1
УДК 004.02
Метод подавления шума в изображениях
на основании кратномасштабного анализа
© Л.Л. Волкова
МГТУ им. Н.Э. Баумана, Москва, 105005, Россия
Основываясь на преимуществах кратномасштабного анализа, можно проводить
фильтрацию шума, учитывая особенности сигнала. В применении к изображениям
разработан метод подавления шума, использующий на этапе фильтрации коэф-
фициентов вейвлет-преобразования гистограмму коэффициентов для определения
порога фильтрации по доле вклада фильтруемых коэффициентов в сигнал. Метод
апробирован, экспериментально доказана его эффективность в сравнении со
стандартными методами, даны рекомендации о выборе параметров фильтрации.
Ключевые слова:
вейвлет-преобразование, кратномасштабный анализ, подавление
шума, пороговая фильтрация, фильтрация, цифровая обработка сигналов,
вейвлет, фильтрация, шум, изображение.
Очистка от шума является одной из основных задач цифровой об-
работки изображений. Любой практический сигнал содержит не толь-
ко полезную информацию, но и следы некоторых посторонних воз-
действий (помехи или шум). Шум — дефект изображения, вносимый
фотосенсорами и электроникой (электронными схемами) устройств,
которые их используют (цифровой фотоаппарат, теле- и видеокамеры
и т. п.), а также при программной обработке (редактирование, преоб-
разование форматов, намеренное внесение шума и т. п.). Цифровой
шум проявляется в виде случайным образом расположенных элемен-
тов растра (точек), имеющих размеры, близкие к размеру пикселя.
Для подавления шума широко применяются такие методы, как
фильтр низких частот, фильтр высоких частот, медианный фильтр,
фильтр Гаусса [1]. Наряду с этими методами, ставшими стандартны-
ми в области цифровой обработки сигналов, существуют более новые
применительно к данной предметной области математические аппа-
раты, использование которых представляется разумным. В их число
входят фильтры, основанные на анализе функций, в том числе ис-
пользующие преобразования Фурье и вейвлет-преобразования.
Кратномасштабный анализ, обладая такими достоинствами, как
масштабируемость и возможность локализации (в отличие от преоб-
разования Фурье) в сигнале деталей определенного размера [2], в
применении к задаче подавления шума в изображениях позволяет,
классифицировав некоторым образом часть деталей как шум, прово-
дить фильтрацию на основе анализа особенностей сигнала [3]. При-
