第３４卷第４期贵州工业大学学报（自然科学版）Ｖｄ．３４Ｎｏ．４２００５年８月ＪｏＩ瓜ＮＡＩ．０ＦＣＵＩ珊顶ＪＵＮＩⅥ强ＳＩＴＹ０ＦＴＥＣＨＮ０∞ＧＹＡｕｇｕｓｔ．２００５
（ＮａｔｕｍｌＳｃｉｅｎｃｅＥｄｉｔ．ｏｎ）
文章编号：１００９＋０１９３（２００５）０４—００６３．０４
图像去噪的几种方法分析比较
宁媛１，李皖２
（１．贵州大学电气工程学院，贵州贵阳５５０００３；２．贵州交通职业技术学院，贵州贵阳５５０００８）
摘要：图像去噪是图像处理中的重要组成部分，对均值滤波、中值滤波、维纳滤波和图像小波
域滤波四种用于图像去噪的平滑技术进行分析比较。
关键词：噪声；均值滤波；中值滤波；维纳滤波；小波变换
中图分类号：ＴＮ９１１．７３文献标识码：Ａ
０引言
图像信息以其信息量大、传输速度快、作用距离远等优点成为人类获取信息的重要来源及利用信息的重要手段，然而获取的原始图像中一般都带有某种噪声，为了消除噪声，可以对图像使用一些平滑滤波器进行处理，但平滑滤波器往往又容易造成图像模糊。所以图像噪声的滤除就是要求所使用的滤波器不仅能够有效地去除噪声而且能尽可能保留图像的原貌。
首先讨论图像的获取传输等过程中所产生的噪声类型，然后介绍均值滤波、中值滤波、维纳滤波和图像小波域滤波技术去噪的原理，通过实验结果分析比较这几种图像去噪方法的性能优劣。
ｌ噪声类型
实际应用中的图像都因受到某种干扰而含有噪声，引起噪声的原因很多，噪声的种类也很多。常见的图像噪声主要有加性噪声、乘性噪声，加性噪声中又包括高斯噪声，椒盐噪声等典型噪声。图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变的模糊不清，如何既平滑掉噪声又尽量保持图像细节，是图像去噪主要研究的任务。
２图像去噪技术
现有的图像去噪方法大致可以划分为两类：一类是空间域方法，主要采用各种图像平滑模板对图像进行卷积处理，以达到压抑或消除噪声的目的；另一类是频率域方法，主要通过对图像进行变换以后，选用适当的频率带通滤波器进行滤波处理，经反变换后获得去噪声图像。
２．１均值滤波
均值滤波的基本思想是用几个像素灰度的平均值来代替每个像素的灰度。假定有一幅Ｎ×Ｎ个像素的图像厂（ｚ，ｙ），平滑处理后得到一幅图像ｇ（ｚ，ｙ），ｇ（ｚ，ｙ）由下式决定：ｇ（ｚ，ｙ）＝击∑厂（ｚ，ｙ）…（ｍ，＂）∈Ｓ
式中ｚ，ｙ＝０，１，２，…，Ｎ一１，Ｓ是（ｚ，ｙ）点邻域中点的坐标的集合，但其中不包括（ｚ，ｙ）点，Ｍ是集合内坐标点的总数。平滑化的图像ｇ（ｚ，ｙ）中的每个像素的灰度值均由包含在（ｚ，ｙ）的预定邻域中的几个像素的灰度值的平均值来决定。这种方法通过把突变点的灰度分散在其相邻点中来达到平滑效果，操作起来也简单，但这样平滑往往造成图像的模糊，可以证明，对图像进行均值处理相当于图像信号通过一低通滤波器。
２．２中值滤波法
中值滤波是一种非线性信号处理方法，它的基本原理是把数字图像或数字序列中的一点的值用该点的收稿日期：２００５～０４一１８
６４贵州工业大学学报（自然科学版）２００５年一个邻域中的各点值的中值代替。通俗地讲中值滤波就是用一个活动窗口沿图象移动，窗口中心位置的象素灰度用窗口内所有象素灰度的中值来代替。对于一幅图像的象素矩阵，取以目标象素为中心的一个子矩阵窗口，这个窗口可以是３×３，５×５等，可根据需要选取，窗口的形状常用的有方形、十字形和圆形等。对窗口内的象素灰度排序，取中间一个值作为目标象素的新灰度值。设｛ｚ玎（ｉ，歹）∈ｊ２｝表示数字图像各点的灰度值，滤波窗口为Ａ的二维中值滤波，可定义为：
