小波與Canny算法相結合的圖像去噪方法
【技術領域】
[0001] 本發明屬于圖像處理技術領域，設及圖像去噪方法，尤其設及一種小波與Canny 算法相結合的圖像去噪方法。
【背景技術】
[0002] 數字圖像處理技術已廣泛的應用于許多學科領域。圖像去噪是圖像恢復領域較早 研究的內容之一，好的去噪方法在平滑噪聲的同時也能保留圖像的邊緣紋理等細節信息， 不使圖像的邊緣輪廓模糊[1-5]。
[0003] 事實上，在偏微分方程（partial differential equation, PDE：)的應用中，研究人 員Rudin，化her,化temi等首次提出了基于圖像的全變差正則化模型（R0F模型），較好地 保持了圖像的邊緣紋理等細節特征[6]。隨后，化ang.YM等在R0F模型的基礎上，利用最大 后驗估計和對數變量提出了二項數據保真項乘性噪聲去除模型，且獲得了較好的降噪效果 [7]。2011年劉等提出了一種基于雙樹復小波與波原子的圖像擴散濾波方法，該方法在對含 噪圖像濾波的同時，較好的保持了圖像的邊緣和紋理等細節信息巧]。上述二階偏微分降噪 方法在去除噪聲的同時能夠很好地保持邊緣，但在圖像平滑區域會產生"塊效應"，即圖像 處理后某些區域灰度相同巧-13]。2011年化ang等提出了一種TV模型和四階模型的組合 圖像去噪模型，該模型是通過某一權函數對A0S算法求解出的R0F模型和四階PDE模型進 行了加權組合，相對于單一去噪模型在消除"階梯效應"現象和保留邊緣信息方面，該模型 有所改善，但去噪強度不是很大[14]。
[0004] 本發明針對大部分偏微分方程去噪模型去噪后圖像容易產生"塊狀效應"的問題， 提出一種小波與Canny算法[1引相結合的圖像去噪方法，該方法在R0F算法的基礎上，構 造了一個能夠有效抑制"塊狀效應"的趨勢保真項，然后，用小波對圖像進行系數分解，利用 Canny算法的邊緣檢測特性，設計控制函數，用來控制R0F模型和趨勢保真項，能夠在保護 圖像邊緣紋理等細節信息的同時，抑制"塊狀效應"。
[0005] 參考文獻
[0006] [1]Liu Peng, Huang Fang,Li Guoqing. Remote-Sensing Image De-noising Using Partial Differential Equations and Auxiliary Images as Priors[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9 (3):358-361.
[0007] 巧]Ham B, Min D, Sohn K. Revisiting the Relationship Between Adaptive Smoothing and Anisotropic Diffusion With Modified Filters[J]. IEEE Transactions On Image Processing, 2013, 22(3):1096-1101.
[0008] [3]Li Zhongbin, Liu Zhizhao, Shi Wenzhong. A Fast Level Set Algorithm for Building Roof Recognition From High Spatial Resolution Panchromatic Images[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(4):743-747.
[0009] [4]Niang 0, Thioune A, Gueirea M C, et al. Partial Differential Equation-Based Approach for Empirical Mode Decomposition:Application on Image Analysis[J]. IE邸 Transactions on Image Processing, 2012, 21 (9):3991-3999.
[0010] [5]Ghita 0, Ilea D E, Whelan P F. Adaptive noise removal approach for restoration digital image corrupted by multimodal noise[J]. lET Image Process, 2012,6巧）：1148-1160.
[0011] [6]Rudin L I, Osher S, Fatemi E. Nonlinear Total Variation Based Noise Removal Algorithms[J].Physica 0,1992,60(1-4):259-268.
[001引 [7] Huang, Y M, Ng, M. , Wen, Y W. A new total variation method for multiplicative noise removal[J]. SIAM J. Imaging Sci. 2009, 2 (1):20-40.
[0013] [引劉金華，余壁.基于雙樹復小波與波原子的圖像擴散濾波[J].物理學報，201 1,60 (12):124203-1-124203-10.
[0014] [9]克兢，侯偷青，王大凱，等.一種改進型保持形狀的圖像對比度增強算法 [J].光子學報，2009, 38 (1) : 214-219.
[0015] [10]王毅，張培良，李平湘.各向異性擴散平滑濾波的改進算法[J].中國圖像 圖形學報，2006(02) : 66-72.
[0016] [山李敏，馮象初.基于總變分和各向異性擴散方程的圖像恢復模型[J].西安電 子科技大學學報，2006, 33巧）：759-762.
[0017] [切朱立新，王平安，夏德深.非線性擴散圖像去噪中的禪合自適應保真項研究 [J].計算機輔助設計與圖形學學報，2006,18(10) ; 1519-1524.
[0018] [13]李金才，馬自輝，彭宇行，黃斌.基于圖像滴的各向異性擴散相干斑噪聲抑制 [J].物理學報，2013, 62 巧）：099501-1-099501-8.
[0019] [14] Zhang Yonghong, Ding Yang, Wang Lihua. The Improvement of ROF De-noising Model Based on AOS and Fourth-order PDE[J]. Procedia Elngineering, 2011, 15:2778-2782.
