均匀设计在小波图像去噪阈值选取中的应用

基于阈值的小波图像去噪的核心环节是阈值的选取。阈值δ=cσ被证明是很有效的方法。在硬阈值δ=cσ的图像去噪方法中,其去噪效果的关键为适当确定阈值大小,即参数c值的选取。但一般来说最佳的参数c会随图像的不同和迭加噪声的强度而变化。通过均匀设计可以估计出c在不同强度的噪声污染情况下的最佳取值区间,从而达到更有效的图像去噪目地。故利用均匀设计方法进行阈值参数c的选取,可以取得了很好的效果。

基于小波系数多尺度随机过程模型的去噪方法

用多尺度随机过程对小波图像系数进行建模,并在此基础上提出了基于多尺度随机过程模型的小波图像去噪方法。通过阈值判断和邻域判断相结合的方法区分出对应边缘处的系数。对边缘区小波系数树估计多尺度随机过程的参数,利用多尺度滤波器对小波系数进行估计,对非边缘区的小波系数则采用阈值萎缩方法进行估计。该方法很好地刻画了边缘区小波系数跨尺度的行为,可以很好地保持图像边缘;而且还给出了估计误差的方差,利于理论分析。实验表明:该方法的去噪误差要优于Sureshrink法,而且对图像边缘的保护更利于后续的图像分割和轮廓跟踪。