專利名稱：基于shearlet變換和維納濾波的圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域,更進(jìn)一步涉及圖像預(yù)處理領(lǐng)域中基于shearlet變換和維納濾波的圖像去噪方法?？蓱?yīng)用于含有高斯白噪聲的光學(xué)灰度圖像去噪，以獲得具有高信噪比的更清晰的圖像。本發(fā)明應(yīng)用于圖像分析、圖像預(yù)處理中可以有效地減少圖像中的噪聲，尤其是對(duì)于含有高斯噪聲的圖像，能夠取得更好的去噪效果，更能滿足人的視覺心理和實(shí)際應(yīng)用的要求。
背景技術(shù)：
在圖像預(yù)處理領(lǐng)域中，為了去除原始圖像中含有的高斯白噪聲，以得到高質(zhì)量、高信噪比的清晰圖像，并為圖像后處理提供有利條件而采用圖像去噪的方法。目前圖像去噪方法主要采用基于小波變換的閾值去噪方法和基于小波變換的維納濾波去噪等方法來實(shí)現(xiàn)圖像去噪。
電子科技大學(xué)擁有的專利技術(shù)“一種基于偏微分方程的雙樹復(fù)小波圖像去噪方法”(公開號(hào)CN101777179A，授權(quán)日2012年02月15日，申請(qǐng)日2010年02月05日)中公開了一種基于偏微分方程的雙樹復(fù)小波圖像去噪方法。該方法首先對(duì)輸入的含噪圖像進(jìn)行雙樹復(fù)小波變換分解，并對(duì)分解后的兩個(gè)低頻子帶圖像進(jìn)行各向同性擴(kuò)散；再設(shè)計(jì)改進(jìn)的自適應(yīng)模型，計(jì)算每個(gè)方向上高頻細(xì)節(jié)子帶圖像的雙樹復(fù)小波變換模和梯度模，利用雙樹小波變換模和梯度模的加權(quán)平均來設(shè)計(jì)一種自適應(yīng)的擴(kuò)散系數(shù)函數(shù)來改進(jìn)P-M模型；然后對(duì)改進(jìn)的自適應(yīng)模型離散化處理，并對(duì)六個(gè)高頻子帶圖像進(jìn)行各向異性擴(kuò)散；最后進(jìn)行雙樹復(fù)小波逆變換，輸出去噪后的圖像。該方法雖然具有較好的區(qū)分噪聲和信號(hào)的能力，但是仍然存在的缺點(diǎn)是，雙樹復(fù)小波變換缺乏平移不變性，導(dǎo)致得到的去噪后圖像出現(xiàn)失真，主要表現(xiàn)為振鈴效應(yīng)和偽Gibbs效應(yīng)。此外此方法在去噪時(shí)沒有考慮到在小波分解的不同尺度上噪聲對(duì)圖像干擾程度的不同，因此不能達(dá)到很好的去噪效果。田沛等人在文獻(xiàn)“田沛，李慶周，馬平，牛玉廣，‘一種基于小波變換的圖像去噪新方法’ [J]，中國(guó)圖形圖像學(xué)報(bào)，13 (3)，395-399 (2008) ”中提出了基于小波變換和維納濾波的圖像去噪方法。該方法首先對(duì)圖像進(jìn)行小波變換；然后根據(jù)高斯噪聲的小波系數(shù)和圖像的小波系數(shù)之間存在的不同特點(diǎn)，對(duì)不同尺度不同方向上的小波系數(shù)進(jìn)行維納濾波；最后對(duì)濾波后的小波系數(shù)進(jìn)行逆小波變換，得到去噪后圖像。此方法雖然能提高圖像的峰值性噪比(PSNR)，并且能夠保留更多的圖像細(xì)節(jié)信息。但是仍然存在的缺點(diǎn)是，小波變換不能很好的表達(dá)圖像中的各向異性的細(xì)節(jié)信息，因此不能很好地去除各向異性的圖像中含有的噪聲。綜上所述，基于小波變換的圖像去噪方法在圖像去噪方面雖然獲得了較好的效果。但是小波變換不能很好的表達(dá)圖象的各向異性信息，如數(shù)字圖像中的邊緣信息以及線狀特征信息，所以在利用基于小波變換的去噪方法得到的去噪后圖像中，圖像中的邊緣和細(xì)節(jié)位置上不可避免出現(xiàn)一定程度的模糊現(xiàn)象。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)基于小波變換的圖像去噪方法導(dǎo)致的圖像去噪效果不理想和圖像失真的缺點(diǎn)，提出了基于shearlet變換和維納濾波的圖像去噪方法。