针对混合噪声特点不一致,抑制难度较大的问题,为提升噪声抑制效果,提高图像清晰度,提出一种基于提升小波的数字图像混合噪声抑制算法。通过概率神经网络将数字图像噪声划分为脉冲噪声和高斯噪声,采用中值滤波方法去除数字图像中的脉冲噪...针对混合噪声特点不一致,抑制难度较大的问题,为提升噪声抑制效果,提高图像清晰度,提出一种基于提升小波的数字图像混合噪声抑制算法。通过概率神经网络将数字图像噪声划分为脉冲噪声和高斯噪声,采用中值滤波方法去除数字图像中的脉冲噪声,运用提升小波方法去除数字图像中的高斯噪声,实现混合噪声的抑制。实验结果表明,所提算法获得的图像清晰度和信噪比更高,且去噪后数字图像的ENOB(Effective Number Of Bits)值明显提升,说明该算法的混合噪声抑制效果更佳。展开更多
文摘针对混合噪声特点不一致,抑制难度较大的问题,为提升噪声抑制效果,提高图像清晰度,提出一种基于提升小波的数字图像混合噪声抑制算法。通过概率神经网络将数字图像噪声划分为脉冲噪声和高斯噪声,采用中值滤波方法去除数字图像中的脉冲噪声,运用提升小波方法去除数字图像中的高斯噪声,实现混合噪声的抑制。实验结果表明,所提算法获得的图像清晰度和信噪比更高,且去噪后数字图像的ENOB(Effective Number Of Bits)值明显提升,说明该算法的混合噪声抑制效果更佳。