ｙｆｊ＝Ｍｅｄ｛ｚｉ０＝Ｍｅｄ｛ｚ（ｆ＋，）（ｉ十：），（ｒ，ｓ）∈Ａ，（ｉ，歹）∈ｆ２｝
邻域的大小决定在多少个数值中求中值，窗口的形状决定在什么样的几何空间中取元素计算中值。窗口的大小和形状有时对滤波效果影响很大。
２．３维纳滤波
维纳滤波是一种自适应滤波，它能根据图像的局部方差调整滤波器的输出，它的最终目标是使恢复图像．尹（ｚ，ｙ）与原始图像．厂（ｚ，ｙ）的均方误差最小。
ｍｉｎ＾娅＝ｍｉｎＥ｛ｅ２（ｚ，３，）｝＝ｍｉｎＥ｛（７（ｚ，ｙ）一厂（ｚ，ｙ）２｝
２．４图像小波域滤波
小波分析用于图像去噪处理，主要是针对图像信号与噪声信号经小波变换后在不同的分辨率呈现不同的规律，在不同的分辨率下，设定阈值门限，调整小波系数，达到图像去噪目的。
在小波系数进行取舍之前，实际上按照一定准则（或者阈值化）将小波系数划分为两类：一类是重要的、规则的小波系数；另一类是被看作非重要的或者受噪声干扰较大的小波系数。通常以小波系数的绝对值作为小波系数的分类单元。小波系数绝对值趋向于零，意味着小波系数所包含的信息量受噪声干扰强烈。最常用的阈值化去噪方法：一是默认阈值消噪处理，即在消噪处理过程中采用程序中设定的阈值，对分解信号进行分类处理，以求消除噪声；二是给定软（或硬）阈值消噪处理，阈值通过某一个经验公式获得，该阈值比默认的阈值去噪效果更有说服力。
对于“软阈值化”，绝对值小于阈值艿的小波系数数值用零代替；绝对值大于阈值ｄ的小波系数数值用艿来缩减。如下所示：
％＝瞄新喜㈨㈧ｗ｝≥占
式中，ｗ表示小波系数的数值；聊（・）是符号函数，当数值大于零，符号为正，反之符号为负。对于“硬阈值化”，仅仅保留绝对值大于阈值ｄ的小波系数，并且被保留系数与系数相同（没有被缩减），如下式所示：
’
％＝酗Ｗ篙艿
阈值化处理的关键在于选择合适的并值８．如果阈值太小，处理后的信号仍有噪声存在；阈值太大，重要的图像特征将被滤掉，引起偏差。本实验采用的是“软阈值化”方法进行图像去噪。
３实验结果及讨论
为了比较以上几种不同图像去噪方法的优劣，进行了大量实验。实验中，我们先人为地对不同图像（包括彩色图像及灰度图像）分别添加高斯白噪声、椒盐噪声、乘性噪声。然后分别采取均值滤波、中值滤波、维纳滤波、图像小波域滤波等平滑处理办法对图像去噪复原。给出的部分实验结果如图ｌ所示。
３．１通过对含有同一种噪声类型的不同图像采用这几种滤波方法进行处理，可看出：
（１）４点邻域均值滤波及５×５中值滤波和维纳滤波以图像模糊为代价可不同程度地滤除相关噪声。４点窗口邻域均值滤波由于取的邻域较小，滤除效果不是很好，仍有不少噪声残留，但图像模糊程度却是较小的。实验中发现：若增大了邻域范围，能够更好滤除噪声，但图像的模糊程度加重；５×５中值滤波窗口取得相对较大，能够较好地滤除噪声，但同时图像的模糊程度也随之增大，这主要和所选取的窗口大小有关。
（２）原始图像经过均值滤波后，噪声得到了抑制，图像也得到了平滑，但同时也使图像边缘变得模糊。中值滤波能较好地保护边界，但对图像中的细节处理不理想。经实验证实，中值滤波能有效去除图像中的噪声点，特别是在一片连续变化缓和的区域中（比如人的皮肤），几乎能完全去除灰度突变点．（可以认为是噪
第４期宁媛，等：图像去噪的几种方法分析比较
声点），也因为如此，中值滤波不适合用在细节点多或细节线多的图像中，因为细节点有可能被当成噪声点去除。
