[發明專利]一種基于改進小波閾值函數的圖像去噪方法

有效

• 申請號: 201810361170.0
• 申請日: 2018-04-20
• 公開（公告）號: CN108596848B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 安維勝;王佰輝
• 申請（專利權）人: 西南交通大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 何凡;李蕊

本發明公開了一種基于改進小波閾值函數的圖像去噪方法，其包括以下步驟：S1、將待去噪的圖像信號進行二維離散小波變換，得到小波系數；S2、通過改進小波閾值函數對得到的小波系數進行修正，得到修正后的小波系數；S3、對修正后的小波系數進行小波重構，得到去噪后的圖像。本發明中采用的改進小波閾值函數連續性強于現有閾值函數，本方法解決了現有技術中的固定偏差問題和偽吉布斯現象，使得本發明相對于現有去噪方法去噪效果更好。

技術領域

本發明涉及圖像處理領域，具體涉及一種基于改進小波閾值函數的圖像去噪方法。

背景技術

圖像去噪是圖像處理過程中必不可少的一部分。其目的是去除圖像信號在傳輸過程中所加入的噪聲，盡可能的保留圖像的原始特征和細節信息，以便圖像信號的后續處理。隨著人們對圖像處理理論的深入研究，越來越多的圖像去噪方法被提出來。小波變換因為具有多分辨率的特點，且在時域和頻域都有表征信號局部信息的能力，因此成為了近年來圖像去噪的研究熱點之一。

常用的小波去噪方法有：小波閾值去噪、小波相關性去噪以及小波模極大值去噪。而運用最為廣泛的是小波閾值去噪。小波閾值去噪是1992年D.L.Donoho和I.M.Johnstone提出的，該方法的基本思想是：當含有噪聲的圖像經過小波分解后，圖像本身的能量存在于部分小波分解系數當中，而噪聲的能量分布在所有小波分解系數當中，經過多層小波分解的含噪圖像，其本身的小波系數模值大于噪聲信號小波變換的系數模值。該方法中的噪聲信號一般存在于高頻系數當中，此時，設定一個閾值，對大于和小于該閾值的高頻小波系數模值分別進行閾值化處理。最后，將經過處理的小波系數進行小波反變換，得到去噪后的新圖像。決定小波閾值去噪算法去噪效果的因素主要是閾值函數的選取。傳統的小波閾值去噪函數有硬閾值函數和軟閾值函數兩種，但這兩種方法都有一定缺陷：硬閾值函數在閾值處不連續，導致重構圖像出現振鈴和偽吉布斯效應；軟閾值函數雖然在閾值處連續，但處理后的小波系數與真實小波系數之間存在恒定偏差，導致小波系數重構精度降低，使得去噪效果差。

發明內容

針對現有技術中的上述不足，本發明提供的一種基于改進小波閾值函數的圖像去噪方法解決了現有基于小波函數圖像去噪方法去噪效果差的問題。

為了達到上述發明目的，本發明采用的技術方案為：

提供一種基于改進小波閾值函數的圖像去噪方法，其包括以下步驟：

S1、將待去噪的圖像信號進行二維離散小波變換，得到小波系數；

S2、通過改進小波閾值函數對得到的小波系數進行修正，得到修正后的小波系數；

S3、對修正后的小波系數進行小波重構，得到去噪后的圖像。

進一步地，步驟S1的具體方法為：

S1-1、根據MATLAB中的wavedec2函數對待去噪的圖像f(x,y)進行二維離散小波變換，得到小波系數行向量C：

C＝[A(N)|H(N)|V(N)|D(N)|H(N-1)|V(N-1)|D(N-1)|...|H(1)|V(1)|D(1)]

其中A(N)代表第N層低頻系數，H(N)|V(N)|D(N)代表第N層高頻系數且分別是水平高頻系數、垂直高頻系數和對角高頻系數；

S1-2、將行向量C中的高頻系數記為小波系數w_j,k，即

w_j,k＝[H(N)|V(N)|D(N)|H(N-1)|V(N-1)|D(N-1)|...|H(1)|V(1)|D(1)]。

進一步地，步驟S2的具體方法為：

根據公式