(xì)尺度逐步搜索信號(hào)的主要邊緣,最終從噪聲背景中得到真實(shí)信號(hào)。Xu 在此基礎(chǔ)上,提出了空域相關(guān)濾波的方法。信號(hào)的突變點(diǎn)在不同尺度的同一位置都有較大的峰值出現(xiàn),噪聲能量卻隨著尺度的增大而減小。因此,可以取相鄰尺度的小波系數(shù)直接相乘進(jìn)行計(jì)算,這樣做相關(guān)計(jì)算將在銳化信號(hào)邊緣與其他重要特征的同時(shí)抑制噪聲,而且能夠提高信號(hào)主要邊緣的定位精度,更好地刻畫(huà)真實(shí)信號(hào)。

但其計(jì)算量大,需要迭代,并且用到了小波閾值濾波的一些思想。在實(shí)際應(yīng)用時(shí),還需要估計(jì)噪聲方差才能設(shè)定適當(dāng)?shù)拈撝怠?

（3）小波域閾值濾波：小波變換具有一種“集中”的能力。信號(hào)經(jīng)小波變換后,可以認(rèn)為由信號(hào)產(chǎn)生的小波系數(shù)包含有信號(hào)的重要信息,其幅值較大,但數(shù)目較少,而噪聲對(duì)應(yīng)的小波系數(shù)幅值小。通過(guò)在不同尺度上選取一合適的閾值,并將小于該閾值的小波系數(shù)置零, 而保留大于閾值的小波系數(shù),從而使信號(hào)中的噪聲得到有效的抑制，最后進(jìn)行小波逆變換,得到濾波后的重構(gòu)信號(hào)。

小波域閾值濾波方法是實(shí)現(xiàn)最簡(jiǎn)單、計(jì)算量最小的一種方法,因而應(yīng)用最廣泛。但其閾值選取比較困難,雖然 Donoho在理論上證明并找到了最優(yōu)的通用閾值,但實(shí)際應(yīng)用中效果并不十分理想。另外, 閾值的選取還依賴于噪聲的方差,因此需要事先估計(jì)噪聲方差。

四、圖像去噪方法的發(fā)展

相關(guān)學(xué)科的發(fā)展也在推動(dòng)著圖像處理技術(shù)不斷前進(jìn),小波的出現(xiàn)使得圖像去噪方法發(fā)展到了一個(gè)新的階段,目前圖像的去噪方法主要體現(xiàn)在:

1. 對(duì)圖像的去噪方法大多是多種方法結(jié)合,既能很好地保持邊緣信息,又能去除圖像中的噪聲,比如將中值濾波和小波濾波結(jié)合起來(lái)進(jìn)行濾波。

2. 在小波變換對(duì)圖像進(jìn)行去噪的過(guò)程中, 對(duì)于閾值選擇的研究一直是熱點(diǎn)。

3. 實(shí)驗(yàn)表明脊波和曲波對(duì)圖像的去噪效果大大優(yōu)于其他同類(lèi)的方法,特別是在噪聲嚴(yán)重的情況下曲波優(yōu)越性更為顯著。目前對(duì)脊波和曲波的研究剛剛開(kāi)始,但是它們?cè)谥T多領(lǐng)域顯示出的優(yōu)良性質(zhì)已經(jīng)為許多的研究者關(guān)注,成為研究的熱點(diǎn)。

4. 學(xué)術(shù)界一直存在著何種算法最優(yōu)的討論,但是在選擇濾波算法的時(shí)候應(yīng)該根據(jù)先驗(yàn)數(shù)據(jù)以及實(shí)際問(wèn)題的要求來(lái)分析和選擇適當(dāng)?shù)乃惴āＴ谛〔ㄗ儞Q處理過(guò)程中,數(shù)據(jù)的前期處理和后期處理是小波濾波研究的一個(gè)方向。

在眾多圖像去噪算法中,究竟哪一種算法是最好的,應(yīng)該根據(jù)圖像的實(shí)際要求而應(yīng)用不同的方法;有些算法確實(shí)好,但它的實(shí)用性有限。

總結(jié)

以上是生活随笔為你收集整理的图像去噪方法及发展的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。