（３）尽管维纳滤波方法是按最小原则导出的，在理论上更精确，但实验中发现：维纳滤波虽能使噪声得到抑制，并较好保存图像的边缘和高频细节信息，但去噪后的图像仍略显模糊。
（４）小波域去噪的图像，只有当阈值选择合适，才能使质量明显好转，信噪比有较大的提高。
小波域滤波小波域滤波
图１几种去噪方法的结果比较小波域滤波
３．２通过对含有不同噪声类型的同一图像采用这几种滤波方法进行处理，可看出：
（１）对于不同的噪声，滤波效果各有不同。椒盐噪声由于是黑图像上的白点，白图像上的黑点，与周围各点的灰度值差异较大，容易滤除，采用４点窗口邻域均值滤波即可较好地滤除，且能保持较好的图像轮廓、边缘、线条等细节；中值滤波对于滤除图像中的椒盐噪声也非常有效。
（２）维纳滤波和小波域滤波用于去除高斯白噪声的效果最好，去除椒盐噪声与乘性噪声的效果相对差些。维纳滤波可较好地滤除高斯白噪声，图像也不致太模糊；由于高斯噪声经小波变换后仍呈高斯分布，信号的能量只分布在一小部分系数上，所以对小波分解后的各层细节系数采用阈值处理，可保留大部分信号系数，去除大部分高斯白噪声。
（３）乘性噪声由于和图像信号是相关的，往往随图像信号的变化而变化，故较难通过邻域处理来滤除，采用维纳滤波和小波域滤波可基本滤除乘性噪声，采用５×５中值滤波虽可基本滤除噪声，但图像模糊程度
较高。
图像去噪的几种方法分析比较
作者：
作者单位：
刊名：
英文刊名：
年，卷(期)：
被引用次数：宁媛， 李皖， NING Yuan， LI Wan宁媛,NING Yuan(贵州大学电气工程学院,贵州,贵阳,550003)， 李皖,LI Wan(贵州交通职业技术学院,贵州,贵阳,550008)贵州工业大学学报（自然科学版）JOURNAL OF GUIZHOU UNIVERSITY OF TECHNOLOGY(NATURAL SCIENCE EDITION)2005,34(4)14次
参考文献(4条)
1. 冈萨雷斯 数字图象处理 2003
2. 阮秋琦 数字图像处理学 2001
3. 张旗;梁德群;樊鑫 基于小波域的图像噪声类型识别和估计[期刊论文]-红外与毫米波学报 2004(04)
4. 伯晓晨;李涛;刘路 Matlab工具箱应用指南 2000
本文读者也读过(7条)
1. 宁媛. 李皖 一种基于小波多分辨率分解的二值图像水印算法[期刊论文]-贵州工业大学学报(自然科学版)2002,31(1)
2. 宁媛. 李皖. 曾祥钦. NING Yuan. LI Wan. ZENG Xiang-qin 对贵州制浆造纸厂“黑液”治理方案的建议[期刊论文]-贵州工业大学学报(自然科学版)2001,30(3)
3. 宁媛 图像小波分解的系数分析及在图像处理中的应用[期刊论文]-现代机械2002(3)
4. 伊林林. 郑晓兰. 宁媛. YI Lin-lin. ZHENG Xiao-lan. NING Yuan 零电压转换PWM直流变换器的研究[期刊论文]-通信电源技术2007,24(5)
5. 宁媛. Ning Yuan 对加强工科类本科毕业设计指导的探索[期刊论文]-中国电力教育2010(30)
6. 张国忠. 刘新. 万乐. ZHANG GUOZHONG. LIU XIN. WAN LE 基于小波阈值的图像去噪方法研究[期刊论文]-微计算机信息2007,23(15)
7. 李阳. 张美. 盛亮 BLS-GSM算法改进及应用[会议论文]-2010
引证文献(14条)
1. 张永梅. 王世伟. 王小虎. 李强. 马兰 基于希尔伯特黄变换的图像去噪方法[期刊论文]-计算机测量与控制2013(11)