在本發(fā)明中對(duì)圖像的基于shearlet變換的分解原理包括了對(duì)稱擴(kuò)展，剪切變換和小波包分解的三部分。本發(fā)明充分利用shearlet變換對(duì)圖像進(jìn)行分解得到的分解系數(shù)能夠更好的表現(xiàn)出圖像的細(xì)節(jié)信息的優(yōu)點(diǎn)，同時(shí)利用維納濾波能夠較好去除高斯白噪聲的特點(diǎn)，將shearlet變換和維納濾波相結(jié)合以進(jìn)行圖像去噪。最終得到的去噪后圖像即能有效地抑制噪聲，又能保留圖像更多的細(xì)節(jié)信息。本發(fā)明實(shí)現(xiàn)的具體步驟如下(I)輸入源圖像在計(jì)算機(jī)中應(yīng)用matlab軟件讀取存儲(chǔ)在計(jì)算機(jī)硬盤空間中的源圖像。⑵對(duì)稱擴(kuò)展2a)對(duì)源圖像進(jìn)行水平對(duì)稱擴(kuò)展，以圖像的兩條垂直邊界線中的某一條為對(duì)稱軸，按水平擴(kuò)展公式將圖像映射到對(duì)稱軸的另一邊，得到水平擴(kuò)展圖像；2b)對(duì)源圖像進(jìn)行垂直對(duì)稱擴(kuò)展，以圖像的兩條水平邊界線中的某一條為對(duì)稱軸，按垂直擴(kuò)展公式將圖像映射到對(duì)稱軸的另一邊，得到垂直擴(kuò)展圖像。⑶剪切變換 對(duì)步驟(2)中得到的擴(kuò)展后圖像按剪切變換公式進(jìn)行剪切變換，并將剪切變換后的圖像存入計(jì)算機(jī)內(nèi)存。⑷小波包分解利用離散小波包分解工具分別對(duì)剪切變換后圖像進(jìn)行小波包多尺度分解，得到分解后的低頻系數(shù)和高頻系數(shù)，存入計(jì)算機(jī)內(nèi)存。(5)維納濾波5a)讀取步驟⑷中所有的高頻系數(shù)；5b)利用維納濾波器工具對(duì)步驟5a)中讀取的高頻系數(shù)進(jìn)行維納濾波處理，得到濾波后的高頻系數(shù)，將濾波后的高頻系數(shù)存入計(jì)算機(jī)內(nèi)存。(6)逆小波包變換利用逆小波包變換工具對(duì)步驟5b)中得到的濾波后的高頻系數(shù)和步驟(4)中得到的對(duì)應(yīng)的低頻系數(shù)進(jìn)行逆小波包變換，得到逆小波包變換后的圖像，并存入計(jì)算機(jī)內(nèi)存。(7)逆剪切變換對(duì)步驟(6)中得到的逆小波包變換后的圖像按逆剪切變換公式進(jìn)行逆剪切變換，并將得到的逆剪切變換后圖像存入計(jì)算機(jī)內(nèi)存。(8)逆對(duì)稱擴(kuò)展對(duì)步驟(7)中得到的圖像分別按水平逆對(duì)稱擴(kuò)展公式和垂直逆對(duì)稱擴(kuò)展公式進(jìn)行水平逆對(duì)稱擴(kuò)展和垂直逆對(duì)稱擴(kuò)展，得到逆擴(kuò)展后圖像。(9)圖像融合對(duì)步驟⑶逆擴(kuò)展后圖像按數(shù)據(jù)平均公式進(jìn)行圖像融合，得到去噪后的圖像。(10)輸出去噪后的結(jié)果圖像。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)
第一，本發(fā)明在分解圖像時(shí)，應(yīng)用shearlet變換對(duì)圖像進(jìn)行多尺度分解，由于shearlet變換的具有多方向性，因而能夠在多個(gè)方向上得到含噪聲圖像的高頻信息和低頻信息，以便有效的捕捉圖像細(xì)節(jié)?？朔爽F(xiàn)有技術(shù)中小波變換不能很好表達(dá)圖像的各向異性信息的缺點(diǎn)，使得使用本發(fā)明中的方法獲 得的含噪聲圖像的細(xì)節(jié)信息能夠被更準(zhǔn)確的分析。第二，本發(fā)明在對(duì)含噪圖像分解后的高頻系數(shù)進(jìn)行濾波處理時(shí)，應(yīng)用了維納濾波的方法。由于維納濾波能夠根據(jù)圖像的區(qū)域方差來調(diào)整濾波器的輸出，以對(duì)含噪聲圖像的高頻系數(shù)進(jìn)行區(qū)域自適應(yīng)濾波處理。克服了現(xiàn)有技術(shù)中的閾值去噪方法對(duì)不同尺度不同方向上的系數(shù)進(jìn)行相同的處理而導(dǎo)致的去噪效果不理想的問題，使得使用本發(fā)明中的方法獲得的含噪聲圖像的高頻系數(shù)中高斯白噪聲能夠被更好的抑制。


