專利名稱：：基于鄰域加窗的小波圖像去噪方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于圖像處理
技術(shù)領(lǐng)域：
，具體涉及一種基于鄰域加窗的小波圖像去噪方法。
背景技術(shù)：
：目前圖像去噪方法中，均值濾波是一種常用的圖像濾波去噪方法，該方法運算簡單，對高斯噪聲具有良好的去噪能力。但均值濾波在消除噪聲的同時也會對圖像的高頻細節(jié)成分造成破壞和損失，使圖像模糊。為了解決均值濾波算法存在的圖像模糊問題，也出現(xiàn)了許多改進的算法，如K鄰點平均法、梯度倒數(shù)加權(quán)平滑法、最大均勻性平滑法、小斜面模型平滑法、自適應加權(quán)平滑法等，不過這些改進的均值濾波算法一般只是對某些類型的圖像具有較好的去噪效果，對于不同類型的圖像則需要調(diào)整其形狀和參數(shù)，不具有普適性。
發(fā)明內(nèi)容本發(fā)明是針對現(xiàn)有技術(shù)的上述不足，提供了一種基于鄰域加窗的小波圖像去噪方法。該方法充分考慮了小波系數(shù)的層內(nèi)相關(guān)性，并根據(jù)其特性為各子帶系數(shù)選擇不同的加窗濾波模板，從而達到更好地恢復原圖像，改善對圖像的去噪性能。本發(fā)明的基于鄰域加窗的小波圖像去噪方法，包括下列步驟-步驟l:將含噪圖像/7>，^經(jīng)過單尺度小波變換處理，分別獲得四個子帶系數(shù)低頻近似系數(shù)A、水平細節(jié)系數(shù)H,、垂直細節(jié)系數(shù)V^Q對角細節(jié)系數(shù)D,;步驟2:將4保持不變，對水平細節(jié)系數(shù)H,、垂直細節(jié)系數(shù)V,和對角細節(jié)系數(shù)D,分別采用垂直線形濾波模板、水平線形濾波模板和對角方向濾波模板進行均值濾波，濾波后為A、《、A;步驟3:將A和去噪后的高頻子帶A、A、A進行重構(gòu)，即可得到去噪后圖像/，上述的步驟2可以按照下列方法進行1)首先分別根據(jù)水平細節(jié)系數(shù)H,、垂直細節(jié)系數(shù)Vi和對角細節(jié)系數(shù)"的頻率特性分別選擇相應的均值濾波模板w《C=H,r，D;2)為濾波模板分別進行加窗；3)進行濾波操作=^2/(xj)mvw(")似(W)eS其中S是以(a》為中心的鄰域中點的集合，M是S內(nèi)的點數(shù)，《&j^為濾波后子帶系數(shù)。圖1本發(fā)明基于鄰域加窗的小波圖像去噪方法的總體流程圖。圖2本發(fā)明去噪處理樣圖。圖2(a)為去噪處理樣圖原圖；圖2(b)為樣圖原圖加噪圖像；圖2(c廣(g)為使用本發(fā)明去噪方法去噪處理后圖像，其中，(c)窗口面積為5，加矩形窗；(d)窗口面積為5，加漢寧窗；(e)窗口面積為5，加三角窗；(f)窗口面積為5，加海明窗；(g)窗口面積為5，加布拉克曼窗。具體實施例方式下面通過附圖和實施例對本發(fā)明做進一步詳述。1.圖像變換將加噪圖像進行小波變換，得到小波系數(shù)矩陣，分解到1層，小波基為sym8小波。數(shù)字圖像/T義，W的二維離散小波分解Mallat快速算法可用公式表示為《(m,")=/(附，m)《+1(附，")=ZZ2mx&—2x/)c/Z川(附,")=J]ZV2mxg/-2X"乂0c^+'(w，")=ZJ]X4-2"XC40(附,")=SZg"2mXg/-2"XC4A0i/式中7為分解尺度，"J和kJ分別是低通和高通濾波器，分別為標準正交尺度函數(shù)和小波函數(shù)的雙尺度方程系數(shù)。J'尺度層圖像。i/經(jīng)一層小波分解后的結(jié)果為低頻近似系數(shù)cAw、水平細節(jié)系數(shù)C"w、垂直細節(jié)系數(shù)cK^和對角細節(jié)系數(shù)cZ^。