專利名稱：一種基于方向金字塔濾波的圖像處理方法及裝置的制作方法
技術領域：
本發明屬于圖像信號處理領域，涉及一種基于方向金字塔濾波的圖像處理方法及裝置
背景技術：
目前現有的圖像去噪方法大致可以劃分為兩類(1)空間域方法。在空間域采用各種平滑模板與圖像進行卷積，從而達到壓制或消除噪聲的目的；(2)變換域方法。對圖像進行各種變換以后，選用適當的頻率帶通濾波器進行濾波，其理論基礎是信號主要分布于低頻部分，而噪聲主要分布于高頻部分，濾除信號的高頻部分就可以濾除噪聲。但是對圖像來說，圖像的細節信號也位于高頻部分，濾除高頻的同時，在不同程度上也破壞了圖像細節，所以還需要進行相關處理。迄今為止，已經存在有多種去除噪聲的算法，每一種算法都有它自身的假設、優點和缺點。例如空域處理方法,主要包括領域平均法、中值濾波、維納濾波等。領域平均法是一種典型的線性去噪方法，能有效地去除高斯噪聲，適用面較廣，缺點是嚴重破壞了圖像的邊緣，模糊了圖像。中值濾波是一種去除噪聲的非線性處理方法，對消除圖像中的脈沖噪聲很有效，且能較好地保護圖像邊緣，但涉及大量的排序運算，運算速度較慢，對圖像的實時處理有影響。維納濾波對去除高斯白噪聲效果好，去噪同時保留圖像的邊緣和高頻細節，但在信噪比較低的情況下，效果不佳。因此，傳統空域去噪方法是在濾除噪聲的同時也去除了圖像的部分邊緣信息，而人眼對圖像的邊緣非常敏感，這就造成了去噪后圖像的主觀質量下降，即去噪處理是以清晰度降低為代價的。而且，傳統空域去噪算法的效果依賴于濾波窗口的大小以及參與中值計算的像素點個數，不同大小的窗口對輸出圖像的質量有較大影響。窗口太大，會丟失過多的圖像細節，圖像模糊，窗口太小，去噪效果又不好，所以，傳統空域濾波去噪是以犧牲圖像分辨率為代價換取的。這就要求在保留地質細微特征時選擇合適的去噪方法。大多數商業軟件采用一系列基本的空間濾波器來進行均值、中值、定向導數和尖銳化。由于小波變換的稀疏特性，小波域的信號去噪成為了一個熱點。由小波變換的特性可知，高斯噪聲的小波變換均勻分布在頻率尺度空間的各部分，系數仍然是高斯分布的，而信號則是帶限的，小波變換系數只集中在頻率尺度空間的有限部分。從信號能量的觀點看，在小波域上，噪聲能量分布在所有的小波系數上，所有的小波系數都對噪聲有貢獻，而只有一小部分小波系數對信號能量有貢獻。因此可以把小波系數分成兩類，第一類小波系數僅由噪聲變換得到，這類系數數目較多，幅值小，第二類小波系數由信號變換得來，同時包含噪聲的變換系數，這類系數數目較小，幅值大。根據信號小波變換系數分界的特點，可以根據這種差異來降低噪聲。對信號的小波系數設置一個閾值，認為大于這個閾值的小波系數屬于第二類系數，它同時包含信號和噪聲的變換結果，可以簡單保留或進行后續操作，小于這個閾值的小波系數屬于第一類系數，它只包含噪聲系數，應該去掉。這樣就達到了去噪的目的。這種方法保留了大部分包含信號的小波系數，因此可以較好地保持圖像細節信肩、O傳統的低通濾波方法直接將圖像的高頻成分濾除，雖然能達到去噪的目的，但卻破壞了圖像細節，利用小波理論可以構造一種既能去噪，又能保持圖像細節的方法。一般情況下，小波作為一種逼近工具，在處理具有點狀奇異性的一維和二維目標時，體現了良好的性能。小波變換具有能量壓縮特性，經過變換后象征奇異點的信號系數保持很大，而其它的系數則變得很小。但是，小波變換在處理一維信號時所具有的優勢并不能簡單的推廣到二維或更高維。由一維小波擴展成的二維離散小波只具有有限的方向，不可能“最優”表示含有線奇異或者面奇異的高維函數。二維離散小波基只具有水平、垂直、對角三個方向，這種方向性的缺乏致使小波變換不能充分利用圖像本身的幾何正則性。對于圖像，邊緣的非連續性是按空間分布的，這種奇異性影響了小波的多項展開級數，因此，小波變換在處理圖像邊緣時不可避免地會在圖像邊緣和細節位置造成一定程度的模糊。對于一維分段平滑信號的表示，小波具有很好的性能，然而，對于二維圖像處理，二維小波變換的基函數是各向同性的，變換系數的局部模極大值只能反映出該小波系數出現的位置是“過”邊緣的，而無法表達“沿”邊緣的信息。因此，發展能夠在不同子帶內分離邊緣和不同方向以及更有效地描述邊緣的2D多尺度變換尤其重要，比如Curvelet變換、Contourlet變換、Steerable Pyramid分解等。