圖I為本發(fā)明的流程圖；圖2為本發(fā)明用于對(duì)被噪聲輕度污染的含噪圖像進(jìn)行去噪的仿真圖；圖3為本發(fā)明用于對(duì)被噪聲嚴(yán)重污染的含噪圖像進(jìn)行去噪的仿真圖。
具體實(shí)施例方式參照?qǐng)DI，本發(fā)明具體實(shí)施方式
如下步驟I，輸入源圖像在計(jì)算機(jī)中應(yīng)用matlab軟件讀取存儲(chǔ)在計(jì)算機(jī)硬盤空間中的源圖像。步驟2，對(duì)稱擴(kuò)展為了避免經(jīng)過剪切變換后的圖像在去噪過程中可能出現(xiàn)的邊界效應(yīng)，本發(fā)明對(duì)先對(duì)源圖像分別在水平和垂直兩個(gè)方向上進(jìn)行對(duì)稱擴(kuò)展。2a)對(duì)源圖像進(jìn)行水平對(duì)稱擴(kuò)展，以圖像的兩條垂直邊界線中的某一條為對(duì)稱軸，按水平擴(kuò)展公式將圖像映射到對(duì)稱軸的另一邊，得到水平擴(kuò)展圖像；
如果 Mn"hJ \f(i,2n + \-j)n<j<2n其中，f (i，j)為源圖像在坐標(biāo)(i，j)位置的灰度值，η為源圖像的像素的列數(shù)，fh(i，j)為水平擴(kuò)展圖像在坐標(biāo)(i，j)位置的灰度值；2b)對(duì)源圖像進(jìn)行垂直對(duì)稱擴(kuò)展，以圖像的兩條水平邊界線中的某一條為對(duì)稱軸，按垂直擴(kuò)展公式將圖像映射到對(duì)稱軸的另一邊，得到垂直擴(kuò)展圖像；
如果
[f (2m + l-i, j)如果 m < 2m其中，f(i，j)為源圖像在坐標(biāo)(i，j)位置的灰度值，m為源圖像的像素的行數(shù)，f (i，j)為水平擴(kuò)展圖像在坐標(biāo)(i，j)位置的灰度值。步驟3，剪切變換對(duì)擴(kuò)展后圖像按剪切變換公式進(jìn)行剪切變換，并將剪切變換后的圖像存入計(jì)算機(jī)
權(quán)利要求
1.一種基于Shearlet變換和維納濾波的圖像去噪方法，具體操作步驟如下 (1)輸入源圖像 在計(jì)算機(jī)中應(yīng)用matlab軟件讀取存儲(chǔ)在計(jì)算機(jī)硬盤空間中的源圖像； (2)對(duì)稱擴(kuò)展 2a)對(duì)源圖像進(jìn)行水平對(duì)稱擴(kuò)展，以圖像的兩條垂直邊界線中的某一條為對(duì)稱軸，按水平擴(kuò)展公式將圖像映射到對(duì)稱軸的另一邊，得到水平擴(kuò)展圖像； 2b)對(duì)源圖像進(jìn)行垂直對(duì)稱擴(kuò)展，以圖像的兩條水平邊界線中的某一條為對(duì)稱軸，按垂直擴(kuò)展公式將圖像映射到對(duì)稱軸的另一邊，得到垂直擴(kuò)展圖像； (3)剪切變換 對(duì)步驟(2)中得到的擴(kuò)展后圖像按剪切變換公式進(jìn)行剪切變換，并將剪切變換后的圖像存入計(jì)算機(jī)內(nèi)存； (4)小波包分解 利用離散小波包分解工具分別對(duì)剪切變換后圖像進(jìn)行小波包多尺度分解，得到分解后的低頻系數(shù)和高頻系數(shù)，存入計(jì)算機(jī)內(nèi)存； (5)維納濾波 5a)讀取步驟(4)中所有的高頻系數(shù)； 5b)利用維納濾波器工具對(duì)步驟5a)中讀取的高頻系數(shù)進(jìn)行維納濾波處理，得到濾波后的高頻系數(shù)，將濾波后的高頻系數(shù)存入計(jì)算機(jī)內(nèi)存； (6)逆小波包變換 