在小波域利用進化規劃進行圖像去噪和增強的方法
【專利摘要】本發明提出在小波域利用進化規劃進行圖像去噪和增強的方法,目的是為了在小波域利用進化規劃對無人機圖像進行去噪和增強。該算法包括以下步驟:利用雙樹離散小波將圖像變換到小波域;在小波域使用進化規劃估算去噪閾值,對高頻子帶中的高分辨率系數進行軟閾值去噪;在小波域使用進化規劃估計增強參數,對高頻子帶中的低分辨率系數進行增強;進行小波逆變換,獲得重構圖像。本發明通過在小波域使用進化規劃對無人機進行去噪和增強,設計的算法不僅能夠得到視覺質量非常優秀的去噪圖像,而且能夠很好的保留邊緣和紋理細節信息。
【專利說明】在小波域利用進化規劃進行圖像去噪和增強的方法
【技術領域】
[0001]本發明涉及圖像處理【技術領域】和智能計算領域,特別涉及一種基于雙樹離散小波包和進化規劃相結合的自適應圖像去噪和增強方法。
【背景技術】
[0002]在無人機圖像去噪中多尺度特征分析是非常重要的,同時小波處理也是非常必要的。基于小波的圖像去噪和增強的基本方案如下:1)小波分解;2)在不同尺度對小波系數修正;3)根據修正的小波系數復原圖像。現在一些圖像增強方法僅考慮細節增強,而忽略噪聲削減或者抑制。一些圖像增強方法僅考慮減少噪聲而忽略細節增強。一些圖像增強方法既考慮噪聲削減也注重細節增強。然而,他們大部分使用噪聲的靜態屬性來估算去噪閾值。實際上,這是非常困難的,因為精確的噪聲靜態屬性不能被提前知道或者精確預計。此外,他們大部分通過用戶干預增強細節以便能獲得好的結果。這將限制他們在實際圖像增強中的廣泛應用。
【發明內容】
[0003]本發明的目的旨在解決上述技術缺陷,改善雙樹離散小波去噪算法的效果以及更好地保護圖像的邊緣和細節信息。
[0004]為了達到上述目的,本發明提出一種基于雙樹離散小波和進化規劃相結合的自適應雙樹離散小波包的 圖像去噪和增強方法,包括以下幾個步驟:
[0005]S1:采用雙樹離散小波對含有噪聲的圖像g進行L層分解,獲得第L分解層的低頻子帶(即近似系數矩陣)和第I~L分解層的高頻子帶(即細節系數矩陣),其中細節系數矩陣又分為高分辨率系數矩陣和低分辨率系數矩陣;
[0006]S2:針對高分辨率系數矩陣采用小波閾值去噪方法進行處理,獲得去噪后的高分辨率系數矩陣,具體如下:
[0007]S2.1:利用進化規劃估算各高分辨率系數矩陣對應的最優去噪閾值。
[0008]S2.1.1:把各高分辨率系數矩陣對應的初始去噪閾值作為初始群體的個體,隨機初始化群體并對所有的個體進行適應度計算,獲得每個個體的適應度,其中,第s個分解層、第I個個體的適應度計算公式如下:
【權利要求】
1.在小波域利用進化規劃進行圖像去噪和增強的方法,其特征在于包括以下步驟: 51:采用雙樹離散小波對含有噪聲的圖像g進行L層分解,獲得第L分解層的低頻子帶,即近似系數矩陣和第I~L分解層的高頻子帶,即細節系數矩陣,其中細節系數矩陣又分為高分辨率系數矩陣和低分辨率系數矩陣; 52:針對高分辨率系數矩陣采用小波閾值去噪方法進行處理,獲得去噪后的高分辨率系數矩陣,具體如下: S2.1:利用進化規劃估算各高分辨率系數矩陣對應的最優去噪閾值; S2.1.1:把各高分辨率系數矩陣對應的初始去噪閾值作為初始群體的個體,隨機初始化群體并對所有的個體進行適應度計算,獲得每個個體的適應度,其中,第s個分解層、第I個個體的適應度計算公式如下:
2.根據權利要求1所述的在小波域利用進化規劃進行圖像去噪和增強的方法,其特征在于,步驟S2.1中所用參數cF_表示第j代種群的中心位置,其計算公式如下:
【文檔編號】G06T5/00GK103903232SQ201410144096
【公開日】2014年7月2日 申請日期:2014年4月10日 優先權日:2014年4月10日
【發明者】劉芳, 付鳳之, 鄧志仁, 馬玉磊 申請人:北京工業大學