針對上述小波變換的缺陷，E. J. Candes和D. L. Donoho于1999年提出了 Curvelet變換，也就是第一代Curvelet變換。與小波變換的不同之處在于，除了尺度和位移參數，Curvelet還增加了一個方位參數，因此可以更好的辨識方位。然而，第一代Curvelet變換的數字實現比較復雜，需要子帶分解、平滑分塊和Ridgelet變換等一系列步驟，同時Curvelet變換金字塔的分解也帶來了巨大的數據冗余量，因此E. J. Candes等又提出了實現更簡單、更便于理解的快速變換算法，即第二代Curvelet變換。自從引進了第二代Curvelet變換理論后，國外學者發展了新的數字算法實現Curvelet變換,新的重構理論簡單透明。最近幾年來我們所說的Curvelet變換,其理論實際上己經經過重新設計，從而更簡單易用，容易理解。在新的數學體系上提出的創新算法，給早期人們實現Curvelet變換提供了機會，目前已經成功發展了兩種新的快速離散曲波變換。這兩種變換方式更簡單、更快，相對于以前的算法簡潔不冗余。曲波變換具有很強的方向性，能同時獲得對圖像平滑區域和邊緣部分的稀疏表達，同時該變換是各向異性的，以邊緣為基本表示元素，具有完備性，能很好地適合圖像的特點。但Curvelet變換的缺點是在裂縫、邊緣等區域會出現輕微的“振鈴”現象和放射性條紋，且Curvelet變換中隨著波數的增加，方向濾波器的數量也在增加。在2D情況下，每隔一個尺度層，曲波變換所采用的方向濾波器的數量就增加一倍；在3D情況下，每隔一個尺度層，曲波變換所采用的方向濾波器的數量就增加4倍，因此計算和存儲濾波圖像的大量數據就成了曲波變換3D工作的一個缺點。在信號的處理過程中，去噪已經成為一個最最基本的工作。在空間域及變換域的去噪算法中，小波因其局部性、稀疏性和多尺度等特性顯示出了卓越的能力。其中比較典型的算法是Donoho等人提出的閾值收縮去噪算法及圍繞閾值選取的一系列改進算法。1994年Donoho提出了最早的小波域值去噪方法Visushrink閾值估計方法，也叫做全局域值去噪方法，它是對所有的小波系數采取一個統一的閾值。由于高斯噪聲的小波變換均勻分布在頻率尺度空間的各部分，系數仍然是高斯分布的，而信號則是帶限的，小波變換系數只集中在頻率尺度空間的有限部分。這樣就可以把小波系數分成兩類，第一類小波系數僅由噪聲變換得到，這類系數數目較多，幅值小，第二類小波系數由信號變換得來，同時包含噪聲的變換系數，這類系數數目較小，幅值大。根據信號小波系數分界的這個特點，就可以根據其差異來降低噪聲。對信號的小波系數設置一個閾值，認為大于這個閾值的小波系數屬于第二類系數，它同時含有信號和噪聲的變換系數，可以簡單保留或進行后續操作，小于這個閾值的小波系數屬于第一類小波系數，完全是噪聲系數，應該去掉。這樣就達到了降噪的目的。這種估計方法叫做硬閾值函數去噪法，它的缺點就是當閾值取得過大時，會造成“過扼殺”的現象，而當閾值取得過小時，又不能完全去除噪聲。為了克服硬閾值去噪法的缺點，Donoho等又提出了軟域值函數去噪的方法，這種方法對分解系數進行萎縮，大于閾值的系數保留并做適當的縮減，小于閾值的去除置零。Visushrink閾值估計方法適用于硬閾值函數和軟閾值函數，它是對所有的子帶采用統一的閾值
權利要求
1.一種基于方向金字塔濾波的圖像處理方法，包括如下步驟， 步驟I.對輸入圖像信號XIN進行傅里葉變換后輸出圖像信號A1 步驟2.對圖像信號A1，分別經過低通濾波器組(Ltl…Lsh)的前兩個低通濾波器Ltl和L1,得到濾波后的圖像信號Po，P1，所述低通濾波器組(Ltl…Lsh)中各低通濾波器的通帶的帶寬是等比遞減的； 步驟3.用P1減去P。得到圖像信號VB1,將圖像信號VB1分別通過方向濾波器組(B。…Bn)，后再經過反傅里葉變換，得到N+1個帶通濾波圖像信號QcicTQqn ； 步驟4.包括M-2個如下的循環步驟 從m=2開始，將上一步的圖像信號Pnrl通過低通濾波器組的第m+1個低通濾波器Lm，得到圖像信號Pm; 用圖像信號Pm減去Pnri，得到圖像信號VBm，將圖像信號VBm分別通過方向濾波器組(B0-Bn)后再經過一次反傅里葉變換，得到(N+1)個帶通濾波圖像信號Q(m_1)(TQ(m-1)N; 步驟4中M為預先設定的尺度分解參數，是大于2的整數，m為大于I但不大于M的整數，在各個循環步驟中，m依次等于2，3，…，(M-I)； 步驟5.步驟4中最后一次循環得到的圖像信號Psh直接進行反傅里葉變換，得到粗尺度層圖像信號Q ; 步驟6.將步驟3和步驟4中得到的全部(N+1) * (M-I)個帶通濾波圖像信號與步驟5中得到的粗尺度層圖像信號Q相加得到最終圖像信號； 其中步驟3和4中所述方向濾波器組(Bci-Bn)符合下式
