一种变阈值的小波去噪方法技术

本发明专利技术公开一种变阈值的小波去噪方法，包括五步。步骤一，输入原始图像并加入相应的高斯噪声；步骤二，选择小波基函数并确定小波分解的层数O：对噪声图像S分解得到第一层低频系数A1、水平及垂直高频系数H1及V1、对角高频系数D1；对A1分解得到第二层低频系数A2、水平及垂直高频系数H2及V2、对角高频系数D2；对A2分解得到第三层低频系数A3、水平及垂直高频系数H3及V3和对角高频系数D3；依次分解到第O层；步骤三、选取合的小波阈值及以直线

【技术实现步骤摘要】
一种变阈值的小波去噪方法
本专利技术涉及数字图像处理的去噪领域，尤其涉及一种变阈值的小波去噪方法。
技术介绍
图像在形成、记录、处理和传输过程中，易受到噪声的影响，而导致图像质量下降，使图像变得模糊，甚至淹没图像特征，这给后面的图像区域分割、目标识别、边缘提取等工作带来了困难。因此，在对图像进行处理之前，去除噪声是一关键的预处理环节。为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性(即主要特征)的同时，又能够去除信号中无用的信息。所以，降噪处理一直是图像处理的热点。小波去噪一般分为三类，第一类是利用小波变换模极大值方法进行图像去噪；第二类是对含噪声信号作小波变换后，通过计算相邻尺间小波系数的相关性，根据相关性大小对小波系数进行取舍，最后重构得到去噪信号；第三类是阈值去噪，它是根据小波变换后信号和噪声的小波系数分布不同，对小波系数进行不同的处理实现的。其中小波阈值去噪方法运算量小，实现简单，得到广泛应用。专利“基于小波变换的DR图像去噪方法及系统”(专利号：102663695A)，采用改进的软阈值函数对图像进行处理，小波重构得到第一层的高频系数和低频系数,本文档来自技高网...

【技术保护点】
1.一种变阈值的小波去噪方法，其特征在于，具体按照以下步骤进行：步骤一，输入原始图像并加入相应的高斯噪声；步骤二，选择一个适当的小波基函数并确定小波分解的层数O，然后对含噪图像进行O层小波分解：(a)对噪声图像S进行分解得到第一层低频系数A1、第一层水平高频系数H1、第一层垂直高频系数V1、第一层对角高频系数D1；(b)对第一层低频系数A1进行分解得到第二层低频系数A2、第二层水平高频系数H2、第二层垂直高频系数V2、第二层对角高频系数D2；(c)对第二层低频系数A2进行分解得到第三层低频系数A3、第三层水平高频系数H3、第三层垂直高频系数V3和第三层对角系数D3；(d)依次对当前层的低频系数...

【技术特征摘要】
1.一种变阈值的小波去噪方法，其特征在于，具体按照以下步骤进行：步骤一，输入原始图像并加入相应的高斯噪声；步骤二，选择一个适当的小波基函数并确定小波分解的层数O，然后对含噪图像进行O层小波分解：(a)对噪声图像S进行分解得到第一层低频系数A1、第一层水平高频系数H1、第一层垂直高频系数V1、第一层对角高频系数D1；(b)对第一层低频系数A1进行分解得到第二层低频系数A2、第二层水平高频系数H2、第二层垂直高频系数V2、第二层对角高频系数D2；(c)对第二层低频系数A2进行分解得到第三层低频系数A3、第三层水平高频系数H3、第三层垂直高频系数V3和第三层对角系数D3；(d)依次对当前层的低频系数进行分解直到达到要求的O层小波分解层数；步骤三、小波系数的阈值量化，选取合适的小波阈值及小波阈值函数对小波系数进行处理；步骤四，小波系数重构，对阈值量化后的小波系数进行小波重构；步骤五，输出去噪后的图像。2.根据权利要求1所述的一种变...

【专利技术属性】
技术研发人员：赵佰亭，王风，郭永存，贾晓芬，黄友锐，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：安徽,34