利用逆小波包變換工具對(duì)步驟5b)中得到的濾波后的高頻系數(shù)和步驟(4)中得到的對(duì)應(yīng)的低頻系數(shù)進(jìn)行逆小波包變換，得到逆小波包變換后的圖像，并存入計(jì)算機(jī)內(nèi)存； (7)逆剪切變換 對(duì)步驟(6)中得到的逆小波包變換后的圖像按逆剪切變換公式進(jìn)行逆剪切變換，并將得到的逆剪切變換后圖像存入計(jì)算機(jī)內(nèi)存； (8)逆對(duì)稱擴(kuò)展 對(duì)步驟(7)中得到的圖像分別按水平逆對(duì)稱擴(kuò)展公式和垂直逆對(duì)稱擴(kuò)展公式進(jìn)行水平逆對(duì)稱擴(kuò)展和垂直逆對(duì)稱擴(kuò)展，得到逆擴(kuò)展后圖像； (9)圖像融合 對(duì)步驟(8)逆擴(kuò)展后圖像按數(shù)據(jù)平均公式進(jìn)行圖像融合，得到去噪后的圖像； (10)輸出去噪后的結(jié)果圖像。
2.根據(jù)權(quán)利要求I所述的基于shearlet變換和維納濾波的圖像去噪方法，其特征在于步驟2a)中所述的水平對(duì)稱擴(kuò)展公式如下 如果,J+如果 η < j Sln 其中，f(i，j)為源圖像在坐標(biāo)(i，j)位置的灰度值，η為源圖像的像素的列數(shù)，fh(i，j)為水平擴(kuò)展圖像在坐標(biāo)(i，j)位置的灰度值。
3.根據(jù)權(quán)利要求I所述的基于shearlet變換和維納濾波的圖像去噪方法，其特征在于步驟2b)中所述的垂直對(duì)稱擴(kuò)展公式如下
4.根據(jù)權(quán)利要求I所述的基于shearlet變換和維納濾波的圖像去噪方法，其特征在于步驟(3)中所述的剪切變換公式如 下
5.根據(jù)權(quán)利要求I所述的基于shearlet變換和維納濾波的圖像去噪方法，其特征在于步驟(4)中所述的小波包分解采用三層小波包分解。
6.根據(jù)權(quán)利要求I所述的基于shearlet變換和維納濾波的圖像去噪方法，其特征在于步驟5b)中所述的高頻系數(shù)維納濾波中維納濾波器的窗口大小選擇5X5。
7.根據(jù)權(quán)利要求I所述的基于shearlet變換和維納濾波的圖像去噪方法，其特征在于步驟(7)中所述的逆剪切變換公式如下
8.根據(jù)權(quán)利要求I所述的基于shearlet變換和維納濾波的圖像去噪方法，其特征在于步驟(8)中所述的水平逆對(duì)稱擴(kuò)展公式如下
9.根據(jù)權(quán)利要求I所述的基于shearlet變換和維納濾波的圖像去噪方法，其特征在于步驟(8)中所述的垂直稱擴(kuò)展公式如下
10.根據(jù)權(quán)利要求I所述的基于shearlet變換和維納濾波的圖像去噪方法，其特征在于步驟(9)中所述的數(shù)據(jù)平均公式如下
全文摘要
本發(fā)明公開了一種基于shearlet變換和維納濾波的圖像去噪方法，實(shí)現(xiàn)的步驟為(1)輸入源圖像；(2)對(duì)稱擴(kuò)展；(3)剪切變換；(4)小波包分解；(5)維納濾波；(6)逆小波包變換；(7)逆剪切變換；(8)逆對(duì)稱變換；(9)圖像融合；(10)輸出去噪后圖像。本發(fā)明克服了現(xiàn)有技術(shù)中小波變換不能很好表達(dá)圖像的各向異性信息的缺點(diǎn)，以及使用單一閾值對(duì)不同方向上系數(shù)進(jìn)行相同處理而導(dǎo)致的去噪效果不理想的問題，利用了shearlet變換具有多方向性和維納濾波能夠根據(jù)圖像的區(qū)域方差調(diào)整濾波器輸出等優(yōu)點(diǎn)，從而能夠在圖像的不同方向上的高頻系數(shù)中更準(zhǔn)確的分析圖像細(xì)節(jié)信息。最終得到高質(zhì)量的去噪后圖像。
文檔編號(hào)G06T5/10GK102890820SQ20121036458
公開日2013年1月23日 申請(qǐng)日期2012年9月18日 優(yōu)先權(quán)日2012年9月18日
發(fā)明者苗啟廣, 許鵬飛, 陳為勝, 劉如意, 宋建鋒, 權(quán)義寧, 劉天歌 申請(qǐng)人:西安電子科技大學(xué)