[發(fā)明專利]基于改進小波閾值函數(shù)的圖像去噪算法

在審

• 申請?zhí)枺?/td>: 202110374549.7
• 申請日: 2021-04-07
• 公開（公告）號: CN112991224A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設計）人: 李杰;巨展宇
• 申請（專利權(quán)）人: 李杰
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于改進小波閾值函數(shù)的圖像去噪算法，屬于圖像去噪技術(shù)領(lǐng)域，S1、將待去噪的圖像信號進行小波基分解，S2、對分解層內(nèi)的多層小波信號進行去噪處理，S3、通過小波閾值保留大尺度低分辨率下的全部小波系數(shù)，S4、得到修整后的小波系數(shù)，S5、對去噪后的圖像進行插值對比。本發(fā)明中，保證對圖像的去噪處理精度，通過多重處理優(yōu)化實現(xiàn)對圖像的精確去噪處理，相較于現(xiàn)有去噪算法具有較高的處理精度，同時能夠通過對神經(jīng)網(wǎng)絡模型的訓練學習實現(xiàn)對輸出層輸出向量的反推導實現(xiàn)對小波函數(shù)的閾值優(yōu)化判斷，繼而能夠有效提高對小波閾值的調(diào)節(jié)計算，從而能夠確保對圖像噪聲優(yōu)化的閥值精度調(diào)整。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像去噪技術(shù)領(lǐng)域，尤其涉及一種基于改進小波閾值函數(shù)的圖像去噪算法。

背景技術(shù)

數(shù)字圖像是通過數(shù)字信號實現(xiàn)對圖像展示的技術(shù)手段，由于數(shù)字圖像受到外部成像設備和外部環(huán)境干燥的多種影響，不可避免的會產(chǎn)生各種噪聲，小波分析作為頻域方法信號處理的主要途徑，利用小波分析低熵性、去相關(guān)性和多分辨率分析和選基靈活的優(yōu)點，實現(xiàn)對圖像的去噪處理。

通過小波閾值函數(shù)對圖像進行去噪時，函數(shù)閾值的判斷是最主要的標準現(xiàn)有的圖像去噪算法多缺乏對小波閾值函數(shù)的閾值系數(shù)的精確判斷，中國專利公告號102663695A，公開了基于小波變換的DR圖像去噪方法及系統(tǒng)，該方法將改進的閾值函數(shù)與硬閾值函數(shù)相結(jié)合，先采用改進型軟閾值處理，重構(gòu)后對第一層細節(jié)分量采用硬閾值方法再次處理，改善了圖像的信噪比，其不足在于，在硬閾值處理單元中，硬閾值函數(shù)由于不連續(xù)帶來的振蕩依然可能存在，仍缺乏對大量數(shù)據(jù)的適配改進，函數(shù)閾值的處理精度不佳，導致影響到對圖像的去噪精度，不能很好的滿足對圖像的去噪需要。

發(fā)明內(nèi)容

本發(fā)明的目的在于：為了解決在硬閾值處理單元中，硬閾值函數(shù)由于不連續(xù)帶來的振蕩依然可能存在，仍缺乏對大量數(shù)據(jù)的適配改進，函數(shù)閾值的處理精度不佳，導致影響到對圖像的去噪精度的問題，而提出的一種基于改進小波閾值函數(shù)的圖像去噪算法。

為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

一種基于改進小波閾值函數(shù)的圖像去噪算法，具體包括以下步驟：

S1、將待去噪的圖像信號進行小波基分解，得到分解層數(shù)，同時將待去噪的圖像信號進行灰度值平均測算，得到源圖像信號平均灰度值；

S2、對分解層內(nèi)的多層小波信號進行去噪處理，通過小波閾值函數(shù)對分解層內(nèi)圖像信號的小波信號閾值進行因子修正調(diào)節(jié)；

S3、通過小波閾值保留大尺度低分辨率下的全部小波系數(shù)，對于各尺度高分辨率下的小波系數(shù)設定閾值；

S4、得到修整后的小波系數(shù)，對修整后的小波系數(shù)進行小波重構(gòu)，得到優(yōu)化后的最佳去噪后的圖像；

S5、對去噪后的圖像進行插值對比，判斷最終優(yōu)化效果，處理圖像不滿足時將降噪閾值發(fā)送至閾值模型進行再次判斷，重復優(yōu)化閾值后，輸出降噪圖像，當滿足優(yōu)化效果后，輸出降噪后的圖像。

作為上述技術(shù)方案的進一步描述：

所述S2中小波閾值模型通過神經(jīng)網(wǎng)絡算法實現(xiàn)對閾值的調(diào)節(jié)計算，具體包括在隱藏層神經(jīng)元內(nèi)輸入對應的小波函數(shù)因子，并通過輸入層神經(jīng)元內(nèi)去噪數(shù)字圖像的輸入得到輸出向量的優(yōu)化數(shù)字圖像，并通過數(shù)字圖像的優(yōu)化數(shù)值對比通過BP算法反向推導閾值公式權(quán)重因子，得到閾值的最優(yōu)解。

作為上述技術(shù)方案的進一步描述：

所述S3中幅值低于該閾值的小波系數(shù)數(shù)值為0時，高于該閾值的小波系數(shù)完整保留或相應收縮。

作為上述技術(shù)方案的進一步描述：

所述S5中插值對比包括對優(yōu)化后圖像進行灰度處理，并通過平均灰度系數(shù)，判斷邊緣平滑度以及等效視數(shù)，通過邊緣平滑度判斷高頻信息的丟失，并通過等效視數(shù)判斷圖像噪聲水平。