[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

本發明公開了一種基于改進二維經驗模態分解算法的圖像去噪方法,首先，將待去噪圖像經傳統BEMD算法進行自適應分解得到各階IMF后，對各個IMF的概率密度函數與待去噪圖像概率密度函數之間的相似性進行測量，其次，根據相似性測量值區分出噪聲主導模態函數與信號主導模態函數的邊界索引值,然后，使用小波去噪算法對噪聲主導模態函數進行降噪處理得到實際的圖像噪聲，接著，重構出與原圖像具有相同信噪比的多幅圖像后對其累加求平均、實現將噪聲壓縮到低階IMF中，最后，使用BEMD?DT對該平均圖像進行去噪處理。通過本發明方法對圖像進行去噪，取得效果均好于小波降噪以及傳統BEMD等降噪方法的去噪效果。

技術領域

本發明涉及圖像信號處理領域，尤其涉及一種基于改進二維經驗模態分解算法的圖像去噪方法。

背景技術

圖像作為一種重要的視覺載體，然而在圖像獲取和傳輸過程中會受到外在或內在因素的影響從而產生噪聲污染，這些噪聲降低了圖像的質量，致使圖像中的重要信息丟失，給圖像的進一步分析帶來很大的困難。因此在對圖像分析之前要進行降噪處理。

近些年來，一些較復雜的超小波算法被應用到圖像去噪中，例如小波去噪、剪切波變換去噪、曲波變換去噪等方法。這些方法能夠在多方向上進行圖像去噪，然而它們需要預先設計分解基底，如果分解達不到最優則會造成不能對圖像進行徹底降噪或者將一些有用的細節信息作為噪聲而濾除。隨著經驗模態分解(EMD)方法的出現，該種方法有很強的局部自適應分解特性，在一定程度上克服了小波分解的不足并在一維及多維信號分析中取得了廣泛的應用。目前基于二維經驗模態分解(BEMD)的去噪方法主要是直接將含有噪聲的低階本征模態函數(IMF)去掉并在一定程度上取得了較好的效果，但這些基于二維經驗模態分解的去噪方法忽略了低階本征模態函數中還含有的少量有用信息，從而可能造成原始圖像信號的變形。

提高采集圖像的質量也可以在硬件上進行改進，例如使用高性能的CCD相機采集圖像，并且通過改變環境硬件設施使環境因素對采集圖像的影響降到最低。這種方案在一定程度上可以提高采集到的圖片質量，卻增加了硬件的復雜性，提高了成本，不利于在實踐中進行推廣應用。

發明內容

本發明所要解決的技術問題是針對背景技術中所涉及到的缺陷，提供一種基于改進二維經驗模態分解算法的圖像去噪方法。

本發明為解決上述技術問題采用以下技術方案：

一種基于改進二維經驗模態分解算法的圖像去噪方法，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)：