2. 胡越黎. 计慧杰. 吴频. 宣祥光 图像的中值滤波算法及其FPGA实现[期刊论文]-计算机测量与控制 2008(11)
3. 刘彭和. 张明珠 基于组合方法的图像增强[期刊论文]-福建电脑 2008(9)
4. 王学伟. 于锴峰. 王琳 红外图像锁相滤波去噪算法的研究[期刊论文]-电测与仪表 2008(6)
5. 万小红 常用图像去噪方法探析与比较[期刊论文]-运城学院学报 2011(5)
6. 贺晓建. 王福明 基于8方向的数字图像去噪算法研究[期刊论文]-电子测试 2010(9)
7. 郭蔚. 陈雅颂 自适应联合小波去噪算法[期刊论文]-吉林大学学报（信息科学版） 2007(2)
8. 朱婧. 彭承琳 人体消化道诊断系统中的图像工作站[期刊论文]-中国医疗器械信息 2006(4)
9. 张娜 数字图像增强的方法[期刊论文]-大众科技 2006(8)
10. 张娜. 王绪本. 杨斯涵. 陈瑜 基于HSV空间的简牍图像增强算法研究[期刊论文]-计算机应用研究 2007(6)
11. 王学玲. 王国宇. 綦占堂 基于元胞自动机的毫米波图像边缘检测[期刊论文]-微计算机信息 2007(24)
12. 张伟. 葛耀君. 杨(詠)昕 粒子图像测速技术互相关算法研究进展[期刊论文]-力学进展 2007(3)
13. 陈磊. 乔继红. 陈岩 太阳能电池缺陷分割方法研究[期刊论文]-计算机仿真 2013(12)
14. 李莉. 王洪江. 王贻明 岩体裂隙结构表征方法的探讨[期刊论文]-金属矿山 2011(6)
本文链接：http://d.wanfangdata.com.cn/Periodical_gzgydx200504017.aspx
第３４卷第４期贵州工业大学学报（自然科学版）Ｖｄ．３４Ｎｏ．４２００５年８月ＪｏＩ瓜ＮＡＩ．０ＦＣＵＩ珊顶ＪＵＮＩⅥ强ＳＩＴＹ０ＦＴＥＣＨＮ０∞ＧＹＡｕｇｕｓｔ．２００５
（ＮａｔｕｍｌＳｃｉｅｎｃｅＥｄｉｔ．ｏｎ）
文章编号：１００９＋０１９３（２００５）０４—００６３．０４
图像去噪的几种方法分析比较
宁媛１，李皖２
（１．贵州大学电气工程学院，贵州贵阳５５０００３；２．贵州交通职业技术学院，贵州贵阳５５０００８）
摘要：图像去噪是图像处理中的重要组成部分，对均值滤波、中值滤波、维纳滤波和图像小波
域滤波四种用于图像去噪的平滑技术进行分析比较。
关键词：噪声；均值滤波；中值滤波；维纳滤波；小波变换
中图分类号：ＴＮ９１１．７３文献标识码：Ａ
０引言
图像信息以其信息量大、传输速度快、作用距离远等优点成为人类获取信息的重要来源及利用信息的重要手段，然而获取的原始图像中一般都带有某种噪声，为了消除噪声，可以对图像使用一些平滑滤波器进行处理，但平滑滤波器往往又容易造成图像模糊。所以图像噪声的滤除就是要求所使用的滤波器不仅能够有效地去除噪声而且能尽可能保留图像的原貌。
首先讨论图像的获取传输等过程中所产生的噪声类型，然后介绍均值滤波、中值滤波、维纳滤波和图像小波域滤波技术去噪的原理，通过实验结果分析比较这几种图像去噪方法的性能优劣。
ｌ噪声类型
实际应用中的图像都因受到某种干扰而含有噪声，引起噪声的原因很多，噪声的种类也很多。常见的图像噪声主要有加性噪声、乘性噪声，加性噪声中又包括高斯噪声，椒盐噪声等典型噪声。图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变的模糊不清，如何既平滑掉噪声又尽量保持图像细节，是图像去噪主要研究的任务。
