基于群-輪廓小波變換斷口圖像去噪和增強方法
【專利摘要】一種基于群-輪廓小波變換斷口圖像去噪和增強方法，其核心技術是利用Grouplet變換將斷口圖像分解為低頻和高頻兩部分，用方向濾波器組對高頻子帶進行方向分解，經帶通濾波器得到各個方向的子帶，其低頻子帶重復上述過程進行迭代，直到達到預定的分解級數。本發明的特色在于利用Grouplet變換代替Contourlet變換中的拉普拉斯塔形分解，既克服了小波變換只能獲取斷口圖像有限的方向信息，不能充分利用圖像本身的幾何正則性的不足；又避免了Contourlet變換中的冗余性，可以最大限度地利用圖像的幾何特征。該方法在圖像處理中前景廣闊。
【專利說明】基于群-輪廓小波變換斷口圖像去噪和增強方法
【技術領域】
[0001] 本發明涉及圖像處理的方法，特別涉及一種基于Grouplet-Contourlet (群-輪 廓）小波變換的金屬斷口圖像去噪和增強方法。
【背景技術】
[0002] 金屬斷口圖像在獲取與傳輸過程中，往往因為外部環境和系統本身噪聲源的干 擾，對于人們從斷口圖像中提取有用信息造成嚴重的影響。因此，為了提高斷口圖像的質 量，必須先對斷口圖像進行去噪處理。目前，在對圖像進行去噪的方法中，低通濾波雖然能 將圖像的高頻濾去，達到降噪的目的，然而，也破壞了圖像的細節分量。小波變換在這方面 取得了巨大的成功，但其本身也有其局限性，只能獲取圖像有限的方向信息，不能充分地利 用圖像本身的幾何正則性。
[0003] 圖像增強是通過一定手段對原圖像附加一些信息或變換數據，有選擇地突出圖像 中感興趣的特征或者抑制圖像中某些不需要的特征，使圖像與視覺響應特性相匹配，以改 善圖像質量。目前，對圖像增強提出了多種方法，如灰度變換法、直方圖均衡、小波變換法 等。然而，各種方法的應用都存在一些不足。如灰度變換法和直方圖均衡會引起圖像中重 要的邊界信息和細節結構丟失，小波變換不能有效地利用圖像的幾何正則性。
[0004] 針對小波變換在圖像處理中不能充分利用數據本身所特有的幾何特征，挖掘圖像 中邊緣方面的信息，參考文獻[1]提出了一種Contourlet變換，并成功應用到圖像處理中。 參考文獻[2]給出了基于Contourlet變換域的圖像濾噪算法，參考文獻[3]給出了無采 樣的Contourlet變換的圖像增強算法，利用Contourlet變換域系數的萎縮實現濾噪。參 考文獻[4]給出了基于Contourlet的圖像壓縮算法。參考文獻[5]給出了基于去頻譜混 疊Contourlet變換的層內局部相關性圖像降噪新方法。參考文獻[6]將Contourlet變 換應用到金屬斷口圖像消噪中，取得了比較好的效果。然而，這些基于Contourlet變換的 圖像消噪和增強方法存在一個致命弱點，即低頻變換產生冗余性，也就是說，Contourlet變 換中的拉普拉斯分解是有冗余的。由于Contourlet變換的拉普拉斯塔形分解（Laplacian pyramid, LP)具有冗余性，冗余度為4/3,因此，必須尋找有效的正交變換方法來減少甚至 消除其冗余。
【發明內容】
[0005] 基于上述【背景技術】，本發明所要解決的技術問題是消除Contourlet變換的冗余 性，提出了一種無冗余的金屬斷口圖像去噪和增強方法。考慮到Grouplet變換是基于 圖像幾何流最佳稀疏表示的正交變換，可以最大限度的利用圖像的幾何特征，在此，結合 Grouplet變換和Contourlet變換各自的優點，提出了一種基于Grouplet-Contourlet的 圖像去噪和增強方法，提出的方法利用Grouplet變換代替Contourlet變換中的拉普拉斯 塔形分解，消除Contourlet變換的冗余性，最大限度地利用圖像的幾何特征；并將提出的 方法分別與小波和Contourlet圖像去噪和增強的方法進行對比分析，仿真和實驗結果驗 證提出的方法的有效性。
[0006] 本發明采用以下技術方案實現上述目的，基于群-輪廓小波變換斷口圖像去噪和 增強方法，在結合金字塔分解和方向濾波器形成的Contourlet變換中，用Grouplet變換代 替Contourlet變換中的拉普拉斯塔形分解，實現正交變換，消除了 Contourlet的低頻變換 的冗余；
[0007] 具體過程為：
[0008] 1)給定斷口圖像，利用Grouplet變換將斷口圖像分解為低頻和高頻兩部分；
[0009] 2)用方向濾波器組對斷口圖像的高頻子帶進行方向分解，經帶通濾波器可以得到 各個方向的子帶；
[0010] 3)斷口圖像的低頻子帶重復步驟1)和步驟2)進行迭代，直到達到預定的分解級 數；
[0011] 4)對 Grouplet-Contourlet 變換系數進行處理；
[0012] 若要達到消噪的目的，按事先設定的閾值T，進行閾值去噪；
[0013] 若要達到增強的目的，則事先估計輸入圖像的噪聲標準差和每個細節子帶的噪聲 方差，然后，計算每個細節子帶的均值和最大值，并對于每一個像素進行分類；然后，選取一 個非線性映射函數來修改每個像素對應的Grouplet-Contourlet變換系數，函數式為：
[0014]
【權利要求】
1.基于群-輪廓小波變換斷口圖像去噪和增強方法，其特征在于：在結合金字塔分解 和方向濾波器形成的Contourlet變換中，用Grouplet變換代替Contourlet變換中的拉普 拉斯塔形分解，實現正交變換，消除了Contourlet的低頻變換的冗余； 具體過程為： 1)給定斷口圖像，利用Grouplet變換將斷口圖像分解為低頻和高頻兩部分； 2) 用方向濾波器組對斷口圖像的高頻子帶進行方向分解，經帶通濾波器可以得到各個 方向的子帶； 3)斷口圖像的低頻子帶重復步驟1)和步驟2)進行迭代，直到達到預定的分解級數； 4)對Grouplet-Contourlet變換系數進行處理； 若要達到消噪的目的，按事先設定的閾值T，進行閾值去噪； 若要達到增強的目的，則事先估計輸入圖像的噪聲標準差和每個細節子帶的噪聲方 差，然后，計算每個細節子帶的均值和最大值，并對于每一個像素進行分類；然后，選取一個 非線性映射函數來修改每個像素對應的Grouplet-Contourlet變換系數，函數式為：
其中，X為Grouplet-Contourlet變換系數；0<p< 1是放大倍數，c的值范圍為1?5,〇為系數子帶的噪聲標準偏差，對變換系數進行處理； 5)根據修改后的系數，進行Grouplet-Contourlet逆變換，重構圖像。
【文檔編號】G06T5/00GK104240201SQ201410448695
【公開日】2014年12月24日 申請日期:2014年9月4日 優先權日:2014年9月4日
【發明者】李志農, 梁鵬, 閆敬文 申請人:南昌航空大學