圖像去噪技術(shù)綜述

李娟 安浩 江東

[摘要]介紹數(shù)字圖像處理中的去噪技術(shù)發(fā)展的歷史與現(xiàn)狀，描述當(dāng)前在圖像處理過程中使用的典型去噪技術(shù)，最后，對去噪技術(shù)研究中存在的問題和發(fā)展前景進(jìn)行了論述。

[關(guān)鍵詞]圖像處理 去噪 方法 展望

一、引言

對于數(shù)字圖像處理的方法研究主要源于兩個(gè)應(yīng)用：一是為了方便人們分析而對圖像的信息進(jìn)行必要的改進(jìn)；二是為了使機(jī)器設(shè)備能自動理解而對圖像數(shù)據(jù)信息進(jìn)行存儲、傳輸和顯示過程[1]。隨著人類生活信息化程度的不斷加深，圖像信息作為包含了大量信息的載體形式越來越體現(xiàn)出其強(qiáng)大的信息包含能力，由此引發(fā)的就是對圖像質(zhì)量的高要求。在實(shí)際的應(yīng)用中，系統(tǒng)獲取的圖像往往不是完美的，常常會受到外界的干擾，例如傳輸過程中的誤差、光照等因素的影響都會導(dǎo)致圖像的質(zhì)量不高，難以進(jìn)行更深入的研究和處理，所以需要對其進(jìn)行處理，便于提取我們感興趣的信息。在數(shù)字圖像處理過程中，由于受到成像方法和條件的限制以及外界干擾，數(shù)字圖像信號不可避免地要受到噪聲信號的污染。圖像中的研究目標(biāo)的邊緣、特征等重要的信息常被噪聲信號干擾甚至覆蓋，使原始圖像變得模糊，給圖像的后繼研究和處理，比如邊緣檢測、圖像分割、圖像識別等增加很大難度，因此對圖像進(jìn)行去噪處理，恢復(fù)原始圖像是圖像預(yù)處理的重要任務(wù)和目標(biāo)。圖像去噪工作也被稱為圖像濾波或平滑。

二、圖像去噪技術(shù)的發(fā)展歷史和現(xiàn)狀

（一）圖像噪聲的定義和分類

所謂數(shù)字圖像處理就是利用計(jì)算機(jī)對圖像信息進(jìn)行加工以滿足人的視覺心理或者應(yīng)用需求的行為。一幅圖像信息的生成難免或多或少都會伴隨有噪聲的產(chǎn)生。噪聲可以理解為“妨礙人們感覺器官對所接收的信源信息理解的因素”，在理論上可定義為“不可預(yù)測，只能用概率統(tǒng)計(jì)方法來認(rèn)識的隨機(jī)誤差”[2]。它對圖像信息的采集、輸入以及處理的各個(gè)環(huán)節(jié)和最終的輸出結(jié)果都會產(chǎn)生一定的影響，特別是在圖像信息的輸入、采集和傳輸過程中，若輸入時(shí)伴隨有較大的噪聲，則必定會對其后的處理過程以及處理結(jié)果造成不利的影響。

常見的圖像噪聲分為5種[3]：

（1）加性噪聲：和輸入圖像信號無關(guān)，比如信道噪聲；

（2）乘性噪聲：與圖像信號有關(guān)，常隨著圖像信號的變化而變化，比如膠片中存在的顆粒噪聲；

（3）量化噪聲：與輸入圖像信號無關(guān)，是量化過程中產(chǎn)生的誤差，其大小可以衡量數(shù)字圖像與原始圖像的差異，這是數(shù)字圖像主要的噪聲源；

（4）椒鹽噪聲：由于圖像切割引起的噪聲，比如白圖像上的黑點(diǎn)噪聲；

（5）高斯噪聲：其概率密度函數(shù)服從正態(tài)高斯分布的噪聲，包括熱噪聲和散粒噪聲。

（二）去噪技術(shù)的發(fā)展歷史和現(xiàn)狀

圖像處理的出現(xiàn)始于20世紀(jì)50年代。當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)發(fā)展到了一定的水平，人們開始使用計(jì)算機(jī)來完成簡單的圖形和圖像處理工作。數(shù)字圖像處理形成體系，形成一門學(xué)科約開始于20世紀(jì)60年代初期[4]。早期圖像處理的目的僅僅是為了改善圖像的質(zhì)量便于提高人的視覺效果。數(shù)字圖像處理過程中，輸入的是質(zhì)量較低的原始圖像，輸出的是改善過后有一定質(zhì)量的圖像。常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼和壓縮。早期由于數(shù)字圖像處理領(lǐng)域涉及的數(shù)學(xué)理論比較淺，在很長的一段時(shí)間里，某些在特定條件下的算法的正確性沒能得到很好的證明，使得數(shù)字圖像處理研究的發(fā)展緩慢。近年來，由于該領(lǐng)域研究者數(shù)學(xué)功底的不斷加強(qiáng)，同時(shí)該領(lǐng)域具有的巨大市場需求也吸引了越來越多的數(shù)學(xué)工作者的加入，使得該領(lǐng)域得到了前所未有的發(fā)展[5]。

