基于雙樹復小波變換的圖像去噪方法
【專利摘要】本發(fā)明公開了一種基于雙樹復小波變換的圖像去噪方法。包括：輸入含噪圖像；對含噪圖像進行雙樹復小波N層變換分解，得到兩個低頻子帶圖像和第N層的六個高頻子帶圖像；計算六個高頻子帶圖像的雙樹復小波變換模；利用六個雙樹復小波變換模替換PM各向異性擴散模型中的梯度模，并采用預設的指數(shù)變量改進PM各向異性擴散模型，得到自適應擴散去噪模型；對自適應擴散去噪模型進行離散化處理；采用自適應擴散去噪模型對六個高頻子帶圖像進行擴散去噪；對去噪后的六個高頻子帶圖像和兩個低頻子帶圖像組合后進行雙樹復小波N層逆變換，重構(gòu)出去噪后的圖像。本發(fā)明能夠有效抑制圖像邊緣處出現(xiàn)的“振鈴”效應的同時保留圖像的高頻細節(jié)信息。
【專利說明】基于雙樹復小波變換的圖像去噪方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，尤其是涉及一種基于雙樹復小波變換的圖像去噪 方法。

【背景技術(shù)】
[0002] 成像裝置在獲取或處理圖像時都會引入失真，這些失真包括：圖像模糊、幾何變 形、壓縮失真、加性噪聲等，這些失真后的圖像不僅不利于人眼觀測，而且對圖像分割、計算 機視覺、目標識別等后續(xù)處理造成了很大的影響。因此，在圖像處理之前進行圖像去噪在圖 像處理領(lǐng)域中一個非常重要的預處理技術(shù)。圖像去噪的主要目的是在保留圖像原有重要信 息的前提下降低或去除噪聲，獲取高質(zhì)量的圖像，從而為后續(xù)的圖像處理和分析奠定基礎(chǔ)。 圖像去噪作為圖像處理中基本問題之一，目前已經(jīng)得到了廣泛和深入的研究與發(fā)展。目前 常用的圖像去噪方法包括基于小波分析的圖像去噪方法和基于偏微分方程的圖像去噪方 法。
[0003] 基于小波分析的圖像去噪方法充分利用了小波分析對信號的局部分析和多分辨 分析的特點，通過對圖像進行小波變換后的小波系數(shù)進行統(tǒng)計建模，根據(jù)小波系數(shù)集中在〇 附近的特點，選擇合適的閾值與小波系數(shù)進行比較，保留大于閾值的小波系數(shù)以及忽略小 于閾值的小波系數(shù)，從而區(qū)分噪聲小波系數(shù)和圖像細節(jié)小波系數(shù)，達到對圖像進行去噪的 目的?；谛〔ǚ治龅膱D像去噪方法的優(yōu)點是實現(xiàn)簡單、計算效率高，但是由于沒有考慮到 小波變換的平移敏感性較高和方向選擇性有限，重構(gòu)出的圖像在圖像邊緣處常常出現(xiàn)"振 鈴"效應。進一步地，基于小波分析的圖像去噪方法在先驗模型上的假設上是將整個小波子 帶的邊緣分布作為一個獨立同分布模型，沒有考慮到小波子帶內(nèi)的局部自適應以及小波系 數(shù)尺度內(nèi)和尺度間之間的相關(guān)性，導致圖像建模的結(jié)果不夠精確。
[0004] 基于偏微分方程的圖像去噪方法源于物理學中的熱擴散思想，以圖像多尺度空間 理論為基礎(chǔ)，在多個尺度上對圖像進行刻畫。該類方法在保持原有圖像細節(jié)信息的前提下， 通過推導出的最小能量泛函函數(shù)對圖像進行擴散過程降低或去除噪聲?；谄⒎址匠痰?圖像去噪方法的優(yōu)點是通過PM(Perona Malik)各向異性擴散模型能夠針對圖像的平坦區(qū) 域和圖像突變區(qū)域進行不同性質(zhì)的去噪處理，取得較好的圖像去噪效果，而且計算效率也 很高。但PM各向異性擴散模型從數(shù)學角度看是一個病態(tài)的數(shù)學問題，PM各向異性擴散模 型中的擴散函數(shù)取決于圖像區(qū)域近鄰的梯度信息，基于梯度計算擴散函數(shù)容易受噪聲的影 響，導致圖像經(jīng)處理后邊緣變得較為模糊，影響了最終的去噪效果。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是：針對上述存在的問題，提供一種基于雙樹復小波 變換的圖像去噪方法，能夠有效抑制圖像邊緣處出現(xiàn)的"振鈴"效應的同時保留圖像的高頻 細節(jié)信息。
