專(zhuān)利名稱：雙樹(shù)復(fù)小波域的鄰域自適應(yīng)貝葉斯收縮圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像去噪技術(shù)，尤其涉及一種圖像去噪方法。
背景技術(shù)：
在圖像的獲取和傳輸?shù)倪^(guò)程中，往往會(huì)引入一定的噪聲而影響圖像的質(zhì)量，圖像受到高斯白噪聲干擾的模型如下y=x+n其中，y為含噪圖像，X為無(wú)噪圖像，n為加性高斯白噪聲。
如何有效地從含噪圖像中恢復(fù)出真實(shí)圖像，盡可能消除噪聲的影響并保留重要的信號(hào)特征，是當(dāng)前數(shù)字圖像處理領(lǐng)域的一個(gè)研究熱點(diǎn)。由于信號(hào)的壓縮性和噪聲的非壓縮性，近幾年基于小波變換的去噪技術(shù)引起了越來(lái)越多的關(guān)注。小波去噪算法的主要處理過(guò)程包括1)對(duì)含噪圖像進(jìn)行小波分解，得到小波變換系數(shù)；2)對(duì)小波變換系數(shù)進(jìn)行相應(yīng)的處理，如閾值處理等，盡可能消除噪聲和保留圖像細(xì)節(jié)信息；3)進(jìn)行逆小波變換，重構(gòu)得到去噪后的圖像。在傳統(tǒng)的小波去噪算法中，比較典型的方法是基于閾值法。該方法通過(guò)預(yù)先估計(jì)的一個(gè)閾值T對(duì)小波系數(shù)進(jìn)行比較處理，當(dāng)小波系數(shù)的幅值| |小于T時(shí)，將小波系數(shù)置為零；否則，不做處理或者對(duì)其進(jìn)行收縮。1994年Donoho和Johnstone提出了一種基于通用閾值的小波去噪方法VisuShrink。在該方法中，對(duì)所有的小波系數(shù)來(lái)說(shuō)，只選用唯一的閾值。實(shí)驗(yàn)結(jié)果表明VisuShrink去噪后圖像過(guò)于平滑，并且對(duì)圖像細(xì)節(jié)信息的保留不夠，去噪效果不夠理想。為使閾值具有自適應(yīng)的特性，Chang等人提出了 BayesShrink閾值去噪方法。此方法在假設(shè)無(wú)噪圖像的小波系數(shù)服從廣義高斯分布(Generalized Gaussian Distribution, GGD)的前提下，通過(guò)最小化貝葉斯風(fēng)險(xiǎn)函數(shù)，得到一個(gè)可根據(jù)圖像統(tǒng)計(jì)特性自適應(yīng)調(diào)整的最優(yōu)閾值，并經(jīng)過(guò)軟化處理，從而獲得較好的去噪效果。但是，上述方法都假定小波系數(shù)是獨(dú)立的，而且沒(méi)有考慮到系數(shù)間的相關(guān)特性。為充分考慮小波系數(shù)的相關(guān)性，隨后出現(xiàn)了一些改進(jìn)方法=Sendur等人提出的BiShrink方法,考慮了父子系數(shù)的相關(guān)性；Zhou等人提出的BlockShrink,考慮了系數(shù)間的鄰域相關(guān)性；Dongwook等人提出的NeighShrink,考慮了系數(shù)間的鄰域相關(guān)性和層內(nèi)相關(guān)性；宮霄霖等人提出的基于自適應(yīng)鄰域系數(shù)的小波圖像閾值降噪，考慮了系數(shù)間的層內(nèi)相關(guān)性；武海洋等人提出的基于最小Bayes風(fēng)險(xiǎn)的小波域局部自適應(yīng)圖像去噪，以冗余小波為基礎(chǔ)，考慮了子帶內(nèi)小波系數(shù)間的相關(guān)性。實(shí)驗(yàn)結(jié)果表明，考慮了系數(shù)相關(guān)性的這些模型去噪效果較好。Sendur等人在考慮系數(shù)的相關(guān)性的同時(shí)，還利用了雙樹(shù)復(fù)小波變換(Dual-treeComplex Wavelet Transform, DT-CffT)的近似平移不變特性和多方向選擇特性；從而提高了角度分辨率，可以更好地處理圖像邊緣紋理等細(xì)節(jié)信息?；贒T-CWT的優(yōu)點(diǎn)，DT-CWT也廣泛應(yīng)用到了圖像去噪領(lǐng)域，其中楊國(guó)梁等人提出的基于貝葉斯估計(jì)的雙樹(shù)復(fù)小波圖像降噪，將雙樹(shù)復(fù)小波變換和貝葉斯估計(jì)確定閾值相結(jié)合，更好地對(duì)圖像特征進(jìn)行了跟蹤、定位和保留，并取得了很好的去噪效果。

