一种自适应小波阈值函数图像噪声抑制方法技术

本发明专利技术公开了一种自适应小波阈值函数图像噪声抑制方法，属于灰度图像噪声处理技术领域，本发明专利技术的具体实现步骤如下：第一步：导入任选一幅含高斯噪声的灰度图像；第二步：对噪声图像进行小波分解，选择合适的小波并确定分解的层次，然后进行小波变换，得到一组小波系数；第三步：对小波分解后的小波高频系数进行阈值量化处理，得到一组阈值处理过的小波系数；第四步：对阈值处理过的小波系数进行重构，从而得到噪声抑制图像。本发明专利技术的方法解决了硬阈值函数在阈值处不连续性的缺点，同时也相应的改善了软阈值函数估计系数的误差增大的缺点。本发明专利技术方法可以有效提高图像峰值信噪比，减小图像均方误差，图像复原效果也有较大改进。

【技术实现步骤摘要】

本专利技术涉及灰度图像噪声处理
，尤其涉及一种自适应小波阈值函数图像噪声抑制方法。
技术介绍
图像在获取或传输的过程中常常会受到各种噪声的污染，从而对于图像的分割、识别等后续处理过程带来影响。小波变换是目前信号处理中有效的方法之一，由于它在时域和频域同时具有良好的局部化性质，可以对指定频带和时间段内的信号成分进行分析等特点，因此在图像处理中有着广泛的应用。小波阈值去噪技术中，最关键的是如何选取阈值和如何进行阈值的量化，从某种程度上说，它直接关系到信号去除噪声的质量。目前抑制高斯噪声的经典代表算法有硬阈值法和软阈值法，尽管软、硬阈值函数均有一定的噪声抑制效果，但是它们都存在一定的缺点。硬阈值函数在阈值处不连续，因此处理后图像会出现振铃、伪吉布斯效应等视觉失真现象；而软阈值函数相对平滑得多，但是滤除噪声的同时也使得估计系数的误差增大，因而造成重构图像的边缘模糊。
技术实现思路
本专利技术的目的旨在解决进软、硬阈值函数在图像噪声抑制中存在过分平滑、边缘振荡和有恒定偏差等技术缺陷，改善小波阈值去噪方法的效果以及更好地保护图像的边缘和细节信息。为了达到上述目的，本专利技术提出了一种自适应小波阈值函数图像噪声抑制方法，其具体的实现步骤如下：步骤一、导入任选一幅含高斯噪声的灰度图像；步骤二、对噪声图像进行小波分解，选择合适的小波并确定分解的层次，然后进行小波变换，得到一组小波系数；步骤三、对小波分解后的小波高频系数进行阈值量化处理，得到一组阈值处理过的小波系数；步骤四、对阈值处理过的小波系数进行重构，从而得到噪声抑制图像。所述步骤一中，任选一幅含高斯噪声的灰度图像，高斯噪声均值为零，方差不高于50。所述步骤二中，对噪声图像进行小波分解，确定分解的层次为四层，得到分解后的小波系数。所述步骤三中，对小波分解后的高频小波系数进行阈值量化处理；阈值大小为：上式中，表示阈值，M×N表示图像的尺寸，表示噪声的标准方差，其表达式为：上式中，表示阈值化小波分解系数，其函数表达式为：上式中，sgn(x)为符号函数，，和均是大于零的控制变量，其作用为调节的大小，在一定阈值范围内尽可能多的缩小与W（原始小波系数）之间的偏差，m也是控制变量，它的取值大小对的影响非常大，经试验验证m的取值范围在1到5间效果较好。当时，令，为了在保留图像细节的情况下，有效滤除噪声，本专利技术中令取值为10，m取值为2。与现有技术相比，本专利技术的有益效果是：本专利技术的阈值函数的表达式，增大了小波系数的缩减幅度，在一定阈值范围内有效减少了小波系数和原系数之间的偏差。解决了硬阈值函数在阈值处不连续性的问题，同时也相应的改善了软阈值函数估计系数的误差增大的缺点。采用本专利技术的噪声抑制效果明显优于传统算法的噪声抑制效果，噪声抑制后的图像在峰值信噪比、均方误差和主观效果上均得到一定程度的改善。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为本专利技术的流程示意图。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步说明。本专利技术涉及一种自适应小波阈值函数图像噪声抑制方法，如图1所示，大致可分为以下几个步骤：步骤一、导入任选一幅含高斯噪声的灰度图像；步骤二、对噪声图像进行小波分解，选择合适的小波并确定分解的层次，然后进行小波变换，得到一组小波系数；步骤三、对小波分解后的小波高频系数进行阈值量化处理，得到一组阈值处理过的小波系数；步骤四、对阈值处理过的小波系数进行重构，从而得到噪声抑制图像。本专利技术首先设定一个阈值，对于大于阈值的小波系数，把它们阈值化处理后得到新的估计系数；而小于阈值的小波系数，采用非零阈值函数处理。这种方法可以将部分噪声滤除，然后经小波逆变换得到噪声抑制后的估计信号。阈值选取在阈值化处理中具有极为重要的作用。阈值大小为：上式中，理论上该阈值与噪声的方差成正比，表示阈值，M×N表示图像的尺寸，表示噪声的标准方差，其表达式为：上式中，表示阈值化小波分解系数。阈值化改造常用的软阈值函数为：上式中，W是原始小波系数，sgn(x)为符号函数：硬阈值函数为：。两种阈值方法各有利弊，硬阈值函数处理后，图像能很好地保留边缘信息，但是噪声没有得到有效抑制；软阈值函数处理后，图像的边缘信息模糊，但是噪声抑制效果较好。本专利技术提出了一种自适应小波阈值函数图像噪声抑制方法，其表达式如下：上式中，sgn(x)为符号函数，和均是大于零的控制变量，其作用为调节的大小，在一定阈值范围内尽可能多的缩小与W之间的偏差，m也是控制变量，它的取值大小对的影响非常大，经试验验证m的取值范围在1到5间效果较好。通常当时，的取值为0，但这种处理同时也误将图像中有用信息滤除，影响图像细节。为改善这个缺点，当时，令，通过调节m的值，在保留图像细节的情况下，有效滤除噪声。为说明本专利技术函数可行，令取值为10，m取值为2，证明如下：用表示，用x表示W，则：同理同理。本专利技术提出的一种自适应小波阈值函数图像噪声抑制方法，在保留传统软阈值和硬阈值函数的基础上，利用极限思想，通过调节两个主要控制变量值的大小，改变阈值函数的表达式，增大小波系数的缩减幅度，在一定阈值范围内有效减少了小波系数和原系数之间的偏差。解决了硬阈值函数在阈值处不连续性的问题，同时也相应的改善了软阈值函数估计系数的误差增大的缺点。尽管已经示出和描述了本专利技术的具体实施方式，对于本领域的普通技术人员而言，可以理解在不脱离本专利技术的原理和精神的情况下可以对这些内容进行多种变化、修改、替换和变型，本专利技术的范围有所附权利要求及其等同限定。本文档来自技高网...

