蔡文濤

（中北大學 儀器科學與動態(tài)測試教育部重點實驗室，山西 太原 030051）

1 引言

在過去十年中，各種去噪方法已被提出，并對圖像和信號證明了是有效的，例如小波降噪，灰度關(guān)聯(lián)度，Contourlet變換等等。Nasri Mehdi提出了一種新的閾值函數(shù)和一些新的對圖像進行去噪的小波域自適應類型。李俊峰提出了一種新的噪聲檢測和灰度系統(tǒng)理論，它是在均值圖像的基礎上提出的一種新的自適應加權(quán)濾波器。香港均田應用灰度系統(tǒng)理論的灰度關(guān)聯(lián)分析實現(xiàn)了圖像降噪。侯賽因提出了一種新的基于非線性閾值函數(shù)的非抽樣Contourlet變換域的圖像去噪方法。

在圖像處理領域圖像去噪中起著非常重要的作用。事實上，圖像主要是從不同的電子設備得到，這樣的圖像中會有多種這些設備產(chǎn)生的噪聲。僅舉幾例噪聲，醫(yī)學圖像的特點是高斯噪聲而天文圖像的特點是泊松噪聲。確定噪聲特性是不困難的，而且有可能可以自動完成，主要的問題是圖像去噪的有效方法，本文提出了一種自適應圖像去噪算法。

2 相關(guān)性指標

相關(guān)性指標的分析方法是一種基于微觀和宏觀的幾何相似性的的行為基因序列，它是用于分析和確定基因的相互影響的程度或基因的主要貢獻表現(xiàn)。它包括夾角余弦，灰度關(guān)聯(lián)度，相關(guān)系數(shù)，泰爾不平等系數(shù)和模糊的相似性度量，本文主要介紹了模糊的相似性度量。

“模糊集”的概念是由扎德為表征環(huán)境中的不精確性和不完整性的信息輸入-輸出關(guān)系的一種手段。由于扎德于2005年發(fā)表了他的經(jīng)典論文，模糊用的一套理論已經(jīng)得到了廣泛的關(guān)注，在科學領域獲得了很大的成就。在這里，我們簡要介紹了模糊相似度量的概念。相似的概念，用于描述兩個集合的接近程度。

設 F（V）是所有類的模糊集合。A，B ∈ F（V），對F（V）的相似度是通過映射定義：ρ：F（V）×F（V）→ [0，1]。

它滿足以下三個公理：

（1）如果 A = B，則 ρ（A，B）有一個最大的值

3 基于自適應加權(quán)濾波器的相關(guān)性

4 實驗與分析

表1 0.01椒鹽噪聲強度的去噪結(jié)果

表2 0.1椒鹽噪聲強度的去噪結(jié)果

表3 0.3椒鹽噪聲強度的去噪結(jié)果

從表1到表3中，我們可以看到，所提出的方法可以減少圖像模糊，保持邊緣和細節(jié)信息的完整性，并具有良好的去噪效果。但是，在實驗過程中，我們發(fā)現(xiàn)，去噪的結(jié)果的條件是由閾值TH決定。如果閾值采取較大，邊緣點中的一些點可能被視為噪聲點，并且將模糊的邊緣點去噪。如果閾值較小，雖然可以保持邊緣細節(jié)很多，但會錯過一些噪聲，因此去噪效果也不是很理想，可以看出，獲得一個適當?shù)拈撝担潜夭豢缮俚摹?/p>

5 結(jié)論

在圖像處理領域，圖像去噪中起著非常重要的作用。我們知道圖像主要是從不同的電子設備得到。電子設備會導致多種噪聲的產(chǎn)生。本文提出了一種新的噪聲檢測方法和一種自適應加權(quán)濾波器。我們根據(jù)不同的噪聲水平進行了模擬測試，并且已通過使用的信噪比，峰值信號噪聲比和平均誤差客觀的評價去噪效果。結(jié)果表明，該方法可以減少圖像的模糊性，保持邊緣和細節(jié)信息的完整性，并具有良好的去噪效果。

[1] 侯濤，汪源源.帶預處理的雙樹復小波醫(yī)學超聲圖像去斑[J].儀器儀表學報，2010，3l（6）：1294-1302.

[2] 劉金華，余壟.雙樹復小波域圖像非線性擴散濾被[J]電子測量與儀器學報，2010，24（3）： 268-273.

[3] YU Y，ACTON S T，Speckle reducing anisotropic diffusion[J].IEEE Transactions on Image Processing，2002，2（2）：1260-1270.

[4] 王頓，肖俊，王蘊紅.數(shù)字水印原理與技術(shù)[M]北京：科學出版社，2007.

[5] Kang J Y，Min L Q，Luan Q X.Novel modified fuzzy means algorithm with applications [J].Digital Signal Processing，2009，19（2）：309-319.

[6] Wang S S，Wu C H.A new impulse detection and filtering method for removel of wide rang impulse noises [J].Pattern Recognition，2009，42（9）：2194-2202.

[7] Wang Ying，Xiao Jun，Wang Yun-hong.Digital watermarking principles and techniques [M].BeiJing：Science Press，2007.

[8] 蔣愛平，于洋基于conburlet圖像多重分形分割的研究[J]儀器儀表學報，2010，3l（4）：818-823.

[9] 余錦華，汪源源，施心陵.基于EM算法參數(shù)估計的各向異性擴散超聲圖像的去噪[J]航天醫(yī)學與醫(yī)學工程，2007，6（03）：43-48.

[10] 林宙辰，石青云.一個能去噪和保持真實感的各向異性擴散方程[J]-計算機學報，2009，4（11）：67-73.