-
图像去噪算法可以分为空间域和频域两种处理算法。空间域图像去噪算法根据其性质的不同还可以细分为线性滤波和非线性滤波，频域图像去噪算法则是将图像原始信号转换为原始函数，然后用一组正交的函数组来逼近原始函数，并由此获得一组对应的系数，最后对于这组系数的处理就是频域图像去噪算法。27279
- 上一篇：图像分割技术的研究现状和发展趋势
- 下一篇：网络隐蔽信道的国内外研究现状
空间域的线性滤波算法优点是算法比较简单，能很好地去除图像中与图像信息不相关的噪声，但是缺点也很明显，它不能很方便地建立一个随机噪声的数据库，而且不能很好地保留图像边缘细节信息。而非线性滤波算法则远远优于线性滤波算法，其典型代表便是基于1971年Turkey给出的中值滤波思想而得到的中值滤波图像去噪算法，该算法在去除图像噪声方面取得了非常好的效果。
频域的图像去噪算法的根本是1822年法国数学家Fourier提出的傅里叶变换和1946年Gabor提出的加窗变换。1984年，法国物理学家Morlet基于以上两种变换思想提出了小波分析的概念。Mallct等人提出了基于小波变换模极大值原理的图像去噪方法，而Donoho的团队则提出了小波域阈值去噪方法。论文网
而在国内，杨森改进了Donoho团队的阈值去噪算法，提出了基于图像奇异性的收缩阈值的选取对图像进行分析和去噪处理。姚晋丽和王霞提出了一种基于小波变换的显微图像去噪算法，该算法具有盲去噪的作用，保留的图像边缘信息更加清晰。程源源等人针对图像多方向信息提取问题提出了二文不可分滤波器级联小波图像去噪算法，该算法改进了原有的基于二文可分小波图像去噪算法。龚卫国等提出了双密度双树复小波变换的局域自适应图像去噪算法，该算法保留了尽可能多的图像信息细节，提高了去噪图像的视觉质量。总之，近年来，小波分析已经在图像去噪领域发挥了很大的作用。