基于二进小波变换的图像去噪

首 先提取出雾图像的三个颜色通道，并对其分别使用两 种二进小波滤波器进行二进小波变换分解和二进小波 逆变换重构处理，达到雾图去噪效果。

算法实现 二进小波域的高频子带的非线性增强 雾图经二进小波变换分解得到的高频子带在小波 域中，包含着雾图大量的细节信息和噪声，噪声的含量 严重影响着雾图的质量。 为了更好地去除雾图中的噪 声，并具有较好的去噪效果，选取具有噪声抑制功能的 小波阈值增强函数进行高频子带的去噪处理。 在分解 过程中，分解层数的多少也影响着处理效果，若分解层 数较多，图像便会出现模糊，分解层数不足，又达不到 预期的去雾效果。 经过大量的实验和分析，该文对雾 图分解一层，且雾图的噪声主要集中在分解的第一层， 因此，将小波阈值增强函数应用到分解一层的高频子 带系数。 选取的阈值为： Ｔ ＝ σ ２ｌｎ（Ｍ × Ｎ） Ｍ × Ｎ 其中， Ｍ × Ｎ 为图像的大小， σ 为图像的均方差。 采用的阈值函数为： Ｑ（ｘ） ＝ ｓｇｎ（ｘ）［ ｘ － ｋＴ １ － ｅｍ（ ｘ －Ｔ） ］， ｘ ≥ Ｔ ０， ｘ ＜ Ｔ
（１３） 其中 ｍ，ｎ 是可以调节的参数，经过大量的实验分析证 明，当 ｋ ∈ ［０，１］ ， ｍ ∈ ［０， ＋ ∞ ］ 时，该阈值函数具有 明显的连续性，而且也保留了传统阈值函数的优势，即 软阈值函数和硬阈值函数的优势。 ２．２ 二进小波域的低频子带的线性增强 雾图经二进小波变换分解产生的低频分量中包含 了原始图中大量的内容信息，雾也主要集中在低频子 带，低频子带类似于原始雾图的缩略图。 雾图像最主 要的特点就是对比度很低，并且低频部分基本去除了 噪音，因此通过对低频子带系数进行对比度的拉伸来 提高雾图像的整体对比度。 该文使用的映射函数为： Ｑ（ｘ） ＝ ２５５∗（ｘ － ｕ） ／ （ｖ － ｕ） ，其中 ｕ 、 ｖ 分别表示为 雾图像灰度值的最小值和最大值。

这个算法怎么做