【技术保护点】
一种自适应小波阈值函数图像噪声抑制方法，其特征在于，包括以下实现步骤：步骤一、导入任选一幅含高斯噪声的灰度图像；步骤二、对噪声图像进行小波分解，选择合适的小波并确定分解的层次，然后进行小波变换，得到一组小波系数；步骤三、对小波分解后的小波高频系数进行阈值量化处理，得到一组阈值处理过的小波系数；步骤四、对阈值处理过的小波系数进行重构，从而得到噪声抑制图像。

【技术特征摘要】
1.一种自适应小波阈值函数图像噪声抑制方法，其特征在于，包括以下实现步骤：步骤一、导入任选一幅含高斯噪声的灰度图像；步骤二、对噪声图像进行小波分解，选择合适的小波并确定分解的层次，然后进行小波变换，得到一组小波系数；步骤三、对小波分解后的小波高频系数进行阈值量化处理，得到一组阈值处理过的小波系数；步骤四、对阈值处理过的小波系数进行重构，从而得到噪声抑制图像。2.根据权利要求1所述的一种自适应小波阈值函数图像噪声抑制方法，其特征在于，所述步骤一中，任选一幅含高斯噪声的灰度图像，高斯噪声均值为零，方差不高于50。3.根据权利要求1所述的一种自适应小波阈值函数图像噪声抑制方法，其特征在于，所述步骤二中，对噪声图像进行小波分...

【专利技术属性】
技术研发人员：李东兴，张起，马良慧，张华强，高倩倩，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：山东;37