（1） 选取3×3窗口的中值滤波对噪声图像进行处理。
（2） 选定coif4小波基对处理后的图像进行3层小波分解，分解后的尺度系数和小波系数组成一个系数向量[W。]
（3） 使用改进的阈值函数对系数向量[W]进行阈值化处理，使得[W-W]尽量小。
（4） 利用新的系数向量[W]进行小波重构。
2 仿真实验
本次实验是基于Matlab R2012b平台进行编程实现，选用512×512的lena灰度图像，对图像加入方差均为0.01的高斯噪声和椒盐噪声。然后分别对本文方法、软硬阈值方法以及中值滤波方法进行仿真实验，实验结果如图1所示。
从实验结果上看，本文方法取得良好的去噪效果。为了进一步说明本文方法的优越性，通过计算去噪后图像的峰值信噪比（PSNR）和均方根误差（RMSE）来进行客观评价。
图1 不同方法处理后的结果
设图像[f（x，y）]的大小为[M×N]，去噪后的图像记为[f（x，y）。]比较常用的图像客观质量评价标准主要有：
最小均方误差（Mean Squared Error，MSE）：
[MSE=1M×Nx=0M-1y=0N-1（f（x，y）-f（x，y））2] （4）
峰值信噪比（Peak Signal to Noise Ratio，PSNR）：
[PSNR=10×lg2552MSE] （5）
均方根误差（Root?Mean?Square Error，RMSE）：
[RMSE=MSE] （6）
表1 给出了不同方法处理后的PSNR和RMSE值的比较，本文方法PSNR值最高且RMSE值最低。因此，本文方法优于传统的软、硬阈值方法以及中值滤波方法。
3 结 语
本文对含有混合噪声图像的去噪进行了研究，提出先用中值滤波，再用小波阈值去噪的方法。实验证明，与软、硬阈值方法以及中值滤波方法相比，本文方法无论在视觉上还是通过客观评价标准PSNR和RMSE来评判都是有所提升的。
参考文献
[1] 李俊山，李旭辉.数字图像处理[M].北京：清华大学出版社，2006.
[2] 张旭明，徐滨士，董世运.用于图像处理的自适应中值滤波[J].计算机辅助设计与图形学学报，2005，17（2）：295?299.
[3] 张恒，雷志辉，丁晓华.一种改进的中值滤波算法[J].中国图像图形学报，2004，9（4）：408?411.
[4] 任重，刘莹，刘国栋，等.改进的小波双阈值双因子函数去噪[J].计算机应用，2013，33（9）：2595?2598.
[5] 田沛，李庆周，马平，等.一种基于小波变换的图像去噪新方法[J].中国图象图形学报，2008，13（3）：394?399.
[6] 蔡德尊.基于小波变换的图像去噪算法研究[D].哈尔滨：哈尔滨工业大学，2011.
[7] BRUCE A G， GAO Hong?ye. Waveshrink with firm shrinkage [J]. Statistica Sinica， 1997， 7（4）： 855?874.
[8] 贺长伟，刘英霞，任文杰，等.基于多级中值滤波的小波去噪方法[J].计算机应用，2007，27（9）：2117?2125.
[9] 唐世伟，林君.小波变换与中值滤波相结合图像去噪方法[J].哈尔滨工业大学学报，2008，40（8）：1334?1336.
[10] 叶鸿瑾，张雪英，何小刚.基于小波变换和中值滤波的医学图像去噪[J].太原理工大学学报，2005，36（5）：511?514.
[11] DONOHO D L， JOHNSTONE I M. Ideal spatial adaptation via wavelet shrinkage [J]. Biometrika， 1994， 81（12）： 425?455.
[12] DONOHO D L， JOHNSTONE I M. De?noising by soft?thresholding [J] . IEEE Transactions on IT， 1995， 41（3）： 613?627.
[13] DONOHO D L， JOHNSTONE I M. Adapting to unknown smoothness via wavelet shrinkage [J]. Journal of American Stat Assoc， 1995， 12（90）： 1200?1224.
[14] 倪林.小波变换与图像处理[M].合肥：中国科学技术大学出版社，2010.
相关专题：中国无机分析化学 分析化学 化学学报 无机及分析化学 化学分析计量 分析测试学报 分析试验室 岩矿测试 中国计量 无机及分析化学实验 中国直销排行榜 中国集体经济