2.如權利要求I所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述步驟2中的低通濾波器組(Ltl…Lsh)的各個濾波器符合
3.如權利要求2所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述步驟2中的截止波數比β=2。
4.如權利要求I所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述方向分解參數Ν=2。
5.如權利要求I所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述尺度分解參數Μ=3。
6.如權利要求I所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述步驟6在對各個圖像信號合成相加之前，還包括對各個圖像信號的去噪處理，去噪處理采用如下的步驟
7.一種基于方向金字塔濾波的圖像處理裝置，包括傅里葉變換濾波器、低通濾波器組、減法器組、方向濾波器陣列、反傅里葉變換濾波器組和加法器； 所述傅里葉變換濾波器接收輸入的圖像信號，經過傅里葉變換后輸出到低通濾波器組(Ltl…Ln)的前兩個低通濾波器Ltl和L1，所述低通濾波器組包括M個低通濾波器，從低通濾波器組的第三個低通濾波器L2開始，每個低通濾波器接收上一個低通濾波器的輸出信號，低通濾波器組的每相鄰兩個低通濾波器的輸出連接到所述減法器組的其中一個減法器；最后一個低通濾波器Lsh還輸出到所述反傅里葉濾波器組的其中一個反傅里葉變換器，所述低通濾波器組(Ltl…Lsh)中各低通濾波器的通帶的帶寬是等比遞減的；所述減法器組包括(M-I)個減法器，將上述低通濾波器組相鄰低通濾波器的輸出信號相減后輸出到方向濾波器陣列；所述方向濾波器陣列共有(N+1)*(M-1)個方向濾波器，包括(M-I)組相同的方向濾波器組(Bci-Bn)，每個方向濾波器組(Bci-Bn)包括N+1個方向濾波器，所述減法器組的每個減法器同時連接一個方向濾波器組的每一個方向濾波器，并輸出信號給該方向濾波器組的每一個方向濾波器進行濾波；所述反傅里葉變換濾波器組包括[(N+1)*(M-I)+1]個反傅里葉減法器，每個方向濾波器連接一個反傅里葉減法器，所有反傅里葉減法器的輸出連接到所述加法器相加后輸出最終信號； 其中所述方向濾波器組(Bci-Bn)符合下式
8.如權利要求7所述基于方向金字塔濾波的圖像處理裝置，其特征在于所述低通濾波器組為如權利要求2所述的低通濾波器組(Ltl…LshX
9.如權利要求8所述基于方向金字塔濾波的圖像處理裝置，其特征在于所述截止波數比β=2。
10.如權利要求9所述基于方向金字塔濾波的圖像處理裝置，其特征在于所述方向分解參數Ν=2。
全文摘要
一種基于方向金字塔濾波的圖像處理方法，包括如下步驟，對輸入圖像信號XIN進行傅里葉變換后，經過低通濾波器組(L0…LM-1)進行圖像信號相減的尺度分解，隨后再通過方向濾波器組(B0…BN)進行方向濾波，再經過反傅里葉變換，得到一系列各個方向和尺度的圖像信號和粗尺度圖像信號，將這些信號相加，得到最終輸出的圖像信號。此外本發明還提供一種能實現上述方法的圖像處理裝置。本發明所述的基于方向金字塔濾波的圖像處理方法及裝置，采用了方向可控的金字塔形濾波器，具有平移不變性和旋轉不變性，對圖像自由進行多尺度分解，采用基本濾波器組合得出全方向角度的濾波器，實現了對圖像的全方向濾波，且計算量相對較小。
文檔編號G06T5/00GK102945548SQ20121046830
公開日2013年2月27日 申請日期2012年11月20日 優先權日2012年11月20日
發明者劉力輝 申請人:成都晶石石油科技有限公司