11、图像去噪技术：小波维纳、循环旋转与融合方法解析

图像去噪技术：小波维纳、循环旋转与融合方法解析

1. 小波维纳阈值混合图像去噪

1.1 原理概述

阈值技术在图像去噪中表现出色，其中尺度收缩法能达到较好的去噪效果。维纳滤波器去噪结果中存在噪声残留，原因在于其模板较为固定，并非适用于所有图像。模板越大，图像越平滑，但会损失更多细节纹理；而较小的模板虽能保留图像细节，却也会保留噪声。由于含噪图像经小波变换得到的细节系数可视为原始含噪图像的低分辨率版本，因此对低分辨率图像应用小模板的维纳滤波，有望获得更好的去噪图像。同时，维纳滤波器在去除噪声的同时会去除高频信号分量，而近似系数大多为高频分量，若应用维纳滤波器，近似系数很可能被完全去除。不过，通过阈值处理可有效处理近似系数中的噪声分量。基于此，提出了小波维纳阈值混合去噪方法。

1.2 代码实现

function [g, j, th] = waveletwiener(f, fsize, j, level)
    [fll, flh, fhl, fhh] = dwt2(f,'db1','per');
    th=0; j=j+1;
    if j<level 
        [fll, j, th] = waveletwiener(fll, fsize, j, level);
    else 
        th = thest(fhh,fsize);
    end
    thj =th/(sqrt(2^(j-1)));
    flh=hthfun(flh, thj); 
    fhl=hthfun(fhl, thj); 
    fhh=hthfun(fhh, thj);