２图像去噪技术
现有的图像去噪方法大致可以划分为两类：一类是空间域方法，主要采用各种图像平滑模板对图像进行卷积处理，以达到压抑或消除噪声的目的；另一类是频率域方法，主要通过对图像进行变换以后，选用适当的频率带通滤波器进行滤波处理，经反变换后获得去噪声图像。
２．１均值滤波
均值滤波的基本思想是用几个像素灰度的平均值来代替每个像素的灰度。假定有一幅Ｎ×Ｎ个像素的图像厂（ｚ，ｙ），平滑处理后得到一幅图像ｇ（ｚ，ｙ），ｇ（ｚ，ｙ）由下式决定：ｇ（ｚ，ｙ）＝击∑厂（ｚ，ｙ）…（ｍ，＂）∈Ｓ
式中ｚ，ｙ＝０，１，２，…，Ｎ一１，Ｓ是（ｚ，ｙ）点邻域中点的坐标的集合，但其中不包括（ｚ，ｙ）点，Ｍ是集合内坐标点的总数。平滑化的图像ｇ（ｚ，ｙ）中的每个像素的灰度值均由包含在（ｚ，ｙ）的预定邻域中的几个像素的灰度值的平均值来决定。这种方法通过把突变点的灰度分散在其相邻点中来达到平滑效果，操作起来也简单，但这样平滑往往造成图像的模糊，可以证明，对图像进行均值处理相当于图像信号通过一低通滤波器。
２．２中值滤波法
中值滤波是一种非线性信号处理方法，它的基本原理是把数字图像或数字序列中的一点的值用该点的收稿日期：２００５～０４一１８
６４贵州工业大学学报（自然科学版）２００５年一个邻域中的各点值的中值代替。通俗地讲中值滤波就是用一个活动窗口沿图象移动，窗口中心位置的象素灰度用窗口内所有象素灰度的中值来代替。对于一幅图像的象素矩阵，取以目标象素为中心的一个子矩阵窗口，这个窗口可以是３×３，５×５等，可根据需要选取，窗口的形状常用的有方形、十字形和圆形等。对窗口内的象素灰度排序，取中间一个值作为目标象素的新灰度值。设｛ｚ玎（ｉ，歹）∈ｊ２｝表示数字图像各点的灰度值，滤波窗口为Ａ的二维中值滤波，可定义为：
ｙｆｊ＝Ｍｅｄ｛ｚｉ０＝Ｍｅｄ｛ｚ（ｆ＋，）（ｉ十：），（ｒ，ｓ）∈Ａ，（ｉ，歹）∈ｆ２｝
邻域的大小决定在多少个数值中求中值，窗口的形状决定在什么样的几何空间中取元素计算中值。窗口的大小和形状有时对滤波效果影响很大。
２．３维纳滤波
维纳滤波是一种自适应滤波，它能根据图像的局部方差调整滤波器的输出，它的最终目标是使恢复图像．尹（ｚ，ｙ）与原始图像．厂（ｚ，ｙ）的均方误差最小。
ｍｉｎ＾娅＝ｍｉｎＥ｛ｅ２（ｚ，３，）｝＝ｍｉｎＥ｛（７（ｚ，ｙ）一厂（ｚ，ｙ）２｝
２．４图像小波域滤波
小波分析用于图像去噪处理，主要是针对图像信号与噪声信号经小波变换后在不同的分辨率呈现不同的规律，在不同的分辨率下，设定阈值门限，调整小波系数，达到图像去噪目的。
在小波系数进行取舍之前，实际上按照一定准则（或者阈值化）将小波系数划分为两类：一类是重要的、规则的小波系数；另一类是被看作非重要的或者受噪声干扰较大的小波系数。通常以小波系数的绝对值作为小波系数的分类单元。小波系数绝对值趋向于零，意味着小波系数所包含的信息量受噪声干扰强烈。最常用的阈值化去噪方法：一是默认阈值消噪处理，即在消噪处理过程中采用程序中设定的阈值，对分解信号进行分类处理，以求消除噪声；二是给定软（或硬）阈值消噪处理，阈值通过某一个经验公式获得，该阈值比默认的阈值去噪效果更有说服力。
对于“软阈值化”，绝对值小于阈值艿的小波系数数值用零代替；绝对值大于阈值ｄ的小波系数数值用艿来缩减。如下所示：
％＝瞄新喜㈨㈧ｗ｝≥占
式中，ｗ表示小波系数的数值；聊（・）是符号函数，当数值大于零，符号为正，反之符号为负。对于“硬阈值化”，仅仅保留绝对值大于阈值ｄ的小波系数，并且被保留系数与系数相同（没有被缩减），如下式所示：
