刘文辉,许 瑞
(新疆教育学院 信息科学与技术学院,新疆 乌鲁木齐 830043)
在图像的拍摄和传输过程中,许多主观因素和客观因素会为图像引入大量的噪声,导致图像的细节信息和边缘信息受到污染[1]。图像降噪技术是解决该问题的一个主要手段,该手段分为基于滤波器和基于变换两大类技术,基于滤波器的技术主要有中值滤波器[2]、双边滤波器[3]等,基于变换的技术则主要有离散小波变换(discrete wavelet transform,DWT)[4]、双树小波变换[5]等。
DWT在图像降噪方面具有显著的效果,但是也存在缺乏平移不变性和缺乏方向选择性的不足[6]。文献[7]将DWT和双边滤波器结合,通过DWT和双边滤波器的多级降噪处理实现对图像的增强。文献[8]提出具备自学习能力的图像增算法,该算法为双树小波变换增加了稀疏编码和字典学习的自学习能力,对医学图像实现了较好的降噪效果。文献[9]提出基于小波变换和改进中值滤波的医学图像耦合去噪方法,该方法的优点是结合中值滤波和小波的优点提高了去噪的效果。当前基于DWT的降噪算法实现了较好的总体降噪性能,但也弱化了图像的边缘信息,而边缘信息是医疗病情诊断、图像分割等应用领域的关键信息。
为了在保持优良降噪性能的前提下,保护图像的边缘信息,提出了基于神经网络和双密度双树小波的图像降噪与增强算法。本文利用CNN识别图像的边缘,对非边缘区域进行降噪处理,同时保留边缘区域的信息。在降噪过程中,采用双密度双树DWT对噪声图像进行降噪处理,再训练神经网络来降低噪声图像和原图像的均方误差,从而对图像进行增强。……