[發明專利]一種基于改進二維經驗模態分解算法的圖像去噪方法

有效

• 申請號: 201710641822.1
• 申請日: 2017-07-31
• 公開（公告）號: CN107464226B
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 陳熙源;柳笛
• 申請（專利權）人: 東南大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉傳玉

1.一種基于改進二維經驗模態分解算法的圖像去噪方法，其特征在于，包括下列步驟：

步驟1)，使用傳統二維經驗模態分解方法對待去噪圖像I(x,y)進行自適應分解，得到其各階本征模態函數和殘余分量Ir(x,y)，其過程可表述為：

其中，M、N分別為待去噪圖像I(x,y)的長、寬所含有的像素個數，x＝1,2,…,M，y＝1,2,…,N；k為待去噪圖像I(x,y)經傳統二維經驗模態分解得到的本征模態函數的個數；IMF_i為待去噪圖像I(x,y)經傳統二維經驗模態分解得到的第i本征模態函數，i＝1,2,…,k；

步驟2)，對待去噪圖像I(x,y)的本征模態函數按照噪聲主導模態函數與信號主導模態函數進行區分，得到其噪聲主導模態函數與信號主導模態函數的邊界索引值J；

步驟3)，通過以下公式對待去噪圖像I(x,y)的前J-1個本征模態函數進行重構，得到信號I_P(x,y)：

步驟4)，使用小波對圖像信號I_P(x,y)進行降噪處理，得到圖像信號

步驟5)，根據以下公式計算出圖像信號I_P(x,y)中存在的實際噪聲序列I_n(x,y)：

步驟6)，根據以下公式對待去噪圖像I(x,y)最后k-J+1個本征模態函數、殘余分量Ir(x,y)及圖像信號I_P(x,y)中所含有用信息進行重構，得到圖像有用信息序列I_m(x,y)：

步驟7)，根據實際噪聲序列I_n(x,y)、圖像有用信息序列I_m(x,y)計算出噪聲壓縮后的圖像信號

步驟8)，使用傳統二維經驗模態分解方法對圖像信號進行自適應分解，得到k階本征模態函數和一個殘余分量Ir(x,y)；

步驟9)，對圖像信號的噪聲主導模態函數與信號主導模態函數進行區分，得到其噪聲主導模態函數與信號主導模態函數的邊界索引值；

步驟10)，根據噪聲的衰減規律估計出圖像信號各階噪聲主導模態函數的去噪閾值T_i；

步驟11)，對于圖像信號的各階噪聲主導模態函數中的每一個像素點，如果其幅值大于其對應主導模態函數的去噪閾值T_i，保留該點，否則認為該點為噪聲并將該點幅值置0；

步驟12)，對進行閾值降噪處理得到圖像I_Q(x,y)，降噪后圖像I_Q(x,y)表示為：

其中，f(·)為閾值降噪處理函數。

2.根據權利要求1所述基于改進二維經驗模態分解算法的圖像去噪方法，其特征在于，所述步驟2)的詳細步驟如下：

步驟2.1)，使用標準正態核密度函數對待去噪圖像I(x,y)的各階本征模態函數、待去噪圖像I(x,y)的概率密度函數進行估計；

步驟2.2)，通過歐式幾何距離PDF_S(·)對每個本征模態函數的概率密度函數PDF(IMF_i(x,y))與待去噪圖像I(x,y)的概率密度函數PDF(I(x,y))之間的相似性進行測量，計算公式如下：

PDF_S(i)＝dist(PDF(I(x,y),PDF(IMF_i(x,y)))

式中，PDF(IMF_i(x,y))表示待去噪圖像I(x,y)第i個本征模態函數的概率密度函數，PDF(I(x,y))表示待去噪圖像I(x,y)的概率密度函數，PDF_S(i)表示待去噪圖像I(x,y)第i個本征模態函數的概率密度函數和待去噪圖像I(x,y)的概率密度函數之間的相似性測量值，dist(P,Q)表示概率密度函數P與Q之間的歐式距離，P(z)、Q(z)分別表示在z值下的概率密度值；

步驟2.3)，根據以下公式計算出噪聲主導模態函數與信號主導模態函數的邊界索引值J：

3.根據權利要求1所述基于改進二維經驗模態分解算法的圖像去噪方法，其特征在于，所述步驟7)的詳細步驟如下：

步驟7.1)，對實際噪聲序列I_n(x,y)的位置分布進行a次任意改變，得到a個新的噪聲分布序列：

I_a(x,y)＝ALTER[I_n(x,y)]

其中，a為大于零的自然數，I_a(x,y)為對實際噪聲序列I_n(x,y)的位置分布進行第a次改變后得到的噪聲分布序列；

步驟7.2)，根據以下公式構建對應于每個噪聲分布序列I_a(x,y)、含有和待去噪圖像I(x,y)不同噪聲分布、且和待去噪圖像I(x,y)具有相同信噪比的圖像信號：

I_a'(x,y)＝I_a(x,y)+I_m(x,y)

其中，隨著噪聲序列I_a(x,y)不同，可構建出不同的圖像信號I_a'(x,y)；

步驟7.3)，通過K次任意改變噪聲分布序列構建K幅具有和待去噪圖像I(x,y)不同噪聲分布、且和待去噪圖像I(x,y)具有相同信噪比的圖像I₁'(x,y),I₂'(x,y),..,I_K'(x,y)，然后對圖像I₁'(x,y),I₂'(x,y),..,I_K'(x,y)進行疊加并求平均處理，得到噪聲壓縮后的圖像信號