’
％＝酗Ｗ篙艿
阈值化处理的关键在于选择合适的并值８．如果阈值太小，处理后的信号仍有噪声存在；阈值太大，重要的图像特征将被滤掉，引起偏差。本实验采用的是“软阈值化”方法进行图像去噪。
３实验结果及讨论
为了比较以上几种不同图像去噪方法的优劣，进行了大量实验。实验中，我们先人为地对不同图像（包括彩色图像及灰度图像）分别添加高斯白噪声、椒盐噪声、乘性噪声。然后分别采取均值滤波、中值滤波、维纳滤波、图像小波域滤波等平滑处理办法对图像去噪复原。给出的部分实验结果如图ｌ所示。
３．１通过对含有同一种噪声类型的不同图像采用这几种滤波方法进行处理，可看出：
（１）４点邻域均值滤波及５×５中值滤波和维纳滤波以图像模糊为代价可不同程度地滤除相关噪声。４点窗口邻域均值滤波由于取的邻域较小，滤除效果不是很好，仍有不少噪声残留，但图像模糊程度却是较小的。实验中发现：若增大了邻域范围，能够更好滤除噪声，但图像的模糊程度加重；５×５中值滤波窗口取得相对较大，能够较好地滤除噪声，但同时图像的模糊程度也随之增大，这主要和所选取的窗口大小有关。
（２）原始图像经过均值滤波后，噪声得到了抑制，图像也得到了平滑，但同时也使图像边缘变得模糊。中值滤波能较好地保护边界，但对图像中的细节处理不理想。经实验证实，中值滤波能有效去除图像中的噪声点，特别是在一片连续变化缓和的区域中（比如人的皮肤），几乎能完全去除灰度突变点．（可以认为是噪
第４期宁媛，等：图像去噪的几种方法分析比较
声点），也因为如此，中值滤波不适合用在细节点多或细节线多的图像中，因为细节点有可能被当成噪声点去除。
（３）尽管维纳滤波方法是按最小原则导出的，在理论上更精确，但实验中发现：维纳滤波虽能使噪声得到抑制，并较好保存图像的边缘和高频细节信息，但去噪后的图像仍略显模糊。
（４）小波域去噪的图像，只有当阈值选择合适，才能使质量明显好转，信噪比有较大的提高。
小波域滤波小波域滤波
图１几种去噪方法的结果比较小波域滤波
３．２通过对含有不同噪声类型的同一图像采用这几种滤波方法进行处理，可看出：
（１）对于不同的噪声，滤波效果各有不同。椒盐噪声由于是黑图像上的白点，白图像上的黑点，与周围各点的灰度值差异较大，容易滤除，采用４点窗口邻域均值滤波即可较好地滤除，且能保持较好的图像轮廓、边缘、线条等细节；中值滤波对于滤除图像中的椒盐噪声也非常有效。
（２）维纳滤波和小波域滤波用于去除高斯白噪声的效果最好，去除椒盐噪声与乘性噪声的效果相对差些。维纳滤波可较好地滤除高斯白噪声，图像也不致太模糊；由于高斯噪声经小波变换后仍呈高斯分布，信号的能量只分布在一小部分系数上，所以对小波分解后的各层细节系数采用阈值处理，可保留大部分信号系数，去除大部分高斯白噪声。
（３）乘性噪声由于和图像信号是相关的，往往随图像信号的变化而变化，故较难通过邻域处理来滤除，采用维纳滤波和小波域滤波可基本滤除乘性噪声，采用５×５中值滤波虽可基本滤除噪声，但图像模糊程度
较高。
图像去噪的几种方法分析比较
作者：
作者单位：
刊名：
英文刊名：
年，卷(期)：
被引用次数：宁媛， 李皖， NING Yuan， LI Wan宁媛,NING Yuan(贵州大学电气工程学院,贵州,贵阳,550003)， 李皖,LI Wan(贵州交通职业技术学院,贵州,贵阳,550008)贵州工业大学学报（自然科学版）JOURNAL OF GUIZHOU UNIVERSITY OF TECHNOLOGY(NATURAL SCIENCE EDITION)2005,34(4)14次
