图像去噪算法 matlab,基于Matlab的图像去噪算法的研究与实现

2009 年第 12 期 福 建 电 脑 (下转第 131 页) 基于 Matlab 的图像去噪算法的研究与实现 胡 鹏 1， 徐会艳 2 (1、淮安信息职业技术学院江苏淮安 223003 2.淮阴师范学院 江苏 淮安 223300 ) 【摘 要】： 简要介绍了 Matlab 软件，以及中值滤波和小波变换等图像去噪方法，并用这些方法对指尖图像进行去噪，根据实验结果比较了各去噪方法的优劣。 【关键词】： 图像;去噪;matlab 1、引言 20 世纪 20 年代，图像处理首次得到应用。 上个世纪 60 年代中期， 随着计算机科学的发展和计算机的普及图像处理得到广泛的应用。 60 年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。 图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。 光学相干层析成像(OCT)是近些年来发展较快的一种层析成像技术。 因为其对生物组织无辐射损伤、 具有微米级的分辨率、高探测灵敏度和越来越快的扫描速率等优点,在医学诊断病变组织方面，尤其是对生物组织活体检测具有诱人的应用前景。因此其成像的质量就显得尤为重要，然而实际图像在采集、获取以及传输的过程中，会受到噪声的污染，成为影响视觉观察的含噪图像。 由于噪声干扰的存在，这些生理信号可能失真，甚至面目全非，这给医学诊断带来了难度。 因此，就必须对含噪图像进行处理，改善图像质量，最大程度上显现信号本身的特点。 为了改善图像质量，从图像中提取有效信息，必须对图像进行去噪预处理。 根据噪声的频谱分布的规律和统计特征以及图像的特点，出现了多种多样的去噪方法。 经典去噪方法有：空间域合成法、频域合成法和最优线性合成法[1-5]等，与之相适应的出现了许多应用方法，如均值滤波器、中值滤波器[6,7]、低通滤波器、维纳滤波器、最小失真法[8]等。这些方法广泛应用，促进数字信号处理的极大发展，显著提高了图像质量。 近年来，小波变换去除噪声的方法得到广泛的应用，与传统的去噪方法相比，它利用的是非线性域值，在时间域和频率域同时具有良好的局部化性质, 而且时窗和频窗的宽度可以调节, 对高频成分采用逐渐精细的时域或空域取样步长,从而可以聚焦到对象的任意细节。 因此可以提高散斑高散射特性的噪声对比度，很好的消除散斑噪声。小波变换去除噪声的方法在不断地发展，去噪方法很多，如：Mallat 算法强制去噪、非线性小波变换阈值法去噪、小波变换模极大值去噪及基于小波变换域的尺度相关性去噪法等。 2、相关知识 2.1 中值滤波 在图像滤波中， 常用的方法是线性滤波技术和非线性滤波技术。 线性滤波以其完美的理论基础、数学处理简单、易于采用FFT 和硬件实现等优点， 一直在图像滤波领域中占有重要的地位。线性滤波对加性高斯噪声有较好的平滑作用，但对脉冲信号和其它形式的高频分量抑制效果较差，且模糊信号边缘。而在本系统中，已经将信号调制到高频频段，因此去除高频噪声尤为重要。 非线性滤波是基于对输入信号序列的一种非线性投影关系，常把某一特定的噪声近似为零而保留信号的重要特征，一定程度上克服线性滤波器的不足。 非线性滤波早期运用较多的是中值滤波器，其应用于多维信号处理时，对窄脉冲信号具有良好的抑制能力，但中值滤波器对中拖尾(如均匀分布噪声)和短拖尾分布噪声(如高斯噪声)时，滤波性能较差，且拖尾越短，其滤波能力越差。 中值滤波是一种典型的低通滤波器[9,10]，属于非线性滤波技术，它的目的是保护