一种改进的小波去噪方法在红外图像中应用

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (1): 173-177.

一种改进的小波去噪方法在红外图像中应用

易清明，陈明敏，石敏

暨南大学信息科学技术学院，广州 510632

出版日期:2016-01-01 发布日期:2015-12-30

Improved wavelet de-noising method for infrared image application

YI Qingming, CHEN Mingmin, SHI Min

School of Information Science and Technology, Jinan University, Guangzhou 510632, China

Online:2016-01-01 Published:2015-12-30

摘要/Abstract

摘要： 针对小波软阈值去噪函数会产生恒定误差导致图像边缘模糊的缺点，提出了一种改进阈值函数的去噪算法。该算法中当小波系数较大时，阈值函数趋向于硬阈值函数；当小波系数较小时，趋向于软阈值函数，具有自适应性。采用维纳滤波消除图像小波变换中低频频带中残留的噪声。实验结果表明，改进后的阈值函数结合贝叶斯阈值的方法与传统小波软阈值去噪相比，能够有效去除红外图像中的噪声，同时保持红外图像热差细节，具有较高的峰值信噪比，非常适用于去除红外图像中的噪声。

关键词: 阈值函数, 小波变换, 图像去噪, 红外图像

Abstract: The soft threshold function will produce a constant deviation which causes image edges blur. An improved wavelet threshold function method is proposed. When thewavelet coefficient is large, the threshold function is a hard threshold. The threshold tends to be soft threshold when the wavelet coefficient is small. The low-frequency bands use Wiener filter. The improved wavelet threshold function method with Bayes shrink threshold has a good de-nosing effect. The MATLAB simulation results show that compared with the traditional soft threshold wavelet de-nosing method, this method can effectively remove the infrared image noise and maintain the differential thermal infrared image detail with high signal to noise ratio. It is very useful for removing noise in the infrared image.

Key words: threshold function, wavelet transform, image de-noising, infrared image

易清明，陈明敏，石敏. 一种改进的小波去噪方法在红外图像中应用[J]. 计算机工程与应用, 2016, 52(1): 173-177.

YI Qingming, CHEN Mingmin, SHI Min. Improved wavelet de-noising method for infrared image application[J]. Computer Engineering and Applications, 2016, 52(1): 173-177.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[5]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[6]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[7]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[8]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[9]	闵超波. 基于自适应混合多项式变换的图像配准[J]. 计算机工程与应用, 2020, 56(23): 194-201.
[10]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[11]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[12]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[13]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[14]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[15]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.