由小波分解的低頻近似系數(shù)和三個高頻細節(jié)系數(shù)可以重構(gòu)出原始圖像信號，重構(gòu)過程可用公式表示為上述的步驟l)中，對于水平細節(jié)系數(shù)H,、垂直細節(jié)系數(shù)W和對角細節(jié)系數(shù)D,分別采用丄1*、丄「1iriil、丄oo1*oo作為濾波模板。本發(fā)明提供的基于鄰域加窗的小波圖像去噪方法，充分考慮了小波系數(shù)的層內(nèi)相關(guān)性的特點，并且以此為據(jù)提供了一種基于小波分解的多加窗模板去噪方法，達到較高的峰值信噪比，具有更好的圖像去噪效果。oooo1ooo1o00*100o1ooo1oooo___115、一1I42)為濾波模板進行加窗；為改善模板的濾波性能，對濾波模板進行加窗，這里選擇矩形窗、漢寧窗、三角窗、海明窗和布萊克曼窗。各種窗函數(shù)》^/^的特性如下-10001'0001(式5)11l承111000001000ooroo0001000001ZS&—2ixV"x《+1(t0+ZZUxxc/)式中A"、"w、「w和z^分別為低頻近似系數(shù)和三個高頻細節(jié)系數(shù)。這里對圖像/Tx,W進行小波變換，分解到l層，分別得到低頻近似系數(shù)A和高頻細節(jié)系數(shù)"、K和A。2.鄰域加窗濾波小波變換可以通過對同一子帶的低頻系數(shù)遞歸地使用低通和高通濾波器實現(xiàn)，意味著在一個小鄰域內(nèi)小波系數(shù)是相關(guān)的，稱為小波系數(shù)的層內(nèi)相關(guān)性。在一個值較大的小波系數(shù)的鄰域內(nèi)，可能會有一組較大的小波系數(shù)。對每個子帶中的小波系數(shù)單獨處理，處理步驟如下l)將A保持不變，分別根據(jù)"、K和A的頻率特性選擇相應的均值濾波模板，濾波后為^、《、A。其中"包含了圖像信號水平方向的低頻信息和垂直方向的高頻信息，而高斯噪聲在高頻區(qū)噪聲能量所占比例較大，所以選擇了垂直線形濾波模板進行濾波，如式(2)，這樣既消除了垂直方向的噪聲信號，又較大程度地保留了圖像的邊緣信息；K則包含了圖像信號水平方向的高頻信息和垂直方向的低頻信息，因此選用了水平線形濾波模板，如式(4);包含了對角方向的高頻信息，因此采用了對角方向濾波模板，如式(6)所示。(式2)(式3)丄[l11*11](式4)(式1)(式6);111I3131515矩形窗(RectangularWindow)時域形式可以表示為v^)-^(w):fl，0S"JV-10，其他頻域特性為sinIsinI漢寧窗時域形式可以表示為)=0.511—cos|2jt頻域特性為『(")=<jo,5『s(0)+O.25r2兀)r『。I&)--I+『。Iw+-其中,K(w)為矩形窗函數(shù)的幅度頻率特性函數(shù)。三角窗三角窗是最簡單的頻譜函數(shù)W(e"為非負的一種窗函數(shù)。.表示為當"為奇數(shù)時:角窗函數(shù)的時域形式可以2A:w+12(w—A:+l)w+1w+1當"為偶數(shù)時—122(M—A+l)w2頻域特性為W—1sin(H)、2sin海明窗函數(shù)時域形式可以表示為w("=0.54—0.46cosI2兀W—lhi,2，…，w頻域特性為，)=0.54『wO)+0.23『。2兀]f2tt--I+『J+-TV—16其中，K(w)為矩形窗函數(shù)的幅度頻率特性函數(shù)。布萊克曼窗函數(shù)時域形式可以表示為<formula>formulaseeoriginaldocumentpage7</formula>頻域特性為W<formula>formulaseeoriginaldocumentpage7</formula>其中，K—)為矩形窗函數(shù)的幅度頻率特性函數(shù)。4兀、3)進行濾波操作。使用相應的濾波模板對各子帶進行濾波操作。*，力=去Z/(w>vH")《=仏「，"其中S是以(x，力為中心的鄰域中點的集合，M是S內(nèi)的點數(shù)，^為濾波后子帶系數(shù)。