Como un trozo de papel

Las imágenes suelen verse dañadas por el ruido en su recopilación y transmisión. Por ejemplo, en la adquisición de imágenes, el rendimiento del sensor de imagen se ve afectado por muchos factores, como las condiciones ambientales y el contenido del propio control de calidad. Por ejemplo, en una cámara CCD que adquiere imágenes, los niveles de luz y la temperatura del sensor son factores importantes que afectan la cantidad de imágenes ruidosas generadas. Las imágenes también se corrompen durante la transmisión porque se utilizan canales de interferencia para la transmisión. Las técnicas de eliminación de ruido de imágenes deben eliminar este ruido aleatorio adicional y al mismo tiempo conservar la mayor funcionalidad de señal importante posible. El objetivo principal de estos tipos de eliminación de ruido aleatorio es suprimir el ruido manteniendo los detalles de la imagen original. Los filtros estadísticos son los mismos que los filtros de media [1] [2], y los filtros de Wiener [3] se pueden utilizar para eliminar este tipo de ruido. Sin embargo, el método de eliminación de ruido basado en la transformada wavelet es más efectivo que estos filtros. En términos generales, la eliminación de ruido de la imagen ofrece un compromiso entre la reducción del ruido y la preservación de detalles importantes de la imagen. Para lograr un buen rendimiento a este respecto, se emplean algoritmos de eliminación de ruido para adaptarse a las discontinuidades de la imagen. La naturaleza representativa de las wavelets favorece naturalmente la construcción de este algoritmo adaptativo espacial. Comprime una señal de información importante en una cantidad relativamente pequeña de coeficientes para representar detalles de la imagen en diferentes escalas de resolución. En los últimos años, se ha realizado una cantidad considerable de investigación sobre los umbrales de las wavelets y la selección de umbrales para la eliminación de ruido de señales e imágenes [4] [5] [6] [7] [8] [9], porque las wavelets proporcionan una buena forma de separar señales de ruido y señales de imagen una base adecuada. Muchas técnicas de umbral wavelet, como VisuShrink [10] y BayesShrink [11], han demostrado que la eliminación de ruido de la imagen tiene mejores beneficios. Aquí, describimos una técnica efectiva de eliminación de ruido de umbral mediante el análisis de los coeficientes wavelet de los parámetros estadísticos. Este artículo está organizado de la siguiente manera: La Sección 2 proporciona una breve revisión de la transformada wavelet discreta (dominio DWT) y los bancos de filtros wavelet. La técnica de umbralización de ondas se basa en la explicación de la Sección III. La sección 4 explica la nueva tecnología de umbral. Los pasos para trabajar en este rango se explican en las Secciones 5 y 6, y los resultados experimentales de este trabajo propuesto están actualizados y se comparan con otras técnicas de eliminación de ruido. Finalmente, la séptima parte es la conclusión.