图像去噪方法、系统以及存储介质技术方案

本申请公开了一种图像去噪方法、系统以及存储介质，涉及图像处理技术领域，包括:通过经验模态分解对待处理的图像进行模糊处理，得到模糊化的特征图像；对所述特征图像进行边缘检测处理，得到所述特征图像的边缘检测算子；根据所述边缘检测算子计算预设的异性扩散方程的扩散阈值，并根据计算得到的所述扩散阈值确定改进的各向异性扩散方程；通过所述改进的各向异性扩散方程对所述待处理的图像进行扩散处理，得到去噪后的图像信息。采用上述方法能够能够弱化图像噪声对边缘检测结果的影响，提高图像去噪效果。高图像去噪效果。高图像去噪效果。

【技术实现步骤摘要】
图像去噪方法、系统以及存储介质


[0001]本申请涉及图像处理
，特别涉及一种图像去噪方法、系统以及存储介质。

技术介绍

[0002]在图像处理中，图像降噪是比较重要的一个分支，其中通过对原始图像做各向异性扩散方程求解，从而得到去噪后的图像是比较常用的做法，其能够在保持一定程度特征的同时去除噪声，其中图像的梯度算子决定了扩散的速度，广泛应用于图像去噪、图像分割以及目标识别等领域。但是梯度算子本身对噪声的敏感程度高，抗噪性能不强，对于噪声引起的伪边缘无法区分开，针对梯度算子识别噪声能力不强的问题，后来引入边缘检测算子进行改进，但是由于噪声的原因会产生一些原本并不存在的边缘，从而导致边缘检测结果不准确，使得应用边缘检测通过各向异性扩散方程进行图像去噪的效果不佳。