参考文献(4条)
1. 冈萨雷斯 数字图象处理 2003
2. 阮秋琦 数字图像处理学 2001
3. 张旗;梁德群;樊鑫 基于小波域的图像噪声类型识别和估计[期刊论文]-红外与毫米波学报 2004(04)
4. 伯晓晨;李涛;刘路 Matlab工具箱应用指南 2000
本文读者也读过(7条)
1. 宁媛. 李皖 一种基于小波多分辨率分解的二值图像水印算法[期刊论文]-贵州工业大学学报(自然科学版)2002,31(1)
2. 宁媛. 李皖. 曾祥钦. NING Yuan. LI Wan. ZENG Xiang-qin 对贵州制浆造纸厂“黑液”治理方案的建议[期刊论文]-贵州工业大学学报(自然科学版)2001,30(3)
3. 宁媛 图像小波分解的系数分析及在图像处理中的应用[期刊论文]-现代机械2002(3)
4. 伊林林. 郑晓兰. 宁媛. YI Lin-lin. ZHENG Xiao-lan. NING Yuan 零电压转换PWM直流变换器的研究[期刊论文]-通信电源技术2007,24(5)
5. 宁媛. Ning Yuan 对加强工科类本科毕业设计指导的探索[期刊论文]-中国电力教育2010(30)
6. 张国忠. 刘新. 万乐. ZHANG GUOZHONG. LIU XIN. WAN LE 基于小波阈值的图像去噪方法研究[期刊论文]-微计算机信息2007,23(15)
7. 李阳. 张美. 盛亮 BLS-GSM算法改进及应用[会议论文]-2010
引证文献(14条)
1. 张永梅. 王世伟. 王小虎. 李强. 马兰 基于希尔伯特黄变换的图像去噪方法[期刊论文]-计算机测量与控制2013(11)
2. 胡越黎. 计慧杰. 吴频. 宣祥光 图像的中值滤波算法及其FPGA实现[期刊论文]-计算机测量与控制 2008(11)
3. 刘彭和. 张明珠 基于组合方法的图像增强[期刊论文]-福建电脑 2008(9)
4. 王学伟. 于锴峰. 王琳 红外图像锁相滤波去噪算法的研究[期刊论文]-电测与仪表 2008(6)
5. 万小红 常用图像去噪方法探析与比较[期刊论文]-运城学院学报 2011(5)
6. 贺晓建. 王福明 基于8方向的数字图像去噪算法研究[期刊论文]-电子测试 2010(9)
7. 郭蔚. 陈雅颂 自适应联合小波去噪算法[期刊论文]-吉林大学学报（信息科学版） 2007(2)
8. 朱婧. 彭承琳 人体消化道诊断系统中的图像工作站[期刊论文]-中国医疗器械信息 2006(4)
9. 张娜 数字图像增强的方法[期刊论文]-大众科技 2006(8)
10. 张娜. 王绪本. 杨斯涵. 陈瑜 基于HSV空间的简牍图像增强算法研究[期刊论文]-计算机应用研究 2007(6)
11. 王学玲. 王国宇. 綦占堂 基于元胞自动机的毫米波图像边缘检测[期刊论文]-微计算机信息 2007(24)
12. 张伟. 葛耀君. 杨(詠)昕 粒子图像测速技术互相关算法研究进展[期刊论文]-力学进展 2007(3)
13. 陈磊. 乔继红. 陈岩 太阳能电池缺陷分割方法研究[期刊论文]-计算机仿真 2013(12)
14. 李莉. 王洪江. 王贻明 岩体裂隙结构表征方法的探讨[期刊论文]-金属矿山 2011(6)
本文链接：http://d.wanfangdata.com.cn/Periodical_gzgydx200504017.aspx