【摘 要】本文基于图像处理中小波方法中软硬阈值去噪的缺点，提出一个新的降噪算法。传统的软、硬阈值去噪，由于实际情况下噪声情况复杂多变，不易估计，故降噪效果不太理想，适应性不好。基于这个问题的考虑，本文提出一种对图像处理中复杂噪声适应性较强的降噪新算法，可以有效去除高、低频段噪声。对新算法与传统算法进行比较，并通过MATLAB实验数据进行对比分析，实验结果显示该新算法克服了传统软硬阈值降噪缺点，而且比传统小波降噪方法有更好的适应性，信噪比更高、均方误差更小。
　　【关键词】软阈值 硬阈值 自适应 降噪 新算法
　　小波阈值去噪是应用较为广泛并且效果较好的方法，常用的有硬阈值和软阈值方法，以及半软阈值滤波法，近年来文献中，针对阈值法不断提出新算法，比如软硬阈值折衷等处理方法，能够处理满足一定情况的噪声。但是由于实际中的噪声情况多样，一般情况下噪声不好估计，故这些算法实际应用并不是太好。本文基于实际应用，提出一种新算法：先进行硬阈值降噪，然后进行自适应滤波，最后在第二步基础上取新阈值进行软阈值去噪。实验结果显示，此方法对于复杂未知噪声的去噪效果明显好于传统阈值去噪及自适应降噪法。
　　一、软阈值，硬阈值，自适应去噪原理
　　（一）软、硬阈值去噪方法实现
　　首先对噪声图像进行小波变换，得到小波变换系数是二维的。接着对每个小波系数进行非线性阈值处理，有软阈值和硬阈值两种方法。
　　选取合适的阈值是小波阈值降噪处理的重要技术，阈值选择得过大，一些比较重要的图像细节也被去掉了；阈值选择得太小，降噪后图像依然存在大量噪声。
　　（二）自适应中值滤波器原理
　　自适应中值滤波采用不同的窗口大小对像点进行噪声判别，能够有效保护图像细节，并能对图像起到一定平滑作用。自适应中值滤波器能够去除噪声的同时在一定程度上保持图像边缘及纹理细节。
　　二、改进的算法
　　（一）算法步骤
　　1.对于任意含噪图像，利用阈值近似估计公式，确定出阈值，对图像进行小波硬阈值降噪。
　　2.對硬阈值处理后的图像利用自适应中值滤波进行二次降噪。
　　3.在第二步处理完之后，新图像再次利用阈值近似估计公式计算出新的阈值，并利用此阈值进行软阈值去噪。
　　（二）算法分析
　　1.硬阈值处理后的图像，很好的保留了图像边缘等局部特征。同时对高频信号容易引起损失，图像会出现振铃、伪吉布斯现象，使得图像会失真。
　　2.此时在一定程度上可以认为图像具有某些较大概率的冲激，众所周知，自适应中值滤波具有自适应性，是处理这类问题的良好工具，故采用自适应中值滤波进行二次处理，处理后，平滑了非冲激噪声，同时使图像中某些间断的部分平滑起来，又保存了一定量细节。
　　3.在自适应中值滤波之后得到新图像，利用阈值近似估计公式重新得出新的阈值，不能利用第一步的阈值是因为，经过前两步处理，图像已经得到了一定程度的降噪，最优阈值自然也发生变化。利用新阈值进行软阈值处理，使图像平滑程度更高，同时进一步除去统计噪音，图像特征进一步保留。
　　但由于此步降噪时噪声平滑与特征保留的程度并不是一定会优于第二步所得到的图像，所以要进行一个对第三步的选择。一般情况下，对于得到更好的降噪图像，第三步是必要的
　　三、MATLAB仿真实验
　　新算法第一步和第三步是对小波系数层面的降噪步骤，其中第一步计算得到Donoho近似阈值为33.6147，第三步利用近似公式得到的新阈值为3.1627。第二步是宏观图像上的降噪处理。新算法明显优于传统软阈值算法，第三步处理是关键的。从图像及数据可以观察出，新算法已经涵盖了软硬阈值及自适应中值滤波降噪的优点，在处理未知噪声方面有其独到的效果。
　　四、结束语
　　硬阈值方法处理含噪图像具有很好的逼近性，但有附加振荡较大；软阈值方法获得的降噪图像光滑性较好，不过误差偏大；自适应算法处理较大概率的冲激信号较好，而且平滑效果不错，但是处理噪声有相当局限性。新算法相比而言，折衷了三种方法的利弊，既能较好地保持图像的细节和边缘、纹理；又使图像尽可能平滑，一定程度上减少了误差，信噪比更高。另外，其它有效算法结合小波阈值降噪的方法还有待继续研究。