《表3 Lena图像不同噪声程度去噪结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于小波阈值和全变分模型的图像去噪》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了更好地比较图像去噪前后结构保持情况，本文选用Sobel算子检测用ROF法、非均值滤波去噪法、自适应小波阈值去噪法以及本文提出的去噪方法分别加入均值为0、标准差σ=30的高斯噪声的Barbara、peppers和Lena图像去噪结果的边缘，结果如图3～5所示。从表1～3中可以看出，随着噪声方差的增大，采用ROF法虽能抑制一定的噪声，但是过度平滑了图像中的细节信息，如Barbara的头巾、裤子和桌布、Lena的帽子等都有过度平滑现象，ROF进行边缘检测时，容易受到噪声的影响，如图4（d）中peppers的部分细节丢失。并且从表3Lena图像看出去噪后图像背景亮度变暗，去噪效果不理想。采用非均值滤波去噪后图像边缘模糊，存在失真现象，如图3～5（d）peppers、Lena的边缘和表1中Barbara的头部和手臂。采用自适应小波阈值法去噪不彻底，且同样出现边缘模糊，如表1～3中Lena头发、图片背景以及Barbara的右侧桌布均有模糊现象，采用本文方法去噪后图像平滑自然，其边缘和细节信息保留得较为完整，如图3～5中Lena帽子、Barbara的头巾和桌布纹理、peppers都比较清晰，Barbara的头部和Lena帽子的轮廓更明显。从图3～5（f）可以看出，本文方法去噪后提取的边缘信息更完整。通过与ROF法、非均值滤波法和自适应阈值法去噪结果的对比可以看出，本文方法具有更好的去噪效果，能更好地保护图像的边缘纹理和细节信息。