3.圖像重構(gòu)將^和A、g、A進行重構(gòu)，即可得到去噪后圖像/，7=4+^^+6+^。4.實驗結(jié)果，為了驗證本發(fā)明去噪方法的有效性，對具體圖片(如圖2(a)所示)進行了實驗。實驗中采用sym8小波進行圖像處理，對圖像加以標準方差為15的噪聲，將圖像用小波分解1層，并使用不同加窗的濾波模板對加噪圖像進行均值濾波。以PSNR(PeakSignaltoNoiseRatio)作為降噪性能優(yōu)劣的衡量標準，實驗結(jié)果如表1所示。表1不同加窗情況下使用各種窗口面積濾波的PSNR/db比較<table>tableseeoriginaldocumentpage7</column></row><table>從表1給出的數(shù)據(jù)可以看出，使用本發(fā)明中提供的基于加窗均值濾波的小波圖像降噪方法可得到較高的峰值信噪比。同時從圖2(c廣(g)處理后圖像也可以看出本方法取得了較好的去噪效果。權(quán)利要求1.一種基于鄰域加窗的小波圖像去噪方法，包括下列步驟步驟1將含噪圖像f(x，y)經(jīng)過單尺度小波變換處理，分別獲得四個子帶系數(shù)低頻近似系數(shù)A1、水平細節(jié)系數(shù)H1、垂直細節(jié)系數(shù)V1和對角細節(jié)系數(shù)D1；步驟2將A1保持不變，對水平細節(jié)系數(shù)H1、垂直細節(jié)系數(shù)V1和對角細節(jié)系數(shù)D1分別采用垂直線形濾波模板、水平線形濾波模板和對角方向濾波模板進行均值濾波，濾波后為步驟3將A1和去噪后的高頻子帶進行重構(gòu)，即可得到去噪后圖像2.根據(jù)權(quán)利要求l所述的基于鄰域加窗的小波圖像去噪方法，其特征在于，所述的步驟2按照下列方法進行1)首先分別根據(jù)水平細節(jié)系數(shù)ft、垂直細節(jié)系數(shù)V,和對角細節(jié)系數(shù)D,的頻率特性分別選擇相應的均值濾波模板w《《-//,r，"；2)為濾波模板分別進行加窗；3)進行濾波操作g(x，力^:Z/(x,少)m^w(")《=i/，r,"其中S是以(;r，力為中心的鄰域中點的集合，M是S內(nèi)的點數(shù)，^為濾波后子帶系數(shù)。3.根據(jù)權(quán)利要求2所述的基于鄰域加窗的小波圖像去噪方法，其特征在于，所述的步驟1)中，對于水平細節(jié)系數(shù)K、垂直細節(jié)系數(shù)K和對角細節(jié)系數(shù)仏分別采用<formula>formulaseeoriginaldocumentpage0</formula>全文摘要本發(fā)明屬于圖像處理
技術(shù)領(lǐng)域：
，涉及一種基于鄰域加窗的小波圖像去噪方法，包括下列步驟將含噪圖像f(x，y)經(jīng)過單尺度小波變換處理，分別獲得四個子帶系數(shù)低頻近似系數(shù)A₁、水平細節(jié)系數(shù)H₁、垂直細節(jié)系數(shù)V₁和對角細節(jié)系數(shù)D₁；將A₁保持不變，對水平細節(jié)系數(shù)H₁、垂直細節(jié)系數(shù)V₁和對角細節(jié)系數(shù)D₁分別采用垂直線形濾波模板、水平線形濾波模板和對角方向濾波模板進行均值濾波，濾波后為H₁、V₁、D₁；將A₁和去噪后的高頻子帶H₁、V₁、D₁進行重構(gòu)，即可得到去噪后圖像f，f＝A₁+H₁+V₁+D₁。本發(fā)明提供的基于鄰域加窗的小波圖像去噪方法，能夠達到較高的峰值信噪比，具有更好的圖像去噪效果。文檔編號G06T5/00GK101510301SQ200910068110公開日2009年8月19日申請日期2009年3月12日優(yōu)先權(quán)日2009年3月12日發(fā)明者于潔瀟,劉開華,宮霄霖,毛瑞全申請人:天津大學