技术实现思路

[0003]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种图像去噪方法、系统以及存储介质，能够弱化图像噪声对边缘检测结果的影响，提高图像去噪效果。
[0004]第一方面，本申请提出了一种图像去噪方法，包括：
[0005]通过经验模态分解对待处理的图像进行模糊处理，得到模糊化的特征图像；
[0006]对所述特征图像进行边缘检测处理，得到所述特征图像的边缘检测算子；
[0007]根据所述边缘检测算子计算预设的异性扩散方程的扩散阈值，并根据计算得到的所述扩散阈值确定改进的各向异性扩散方程；
[0008]通过所述改进的各向异性扩散方程对所述待处理的图像进行扩散处理，得到去噪后的图像信息。
[0009]根据本申请第一方面实施例的图像去噪方法，至少具有如下有益效果：通过在边缘检测前先进行图像的模糊处理，将图像的细节对应的高频部分去掉，此时消除依附于图像细节部分的噪声，之后通过对模糊后的图像进行边缘检测，使得细节部分的噪声无法自行产生边缘，使得边缘检测的结果准确，使边缘检测过程中的边缘检测算子不受噪声的影响，从而代替各向异性扩散方程中的扩散阈值来准确引导扩散程度，从而输出去噪效果更佳的去噪图像。
[0010]根据本申请的一些实施例，所述通过经验模态分解对待处理的图像进行模糊处理，得到模糊化的特征图像，包括
[0011]对所述待处理的图像进行二维经验模态分解，得到所述待处理的图像的固有模态函数集；所述固有模态函数集由一个图像余量、若干个频率从高到低排布的图像函数分量组成；
[0012]将去除频率最高的图像函数分量的所述固有模态函数集重组，得到所述特征图像。
[0013]根据本申请的一些实施例，所述对所述待处理的图像进行二维经验模态分解，得到所述待处理的图像的固有模态函数集，包括
[0014]根据所述待处理的图像，确定图像函数；
[0015]根据预设的分解公式，计算得到所述图像函数对应的图像函数分量；
[0016]计算所述图像函数与所述图像函数分量的差量；
[0017]将不满足预设条件的差量作为新的图像函数并重新计算所述新的图像函数对应的图像函数分量直至所述差量满足预设条件；
[0018]将最后一次计算得到的所述差量作为图像余量；
[0019]将所述图像余量、计算得到的每一图像函数分量组合，得到所述固有模态函数集。
[0020]根据本申请的一些实施例，所述根据预设的分解公式，计算得到所述图像函数对应的图像函数分量，包括：
[0021]根据所述图像函数的极大值和极小值，分别构造极大值曲面和极小值曲面；
[0022]根据所述极大值曲面、所述极小值曲面，计算得到均值包络面；
[0023]计算所述均值包络面与所述图像函数的差，得到高度差函数；
[0024]将所述高度差函数作为新的图像函数并重新计算得到新的高度差函数，直至新的所述高度差函数与前一次计算得到高度差函数的均方差满足预设的阈值。
[0025]根据本申请的一些实施例，所述对所述特征图像进行边缘检测处理，得到所述特征图像信息的边缘检测算子，包括
[0026]对所述特征图像进行高斯平滑处理，得到平滑后的图像信息；
[0027]对所述平滑后的图像信息进行梯度计算，得到所述平滑后的图像中每一像素点的梯度幅值和梯度方向；
[0028]根据所述梯度方向，对对应的所述梯度幅值进行非极大值抑制处理，得到优化后的图像信息；
[0029]对所述优化后的图像信息采用双阈值筛选处理，得到筛选后的图像信息；
[0030]根据筛选后的图像信息，确定边缘检测算子及对应的边缘分布。
[0031]根据本申请的一些实施例，所述根据筛选后的图像信息，确定边缘检测算子及边缘分布，包括：
[0032]对所述筛选后的图像信息进行滞后边缘跟踪处理，得到有效边缘集合；
[0033]根据所述有效边缘集合,确定边缘算子及其对应的边缘分布。
[0034]根据本申请的一些实施例，所述改进的各向异性扩散方程的扩散系数表征待处理的图像的像素点与梯度算子的关系。
[0035]根据本申请的一些实施例，所述通过所述改进的各向异性扩散方程对所述待处理的图像进行扩散处理，得到去噪后的图像信息，包括
[0036]获取预设所述改进的各向异性扩散方程的计算次数；
[0037]通过所述改进的各向异性扩散方程对所述待处理的图像进行扩散处理，输出第一次的扩散图像；
[0038]将所述扩散图像作为新的所述待处理的图像，重新进行扩散处理，直至扩散处理的次数与预设的计算次数匹配或所述扩散图像满足预设的条件；
[0039]将最后一次扩散处理得到的所述扩散图像作为去噪后的图像信息。
[0040]第二方面，本申请提出了一种图像去噪系统，包括：至少一个存储器、至少一个处理器、至少一个程序，所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现如权利要求1至8任一项所述的图像去噪方法。
[0041]根据本申请第二方面实施例的图像去噪系统，至少具有如下有益效果：通过在边缘检测前先进行图像的模糊处理，将图像的细节对应的高频部分去掉，此时消除依附于图像细节部分的噪声，之后通过对模糊后的图像进行边缘检测，使得细节部分的噪声无法自行产生边缘，使得边缘检测的结果准确，使边缘检测过程中的边缘检测算子不受噪声的影响，从而代替各向异性扩散方程中的扩散阈值来准确引导扩散程度，从而输出去噪效果更佳的去噪图像。
[0042]第三方面，本申请提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行信号，所述计算机可执行信号用于执行如权利要求1至8任一项所述的图像去噪方法。
[0043]根据本申请第三方面实施例的计算机可读存储介质，至少具有如下有益效果：通过在边缘检测前先进行图像的模糊处理，将图像的细节对应的高频部分去掉，此时消除依附于图像细节部分的噪声，之后通过对模糊后的图像进行边缘检测，使得细节部分的噪声无法自行产生边缘，使得边缘检测的结果准确，使边缘检测过程中的边缘检测算子不受噪声的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像去噪方法，其特征在于，包括：通过经验模态分解对待处理的图像进行模糊处理，得到模糊化的特征图像；对所述特征图像进行边缘检测处理，得到所述特征图像的边缘检测算子；根据所述边缘检测算子计算预设的异性扩散方程的扩散阈值，并根据计算得到的所述扩散阈值确定改进的各向异性扩散方程；通过所述改进的各向异性扩散方程对所述待处理的图像进行扩散处理，得到去噪后的图像信息。2.根据权利要求1所述的图像去噪方法，其特征在于，所述通过经验模态分解对待处理的图像进行模糊处理，得到模糊化的特征图像，包括对所述待处理的图像进行二维经验模态分解，得到所述待处理的图像的固有模态函数集；所述固有模态函数集由一个图像余量、若干个频率从高到低排布的图像函数分量组成；将去除频率最高的图像函数分量的所述固有模态函数集重组，得到所述特征图像。3.根据权利要求2所述的图像去噪方法，其特征在于，所述对所述待处理的图像进行二维经验模态分解，得到所述待处理的图像的固有模态函数集，包括根据所述待处理的图像，确定图像函数；根据预设的分解公式，计算得到所述图像函数对应的图像函数分量；计算所述图像函数与所述图像函数分量的差量；将不满足预设条件的差量作为新的图像函数并重新计算所述新的图像函数对应的图像函数分量直至所述差量满足预设条件；将最后一次计算得到的所述差量作为图像余量；将所述图像余量、计算得到的每一图像函数分量组合，得到所述固有模态函数集。4.根据权利要求1所述的图像去噪方法，其特征在于，所述根据预设的分解公式，计算得到所述图像函数对应的图像函数分量，包括：根据所述图像函数的极大值和极小值，分别构造极大值曲面和极小值曲面；根据所述极大值曲面、所述极小值曲面，计算得到均值包络面；计算所述均值包络面与所述图像函数的差，得到高度差函数；将所述高度差函数作为新的图像函数并重新计算得到新的高度差函数，直至新的所述高度差函数与前一次计算得到高度差函数的均方差满足预设的阈值。5.根...

【专利技术属性】
技术研发人员：龙佳乐，甘楚立，张建民，丁毅，胡轶，孙瑞，詹晓江，黄克森，
申请(专利权)人：五邑大学，
类型：发明
国别省市：