三、圖像去噪的典型方法

根據(jù)實(shí)際圖像的特點(diǎn)，存在的噪聲的頻譜分布規(guī)律和其統(tǒng)計(jì)特性，人們開發(fā)了各種圖像去噪方法，典型的方法有：

（一）均值濾波法（鄰域平均法）

均值濾波法也稱為鄰域平均法，該方法較適于去除通過掃描得到的圖象中的顆粒噪聲，具體做法是將一個(gè)像素及其鄰域的所有像素的平均值賦值給輸出圖像相應(yīng)的像素，以此達(dá)到濾波的效果。此方法能較有效地抑制噪聲，算法簡單，運(yùn)算速度快，但由于平均會引起一定程度的圖像模糊現(xiàn)象，模糊程度與鄰域半徑成正比。

對于均值濾波法引起的圖像模糊現(xiàn)象，可通過選擇合適的鄰域大小、形狀和方向等加以改進(jìn)。

（二）中值濾波法

中值濾波法是一種常用的基于排序統(tǒng)計(jì)理論的非線性平滑濾波法，其工作原理是先以某一像素為中心，確定一個(gè)稱為窗口的鄰域（通常為方形），取該窗口中各像素的灰度中間值替換中心像素的灰度值，從而消除孤立的噪聲點(diǎn)，減少圖像的模糊度。中值濾波可以比較有效地濾除圖像中的椒鹽噪聲。該方法既可以去除圖像中的噪聲，又能保護(hù)圖像的邊緣信息，而且在實(shí)際運(yùn)算中不需要圖象的統(tǒng)計(jì)特性，算法簡單，實(shí)時(shí)性較好，但對于某些如點(diǎn)、線、尖頂?shù)燃?xì)節(jié)較多的圖象不宜采用中值濾波的方法[6]。

（三）小波去噪

在圖像去噪領(lǐng)域，近年來，越來越多的學(xué)者青睞于小波去噪。因?yàn)樵摲椒ň哂辛己玫亩喾直媛史治瞿芰蜁r(shí)頻局部特性，并且能夠保留大部分的包含信號的小波系數(shù)，因而能較好地保護(hù)圖像細(xì)節(jié)。小波去噪法通常分為三個(gè)步驟：先對圖像信號進(jìn)行小波分解，然后將經(jīng)過層次分解后的高頻系數(shù)進(jìn)行閾值量化，最后利用二維小波重構(gòu)圖像信號[7]。

四、圖像去噪技術(shù)的發(fā)展前景展望

圖像是人們獲取信息和交換信息的主要來源，因此，圖像處理的相關(guān)應(yīng)用必定影響人們生活和工作的方方面面。隨著相關(guān)學(xué)科的不斷發(fā)展，數(shù)字圖像處理技術(shù)也將得到不斷地提高。圖像去噪這一最早應(yīng)用于軍事指揮和控制方面的技術(shù)，發(fā)展至今已成為了許多傳統(tǒng)學(xué)科和新興工程領(lǐng)域的結(jié)合體[8]，小波去噪法的出現(xiàn)更是使圖像預(yù)處理進(jìn)入了一個(gè)新的階段。近年來小波變換與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的去噪方法成為了研究的熱點(diǎn)：小波變換去噪能有效地抑制噪聲，且很好地保留圖像的原始特征，而神經(jīng)網(wǎng)絡(luò)具有良好的自適應(yīng)機(jī)制和自學(xué)習(xí)能力，兩者相結(jié)合的去噪方法必然成為主要的發(fā)展趨勢之一。

[參考文獻(xiàn)]

[1]武偉；王宏志.基于雙樹復(fù)小波變換與非線性擴(kuò)散的圖像去噪[J]；長春工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）；2011年03期

[2]王文；康錫章；王曉東.基于小波域HMT的航空偵察圖像去噪方法[A]；'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C]；2003年

[3]AGersho，BRamaurthi.ImagecodingusingvectorquantizationinProc.IEEEInt.Conf.Acost.Speechsinalpro-cessing.1982.5.430-432

[4]李康；高靜懷；王偉.基于Contourlet域HMT模型的圖像去噪方法研究[A]；全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C]；2008年

[5]鄧超.基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的CCD圖像去噪方法研究[A]；武漢（南方九?。╇姽だ碚搶W(xué)會第22屆學(xué)術(shù)年會、河南省電工技術(shù)學(xué)會年會論文集[C]；2010年

[6]李偉.基于匹配跟蹤和自適應(yīng)字典的圖像去噪算法研究[D]；華北電力大學(xué)（北京）；2010年

[7]林德貴.基于邊緣檢測的提升小波圖像去噪[J]；長春大學(xué)學(xué)報(bào)；2011年08期

[8]婁元芳；鄭世友.一種基于NSCT變換的SAR圖像去噪方法[A]；全國第五屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議專刊（第一冊）[C]；2011年

（作者單位：紅河學(xué)院工學(xué)院 云南蒙自）