發(fā)明內(nèi)容
為了克服現(xiàn)有的圖像去噪方法的去噪性能較差、自適應(yīng)較差的不足，本發(fā)明提供一種去噪性能優(yōu)良、具有良好的自適應(yīng)性的雙樹(shù)復(fù)小波域的鄰域自適應(yīng)貝葉斯收縮圖像去噪方法。本發(fā)明采取的技術(shù)方案是一種雙樹(shù)復(fù)小波域的鄰域自適應(yīng)貝葉斯收縮圖像去噪方法，所述圖像去噪方法包括以下步驟I)對(duì)含噪圖像進(jìn)行雙樹(shù)復(fù)小波變換，將其進(jìn)行三級(jí)分解后得到K+1個(gè)子帶系數(shù)；2)用魯棒中值器估計(jì)出噪聲方差用Yu表示第一級(jí)分解的子帶中第i行第j列系數(shù)的實(shí)部，用\表示圖像的噪聲方差，該噪聲方差采用魯棒中值估計(jì)器估計(jì)為
權(quán)利要求
1.一種雙樹(shù)復(fù)小波域的鄰域自適應(yīng)貝葉斯收縮圖像去噪方法，其特征在于所述圖像去噪方法包括以下步驟 1)對(duì)含噪圖像進(jìn)行雙樹(shù)復(fù)小波變換，將其進(jìn)行三級(jí)分解后得到K+1個(gè)子帶系數(shù)； 2)用魯棒中值器估計(jì)出噪聲方差用Yu表示第一級(jí)分解的子帶中第i行第j列系數(shù)的實(shí)部，用&表示圖像的噪聲方差，該噪聲方差采用魯棒中值估計(jì)器估計(jì)為
2.如權(quán)利要求I所述的一種雙樹(shù)復(fù)小波域的鄰域自適應(yīng)貝葉斯收縮圖像去噪方法，其特征在于所述步驟3)中，定義鄰域窗口是以當(dāng)前系數(shù)為中心，邊長(zhǎng)為N的正方形，并定義N的單位為水平或垂直方向上相鄰小波系數(shù)的間隔，與當(dāng)前系數(shù)相關(guān)的鄰域系數(shù)則是除當(dāng)前系數(shù)之外的落在當(dāng)前系數(shù)的鄰域窗口內(nèi)的所有小波系數(shù)；假設(shè)在尺寸大小為mXn的子帶內(nèi)，{wkj J為所有的小波系數(shù)，則在中心為系數(shù)wk, h,大小為NXN的鄰域窗口內(nèi)含B栄圖像的方差為
全文摘要
一種基于雙樹(shù)復(fù)小波域的鄰域自適應(yīng)貝葉斯收縮的圖像去噪方法，步驟如下1)對(duì)含噪圖像進(jìn)行雙樹(shù)復(fù)小波變換，將其進(jìn)行3級(jí)分解后得到多個(gè)子帶系數(shù)；2)用魯棒中值器估計(jì)出噪聲方差；3)對(duì)除低通子帶系數(shù)之外的其他的每個(gè)子帶系數(shù)均進(jìn)行如下處理a)對(duì)每個(gè)DT-CWT系數(shù)，計(jì)算出相應(yīng)鄰域窗口內(nèi)含噪圖像的方差；b)對(duì)所有系數(shù)相應(yīng)的含噪圖像方差，求其平均來(lái)估計(jì)出這個(gè)子帶的含噪圖像的鄰域方差；c)假設(shè)圖像的DT-CWT系數(shù)的統(tǒng)計(jì)模型服從GGD模型，通過(guò)最小化貝葉斯風(fēng)險(xiǎn)函數(shù)估計(jì)出最優(yōu)閾值；進(jìn)而軟化子帶內(nèi)小波系數(shù)；4)對(duì)小波系數(shù)進(jìn)行雙樹(shù)復(fù)小波反變換重構(gòu)得到去噪后的圖像。本發(fā)明去噪性能優(yōu)良、具有良好的自適應(yīng)性。
文檔編號(hào)G06T5/00GK102800056SQ20121022403
公開(kāi)日2012年11月28日 申請(qǐng)日期2012年6月30日 優(yōu)先權(quán)日2012年6月30日
發(fā)明者丁勇, 張穩(wěn)穩(wěn), 王亞雄, 段克峰, 蔣一帆, 邢天瑋, 李浙魯 申請(qǐng)人:浙江大學(xué)