基于雙樹離散小波包和信噪比估計的圖像去噪方法
【專利摘要】本發明提出一種基于雙樹離散小波包和信噪比估計的圖像去噪方法,包括以下步驟:對含噪聲的圖像進行雙樹離散小波分解,獲得第一層多個子帶以及各子帶對應的小波系數;估計各個子帶的小波系數的信噪比;利用小波系數的信噪比構造多層雙樹離散小波包結構;采用最優閾值選擇算法對獲得的多層雙樹離散小波包中所有高頻子帶小波系數進行閾值選取,根據閾值選取后的小波系數進行圖像重構,得到去噪后的圖像;本發明通過估計小波系數的信噪比來分析含躁圖像的噪聲分布特性,設計出的小波包構造方案實現了多尺度平穩小波分析下的去噪效果,同時能夠保持圖像邊緣和紋理細節。
【專利說明】基于雙樹離散小波包和信噪比估計的圖像去噪方法
【技術領域】
[0001]本發明涉及圖像處理【技術領域】,特別涉及一種基于雙樹離散小波包和信噪比估計的圖像去噪方法。
【背景技術】
[0002]近年來,由于小波變換具有良好的時-頻局部化特性,在信號和圖像去噪領域得到了廣泛的應用。傳統的小波域去噪方法是對小波系數進行萎縮處理,如Donoho提出的硬閾值和軟閾值去噪法。
[0003]現有的方法存在的缺點是:一方面,硬閾值函數具有不連續性,重構所得的信號會產生偽吉布斯效應,而軟閾值方法估計后的小波系數和分解得到的小波系數總存在恒定的偏差,直接影響重構信號與真實信號的逼近程度;另一方面,在某些動態環境例如無人機自主飛行中,動態獲取的圖像不僅包含大量的噪聲,同時自然場景下的圖像富含方向性特征,更多得高頻細節和高頻噪聲很難區分,給小波去噪帶來了較大困難。
【發明內容】
[0004]本發明的目的旨在解決上述技術缺陷。
[0005]為達到上述目的,本發明提出一種基于雙樹離散小波包和信噪比估計的圖像去噪方法,包括以下步驟:
[0006]S1:對含噪聲的圖像進行雙樹離散小波分解,獲得第一層多個子帶以及各子帶對應的小波系數;
[0007]S2:估計各個子帶的小波系數的信噪比;
[0008]S3:利用小波系數的信噪比構造多層雙樹離散小波包結構,具體包括:從第一層小波子帶開始,判斷每一個小波子帶是否需要繼續分解,如果小波子帶信噪比小于所設閾值,則對該小波子帶繼續進行小波包分解,獲得下一層雙樹離散小波包,否則不分解;依此類推獲得多層雙樹離散小波包;
[0009]S4:采用最優閾值選擇算法對獲得的多層雙樹離散小波包中所有高頻子帶小波系數進行閾值選取,根據閾值選取后的小波系數進行圖像重構,得到去噪后的圖像;所述的最優閾值選擇算法選取子帶小波系數的計算公式如下:
[0010]
【權利要求】
1.基于雙樹離散小波包和信噪比估計的圖像去噪方法,其特征在于,包括以下步驟: S1:對含噪聲的圖像進行雙樹離散小波分解,獲得第一層多個子帶以及各子帶對應的小波系數; 52:估計各個子帶的小波系數的信噪比; 53:利用小波系數的信噪比構造多層雙樹離散小波包結構,具體包括:從第一層小波子帶開始,判斷每一個小波子帶是否需要繼續分解,如果小波子帶信噪比小于所設閾值,則對該小波子帶繼續進行小波包分解,獲得下一層雙樹離散小波包,否則不分解;依此類推獲得多層雙樹離散小波包; 54:采用最優閾值選擇算法對獲得的多層雙樹離散小波包中所有高頻子帶小波系數進行閾值選取,根據閾值選取后的小波系數進行圖像重構,得到去噪后的圖像;所述的最優閾值選擇算法選取子帶小波系數的計算公式如下:
2.根據權利要求1所述的方法,其特征在于,所述步驟SI進一步包括: 使用q-shift方案構造所述雙樹離散小波;以及 使用q-shift濾波器將所述含躁圖像分解為方向子帶;以及 使用通用濾波器對所述方向子帶進行各向異性分解,獲得所述多個子帶以及所述子帶的小波系數。
3.根據權利要求1所述的方法,其特征在于,步驟S2中所述的小波系數的信噪比的計算公式如下:
4.根據權利要求1所述的方法,其特征在于,步驟S3進一步包括: 從第一層小波子帶開始,對于每一個已分解得到的小波子帶是否需要繼續分解,做如下判斷: 如果RU ( K則繼續分解第i層j小波子帶得到第i+Ι層子帶; 如果ru>k則結束分解第i層j小波子帶, 其中K為設定的閾值,取值范圍為(0.1,3.0)。
【文檔編號】G06T5/00GK103903233SQ201410144147
【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, 馬玉磊, 鄧志仁, 付鳳之 申請人:北京工業大學