[發(fā)明專利]基于雙樹復(fù)小波變換的圖像去噪方法

在審

• 申請?zhí)枺?/td>: 201410584194.4
• 申請日: 2014-10-27
• 公開（公告）號: CN104299203A
• 公開（公告）日: 2015-01-21
• 發(fā)明（設(shè)計）人: 劉金華
• 申請（專利權(quán)）人: 四川九洲電器集團(tuán)有限責(zé)任公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 成都九鼎天元知識產(chǎn)權(quán)代理有限公司 51214
• 代理人: 徐宏

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是涉及一種基于雙樹復(fù)小波變換的圖像去噪方法。

背景技術(shù)

成像裝置在獲取或處理圖像時都會引入失真，這些失真包括：圖像模糊、幾何變形、壓縮失真、加性噪聲等，這些失真后的圖像不僅不利于人眼觀測，而且對圖像分割、計算機視覺、目標(biāo)識別等后續(xù)處理造成了很大的影響。因此，在圖像處理之前進(jìn)行圖像去噪在圖像處理領(lǐng)域中一個非常重要的預(yù)處理技術(shù)。圖像去噪的主要目的是在保留圖像原有重要信息的前提下降低或去除噪聲，獲取高質(zhì)量的圖像，從而為后續(xù)的圖像處理和分析奠定基礎(chǔ)。圖像去噪作為圖像處理中基本問題之一，目前已經(jīng)得到了廣泛和深入的研究與發(fā)展。目前常用的圖像去噪方法包括基于小波分析的圖像去噪方法和基于偏微分方程的圖像去噪方法。

基于小波分析的圖像去噪方法充分利用了小波分析對信號的局部分析和多分辨分析的特點，通過對圖像進(jìn)行小波變換后的小波系數(shù)進(jìn)行統(tǒng)計建模，根據(jù)小波系數(shù)集中在0附近的特點,選擇合適的閾值與小波系數(shù)進(jìn)行比較，保留大于閾值的小波系數(shù)以及忽略小于閾值的小波系數(shù)，從而區(qū)分噪聲小波系數(shù)和圖像細(xì)節(jié)小波系數(shù)，達(dá)到對圖像進(jìn)行去噪的目的。基于小波分析的圖像去噪方法的優(yōu)點是實現(xiàn)簡單、計算效率高，但是由于沒有考慮到小波變換的平移敏感性較高和方向選擇性有限，重構(gòu)出的圖像在圖像邊緣處常常出現(xiàn)“振鈴”效應(yīng)。進(jìn)一步地，基于小波分析的圖像去噪方法在先驗?zāi)Ｐ蜕系募僭O(shè)上是將整個小波子帶的邊緣分布作為一個獨立同分布模型，沒有考慮到小波子帶內(nèi)的局部自適應(yīng)以及小波系數(shù)尺度內(nèi)和尺度間之間的相關(guān)性，導(dǎo)致圖像建模的結(jié)果不夠精確。

基于偏微分方程的圖像去噪方法源于物理學(xué)中的熱擴(kuò)散思想，以圖像多尺度空間理論為基礎(chǔ)，在多個尺度上對圖像進(jìn)行刻畫。該類方法在保持原有圖像細(xì)節(jié)信息的前提下，通過推導(dǎo)出的最小能量泛函函數(shù)對圖像進(jìn)行擴(kuò)散過程降低或去除噪聲。基于偏微分方程的圖像去噪方法的優(yōu)點是通過PM(Perona?Malik)各向異性擴(kuò)散模型能夠針對圖像的平坦區(qū)域和圖像突變區(qū)域進(jìn)行不同性質(zhì)的去噪處理，取得較好的圖像去噪效果，而且計算效率也很高。但PM各向異性擴(kuò)散模型從數(shù)學(xué)角度看是一個病態(tài)的數(shù)學(xué)問題，PM各向異性擴(kuò)散模型中的擴(kuò)散函數(shù)取決于圖像區(qū)域近鄰的梯度信息，基于梯度計算擴(kuò)散函數(shù)容易受噪聲的影響，導(dǎo)致圖像經(jīng)處理后邊緣變得較為模糊，影響了最終的去噪效果。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是：針對上述存在的問題，提供一種基于雙樹復(fù)小波變換的圖像去噪方法，能夠有效抑制圖像邊緣處出現(xiàn)的“振鈴”效應(yīng)的同時保留圖像的高頻細(xì)節(jié)信息。

本發(fā)明采用的技術(shù)方案是提供一種基于雙樹復(fù)小波變換的圖像去噪方法，包括：輸入含噪圖像；對輸入的所述含噪圖像進(jìn)行雙樹復(fù)小波N層變換分解，分解得到兩個低頻子帶圖像和第N層的六個高頻子帶圖像；分別計算分解后的六個高頻子帶圖像的雙樹復(fù)小波變換模；利用所述六個雙樹復(fù)小波變換模替換PM各向異性擴(kuò)散模型中的梯度模，并采用預(yù)設(shè)的指數(shù)變量改進(jìn)所述PM各向異性擴(kuò)散模型，得到自適應(yīng)擴(kuò)散去噪模型；對所述自適應(yīng)擴(kuò)散去噪模型進(jìn)行離散化處理；采用所述離散化處理后的自適應(yīng)擴(kuò)散去噪模型分別對所述六個高頻子帶圖像進(jìn)行擴(kuò)散去噪；對所述去噪后的六個高頻子帶圖像和所述兩個低頻子帶圖像組合后進(jìn)行雙樹復(fù)小波N層逆變換，重構(gòu)出去噪后的圖像。

優(yōu)選地，N等于3，

優(yōu)選地，所述雙樹復(fù)小波變換模表示為：

M_Sf(x,y,t)＝||W_Nif(x,y,t)||

所述自適應(yīng)擴(kuò)散去噪模型采用如下公式：