[0020] [15]Xu Qian, Varadarajan S, Chakrabarti C, et al. A Distributed Canny Edge Detector:Algorithm and FPGA Implementation[J]. IEEE Transactions on Image Proce ssing, 2014, 23(7) : 2944-2959.
【發明內容】
[0021] 本發明所要解決的技術問題是針對【背景技術】中所設及的缺陷，提供一種小波與 Canny算法相結合的圖像去噪方法。
[0022] 本發明為解決上述技術問題采用W下技術方案：
[0023] 小波與Canny算法相結合的圖像去噪方法，包含W下步驟：
[0024] 步驟1)，對含噪圖像I (X，y)進行小波分解，得到低頻分量1苗0高頻分量I Ihh，其中，X是橫坐標方向的圖像分解尺度，y是縱坐標方向的圖像分解尺度；
[0025] 步驟2)，建立用于邊緣檢測的控制函數a和0 ;
[0026] 步驟3)，根據圖像梯度的變化趨勢構造趨勢保真項，并根據該趨勢保真項建立去 噪模型；
[0027] 步驟4)，在低頻分量中，利用控制函數a和P、根據Canny算法對含噪圖像進 行邊緣檢測；
[002引步驟5)，調節參數，根據邊緣檢測的結果應用去噪模型對低頻分量I 行擴散去 噪處理，并利用去噪模型對高頻分量U、lun Ihh作擴散去噪處理；
[0029] 步驟6)，對處理后的低頻分量Iix和高頻分量I 重構，得到去噪后的圖像。
[0030] 作為本發明小波與Canny算法相結合的圖像去噪方法進一步的優化方案，步驟2) 中控制函數0 = 1-a，控制函數a的公式為；
[0031]
【主權項】
1. 小波與Canny算法相結合的圖像去噪方法，其特征在于，包含以下步驟： 步驟1)，對含噪圖像I(x，y)進行小波分解，得到低頻分量込和高頻分量IIM、IHH， 其中，x是橫坐標方向的圖像分解尺度，y是縱坐標方向的圖像分解尺度； 步驟2)，建立用于邊緣檢測的控制函數a和0 ; 步驟3)，根據圖像梯度的變化趨勢構造趨勢保真項，并根據該趨勢保真項建立去噪模 型； 步驟4)，在低頻分量垃中，利用控制函數a和0、根據Canny算法對含噪圖像進行邊 緣檢測； 步驟5)，調節參數，根據邊緣檢測的結果應用去噪模型對低頻分量la進行擴散去噪處 理，并利用去噪模型對高頻分量U、1^IHH作擴散去噪處理； 步驟6)，對處理后的低頻分量la和高頻分量IIM、IHH重構，得到去噪后的圖像。
2. 根據權利要求1所述的小波與Canny算法相結合的圖像去噪方法，其特征在于，步驟 2)中棹制函數B
=〗-a,棹制函數a的公式為： 其中，V(i，j)為邊緣點，i、j分別為點的橫坐標和縱坐標，且V(i，j)多z，z為圖像窗 函數。
3. 根據權利要求2所述的小波與Canny算法相結合的圖像去噪方法，其特征在于，所述 步驟3)的詳細步驟如下： 步驟3. 1)，根據圖像變化趨勢的相似度，構建趨勢保真：
；
中，I為去噪后圖像，▽為梯度算子，G。為高斯核函數，」 為高斯核函數的方差； 步驟3. 2)，在ROF算法的基礎上建立去噪模型：
其中，lei為加入噪聲后圖像，div、A分別為散度算子、拉普拉斯算子，A為Lagrange乘子。
4. 根據權利要求3所述的小波與Canny算法相結合的圖像去噪方法，其特征在于，步 驟5)中根據邊緣檢測的結果應用去噪模型對低頻分量垃進行擴散去噪處理的詳細步驟如 下： 步驟4. 1)，以點（x，y)為中心、預先設定的窗口大小閾值確定一個局部的窗口區域； 步驟4. 2)，判斷點（x，y)是否為邊緣點； 步驟4.2. 1)，若點（x，y)為邊緣點，則保留窗口區域中圖像的邊緣紋理信息； 步驟4. 2.2)，若點（x，y)為非邊緣點，則對窗口區域進行擴散去噪處理。
5. 根據權利要求4所述的小波與Canny算法相結合的圖像去噪方法，其特征在于，所述 預設的窗口大小為5X5。
【專利摘要】本發明公開了一種小波與Canny算法相結合的圖像去噪方法，首先對輸入的待去噪圖像進行小波分解，得到低頻分量和高頻分量；其次根據去噪過程中圖像梯度的變化趨勢，構造一個趨勢保真項，建立去噪模型；然后在低頻分量中用Canny算法做邊緣檢測，建立控制函數；接著調節參數，選取適合的控制函數，利用去噪模型分別對低頻分量和高頻分量作擴散去噪處理；最后將處理后的高頻子帶和低頻子帶重構，得到去噪后的圖像。本發明復雜度低，時效性高，能夠解決現有的ROF去噪算法去噪后的圖像存在“塊狀效應”的問題。
【IPC分類】G06T5-00
【公開號】CN104616254
【申請號】CN201510012886
【發明人】周先春, 汪美玲, 石蘭芳, 周林鋒
【申請人】南京信息工程大學
【公開日】2015年5月13日
【申請日】2015年1月9日