[發明專利]基于LoG算子改進的自適應閾值小波去噪算法

有效

• 申請號: 201410129956.1
• 申請日: 2014-04-02
• 公開（公告）號: CN103886558B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 林志賢;郭太良;葉蕓;林金堂;姚劍敏;徐勝
• 申請（專利權）人: 福州大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/20
• 代理公司: 福州元創專利商標代理有限公司35100
• 代理人: 蔡學俊

技術領域

本發明涉及一種去噪算法，特別是一種基于LoG算子改進的自適應閾值小波去噪算法。

背景技術

隨著科學技術的進步，以及各種數碼產品和電子設備的日益普及，人們習慣于通過圖像或者視頻的形式獲取事物的信息，但圖像傳輸過程中會受到各種噪聲干擾，導致圖像質量降低。因此，在圖像的傳輸過程中，要對其進行降噪處理。

目前，常用的小波去噪算法有硬閾值算法、軟閾值算法、傳統的小波閾值去噪以及各個文獻提出的基于邊緣的閾值算法，但是，這些算法在處理圖像時，效果并不盡如人意。例如硬閾值算法，在去噪過程中，雖然能夠保留圖像細節信息，但是大部分噪聲也被保留下來；軟閾值算法處理過的圖像，圖像的邊緣信息過于模糊，輪廓不夠清晰；傳統的小波閾值去噪算法，由于對整幅圖像采用相同的閾值，這就導致了邊緣部分的細節信息大量丟失，導致圖像模糊；各個文獻提出的基于邊緣的閾值算法在傳統的小波閾值算法基礎上做了改進，但是因為閾值函數選取不恰當，去噪效果依然較差。人眼視覺系統理論顯示，人眼對于邊緣等細節信息較敏感，因此邊緣信息的丟失會導致圖像視覺質量降低。綜上所述，如何消除圖像邊緣部分的噪聲就變得非常重要，直接影響整幅圖像去噪效果的優劣。

針對以上問題，我們提出了改進的閾值函數，對于圖像的非邊緣部分，在軟閾值函數的基礎上加以改進；對于圖像的邊緣部分，將圖像邊緣部分的能量考慮進來，與相應的小波系數相結合，構建新的閾值函數，這樣，不僅能消除掉圖像的噪聲，還能夠清晰的保留邊緣部分的輪廓，去噪效果大大提高。

發明內容

本發明的目的在于提供一種克服現有閾值去噪算法的不足，提出了一種能夠有效保存圖像邊緣信息，且去噪效果明顯提高的基于LoG算子改進的自適應閾值小波去噪算法。

為實現上述目的，本發明的技術方案是：一種基于LoG算子改進的自適應閾值小波去噪算法，包括如下步驟，

步驟S01：采用LoG算子提取含噪圖像的邊緣輪廓信息：即先對含噪圖像進行平滑處理，在采用拉普拉斯算子進行邊緣檢測，得到邊緣圖像；具體公式如下，

??????????

其中：x、y為含噪圖像的尺寸，為平滑圖像，為含噪圖像，為平滑函數，為拉普拉斯算子；

步驟S02：分離步驟S01得到的邊緣圖像的邊緣部分和非邊緣部分；

步驟S03：利用非邊緣部分改進的閾值函數以及邊緣部分改進的閾值函數，分別處理圖像的非邊緣部分和邊緣部分；

非邊緣部分改進后的閾值函數公式如下：

邊緣部分改進后的閾值函數公式如下：

其中：j、k為圖像的坐標，S為閾值誤差修正系數，W_j,k為含噪圖像經小波變換后得到的小波系數，為閾值，a為控制小波系數收縮程度，E_j,k為小波系數附近的能量；

步驟S04：將步驟S03處理后的非邊緣部分和邊緣部分的小波系數各自對應相加，通過小波反變換得到整體的去噪后圖像；

步驟S05：對上述步驟S04得到的圖像的R、G、B三個通道分別進行上述四個步驟的處理，以保留圖像的所有細節信息，得到最終圖像。

相較于現有技術，本發明具有以下有益效果：

1、本發明分別用改進的閾值函數處理圖像的邊緣和非邊緣兩個部分；對于圖像非邊緣部分，在軟閾值函數的基礎上加以改進：對大于閾值的小波系數，提出的改進閾值函數對閾值增加了一個閾值誤差修正系數，利用其與修正閾值之間的差值對其進行誤差修正，以減少失真，小于閾值的小波系數直接為0，去噪效果明顯，且保留了圖像的細節信息；

2、對于圖像邊緣部分，考慮小波系數附近的能量，比較其與修正閾值的關系，大于修正閾值的能量，直接求取小波系數附近能量與收縮閾值差的絕對值，再求取與1的差值，然后與小波系數相乘得到新的小波系數；小于修正閾值的小波系數直接為0，有效保存了圖像的邊緣信息。

附圖說明

圖1為本發明方法的處理流程圖。

圖2為傳統的自適應閾值小波去噪算法框架。

圖3為未加噪的原始圖像。

圖4為局部加噪圖像。

圖5為圖像非邊緣部分經改進的閾值函數處理結果圖。

圖6為圖像邊緣部分經改進的閾值函數處理結果圖。

圖7為整體圖像的去噪效果圖。

具體實施方式

下面結合附圖，對本發明的技術方案進行具體說明。