[0006] 本發(fā)明采用的技術(shù)方案是提供一種基于雙樹復小波變換的圖像去噪方法，包括： 輸入含噪圖像；對輸入的所述含噪圖像進行雙樹復小波N層變換分解，分解得到兩個低頻 子帶圖像和第N層的六個高頻子帶圖像；分別計算分解后的六個高頻子帶圖像的雙樹復小 波變換模；利用所述六個雙樹復小波變換模替換PM各向異性擴散模型中的梯度模，并采用 預設的指數(shù)變量改進所述PM各向異性擴散模型，得到自適應擴散去噪模型；對所述自適應 擴散去噪模型進行離散化處理；采用所述離散化處理后的自適應擴散去噪模型分別對所述 六個高頻子帶圖像進行擴散去噪；對所述去噪后的六個高頻子帶圖像和所述兩個低頻子帶 圖像組合后進行雙樹復小波N層逆變換，重構(gòu)出去噪后的圖像。
[0007] 優(yōu)選地，N等于3，
[0008] 優(yōu)選地，所述雙樹復小波變換模表示為：
[0009] Msf (x, y, t) = I |ffNif (x, y, t) I
[0010] 所述自適應擴散去噪模型采用如下公式：
[0011]

【權(quán)利要求】
1. 一種基于雙樹復小波變換的圖像去噪方法，其特征在于，包括： 輸入含噪圖像； 對輸入的所述含噪圖像進行雙樹復小波N層變換分解，分解得到兩個低頻子帶圖像和 第N層的六個高頻子帶圖像； 分別計算分解后的六個高頻子帶圖像的雙樹復小波變換模； 利用所述六個雙樹復小波變換模替換PM各向異性擴散模型中的梯度模，并采用預設 的指數(shù)變量改進所述PM各向異性擴散模型，得到自適應擴散去噪模型； 對所述自適應擴散去噪模型進行離散化處理； 采用所述離散化處理后的自適應擴散去噪模型分別對所述六個高頻子帶圖像進行擴 散去噪； 對所述去噪后的六個高頻子帶圖像和所述兩個低頻子帶圖像組合后進行雙樹復小波N 層逆變換，重構(gòu)出去噪后的圖像。
2. 根據(jù)權(quán)利要求1所述的圖像去噪方法，其特征在于，N等于3。
3. 根據(jù)權(quán)利要求1或2所述的圖像去噪方法，其特征在于，所述雙樹復小波變換模表示 為： Msf (x, y, t) = I |ffNif (x, y, t) 所述自適應擴散去噪模型采用如下公式： df{x,y,t) \\Msf(x,y,t)\\ ~dt~- 1 [i + (lMsf(x,y,t)\/KY _ 其中，i = 1，2，···，6, S表示雙樹復小波變換分解的尺度，t表示時間，I I I I表示范數(shù)， α表示所述指數(shù)變量，κ表示控制擴散程度的參數(shù)。
4. 根據(jù)權(quán)利要求3所述的圖像去噪方法，其特征在于，所述指數(shù)變量的范圍為（0, 2]， 其中，如果α等于0,所述自適應擴散去噪模型為熱擴散模型；如果α等于1，所述自適應 擴散去噪模型為非線性熱擴散模型；如果α等于2,所述自適應擴散去噪模型為所述ΡΜ各 向異性擴散模型。
5. 根據(jù)權(quán)利要求1所述的圖像去噪方法，其特征在于，所述含噪圖像表示為： f = (x, y, T) 其中，（x，y)表示所述含噪圖像的像素空間位置，Τ表示所述含噪圖像的時間尺度，當 時間尺度Τ = 0時，表示所述含噪圖像為初始狀態(tài)，當時間尺度T = t時，表示所述含噪圖 像經(jīng)過時間t處理。
6. 根據(jù)權(quán)利要求1所述的圖像去噪方法，其特征在于，所述第N層的六個高頻子帶圖像 的取值分別對應不同方向上的取值，其中，所述第N層的六個高頻子帶圖像分別表示為W N1、 12為3為4為5為 6，其中，所述％1的取值對應15°方向上的取值，所述12的取值對應45° 方向上的取值，所述W N3的取值對應75°方向上的取值，所述WN4的取值對應-75°方向上的 取值，所述W N5的取值對應-45°方向上的取值，所述WN6的取值對應-15°方向上的取值。
【文檔編號】G06T5/00GK104299203SQ201410584194
【公開日】2015年1月21日 申請日期:2014年10月27日 優(yōu)先權(quán)日:2014年10月27日
【發(fā)明者】劉金華 申請人:四川九洲電器集團有限責任公司