噪音防护纸

受损的图像往往在其噪声收集和传输。例如，在图像采集中，图像传感器的性能受到许多因素的影响，例如环境条件和质量检查本身的内容。例如，在获取图像的CCD相机中，光照水平和传感器温度是影响生成的噪声图像数量的主要因素。图像在传输过程中也会被破坏，因为干扰信道被用于传输。图像去噪技术必须消除这种附加的随机噪声，同时保留尽可能多的重要信号的功能。这些类型的随机噪声去除的主要目标是抑制噪声，同时保持原始图像的细节。统计滤波器和均值滤波器一样[1] [2]，维纳滤波器[3]可以用来消除这类噪声，但是基于小波变换的去噪方法效果较好证明不是这几种滤波器。一般来说，图像去噪提供了降低噪声和保护重要图像细节之间的折衷。为了在这方面取得良好的性能，采用去噪算法来适应图像的不连续性。小波的代表性自然有利于这种空间自适应算法的构建。它将一个重要的信息信号压缩成相对少量的系数，以不同的分辨率尺度表示图像细节。近年来，关于信号和图像去噪的小波阈值和阈值选取的研究已经有相当数量[4] [5] [6] [7] [8] [9]，因为小波为分离噪声信号和图像信号提供了合适的基础。很多小波阈值技术，如VisuShrink [10]和BayesShrink [11]，都证明了图像去噪具有更好的效益。这里，我们通过分析统计参数的小波系数来描述一种有效的阈值去噪技术。本文安排如下:第二节对离散小波变换(DWT域)和小波滤波器组进行了简要回顾。小波阈值技术是基于第三部分的解释。第四部分对新门限技术进行了解释。在此范围内工作的步骤在第5节和第6节中解释，并且该提议工作的实验结果是当前的并且与其他去噪技术相比较。最后，第七部分是结束语。