基于NSCT系数的3D方向窗图像去噪方法技术

本发明专利技术公开了一种基于NSCT系数的3D方向窗图像去噪方法，该方法将新的方向窗用于基于NSCT的图像去噪，得到了较好的效果；另外本发明专利技术使用方向间相关性能有效的保护边缘信息，并有效避免方向窗处理中对边缘的延长；而且本发明专利技术利用高斯方向窗，比用椭圆方向窗能更好地强化边缘信息，缩小噪声信息；根据本算法的峰值信噪比优于其他算法。综上可得本发明专利技术对对图片中的噪声有很强的去除作用。

【技术实现步骤摘要】

本专利技术涉及一种基于NSCT系数的3D方向窗图像去噪方法。
技术介绍
随着科技的发展，数字图像的应用变得越来越普及。在当今时代，无论是生活中的照片，医疗中的CT、磁共振图像和超声图像，还是科研生产领域的遥感图像、SAR图像等，在其生成和传输过程中总会受到噪声的污染，影响图像的质量，严重的会使图像内容不可用， 甚至产生歧义，从而产生巨大危害。因而图像去噪在图像处理中始终占有重要地位。在图像去噪中，应用最广的去噪算法当属基于小波阈值的方法。但小波变换应用到图像处理方面存在很多缺点，多尺度分析方法便应运而生。在多尺度相关性的去噪算法中，最经典的当属基于小波尺度间相关性的SSNF算法。在域变换去噪算法中，很多的多尺度算法也都结合了相关性算法获得了新的去噪方法，这些算法大多基于尺度间相关性。 然而在多尺度系数的方向子块间，同样存在着巨大的相关性，其中NSCT变换不仅保留了 Contourlet变换的稀疏性，且具有平移不变性，适合用于图象的去噪，融合和特征提取等。 在算法方面，NSCT基于滤波器组，具有巨大的优化潜力，具有极高的应用价值。正因如此， 基于NSCT变换的去噪算法是当前的研究热点，而基于方向相关性的去噪也是较为新颖的思路。
技术实现思路
为弥补现有技术的不足，本专利技术提供一种种基于NSCT系数的3D方向窗图像去噪方法。为实现上述目的，本专利技术采用如下技术方案一种基于NSCT系数的3D方向窗图像去噪方法，该方法的实现步骤如下Stepl 对含噪图像χ (i，j)做NSCT变换得到子块y (n，i，j)，其含有N个尺度和K 个方向；St印2 在η = 1时取出在k尺度下的信息y {η} (k，i, j)；St印3 取出 y{n} (k，i，j)在 k 方向上的信息 y {η} {k} (i，j)，将 y{n} {k} (i，j)与相邻方向子块做平均得到yl {η} {k} (i，j)；St印4 如果k = K不成立，则k = k+Ι并返回st印3继续执行；反之将所有K方向上的 ylln} {k} (i，j)相加，得到 yl In} (k，i，j)；St印5 取出ylln} (k，i，j)在k方向上的信息yl {η} {k} (i，j)，用带方向的高斯核函数对ylln} {k} (i，j)进行滤波；St印6 利用小于某个阈值的值皆设为0的原则得到yl {n} {k} (i，j)的极值点，利用yl {η} {k} (i，j)的极值点对y {η} {k} (i，j)的值进行取舍；St印7 如果k = K不成立，则k = k+Ι并返回st印5继续执行；反之将所有K方向上的yln} {k} (i，j)相加，得到去噪后的y{n} (k，i，j)；St印8 如果η = N不成立，则η = η+1并返回st印3继续执行；反之将y {n} (k，i， j)相加得到去噪后的系数y(n，k，i，j)；St印9 对y (n，k，i，j)进行逆NSCT变换得到去噪后的图像。.2+.2所述st印5中高斯核函数为g^y) =其中lk(i，j)是k方向，上的线段;A为高斯核高度，σ为高斯核方差。所述st印3中对子块y {n} {k} (i，j)和相邻方向子块做平均的公式\-a_8] yl{n}{k}(ij)= y{n}{k}(iJ)x +( y{n}{kl}(U)+y{n}{k2}(U)卜丁其中kl和k2是k方向的相邻方向，α由图像结构和噪声等级估计得出，0 < α < 1。有益效果本专利技术使用方向间相关性能有效的保护边缘信息，并有效避免方向窗处理中对边缘的延长；而且本专利技术利用高斯方向窗，比用椭圆方向窗相比本方向窗能更好地强化边缘信息，缩小噪声信息；另外由表1可看出本算法的峰值信噪比优于其他算法。综上可得本专利技术对对图片中的噪声有很强的去除作用。附图说明图1(a)为Iena原图像；图1 (b)为在图1 (a)中加入15db噪声的示意图；图1 (c)为利用本专利技术算法的实验结果图；图2-1为加噪后的指纹图像；图2-2为利用本算法处理后保留最大的N个值得到的极值点；图2-3为使用2D方向窗得到的极值点；图2-4为加噪后的指纹图像进行nsct变换后，在{4} {3}上的子块；图2-5为图2-4经本专利技术的方向窗处理所得结果图；图2-6为图2-4使用2D方向窗处理所得结果图；图3-1为在实验3中使用的本方向窗；图3-2为在实验3中使用的椭圆方向窗；图3-3为实验3使用的部分原Iena图片；图3-4为图3-3加入15db噪声，并经nsct变换后{5} {8}子块经图3_1方向窗处理所得结果图；图3-5为图3-3加入15db噪声，并经nsct变换后{5} {8}子块经图3_2方向窗处理所得结果图；图3-6为图3-4保留最大的N个值得到的极值点；图3-7为图3-5保留最大的N个值得到的极值点；图4为本专利技术的流程图。具体实施方式举例下面结合附图和实施例对本专利技术作进一步说明非下采样轮廓波(NONSUBSAMPLEDC0NT0URLET TRANSFORM，NSCT)使用了一组非下样的拉普拉斯金字塔和方向滤波器，对图像进行了分解，设原图像为1，在η尺度的拉普拉斯滤波器为g(n)，在k方向的方向滤波器为1 (k)，则η尺度k方向上的子块可以表示为y{n} {k} = l*g(n)*l(k)NSCT变换使图像分成了 η个尺度和k个方向，且具有平移不变性。设原图像为 x(i, j)，则经过NSCT变换后，图像变成了 4D的矩阵，在这个4D矩阵中，方向性强烈的信息得到了增强，而杂乱无章的噪声信息得到了压制，因而最简单的处理方法即为利用阈值保留较大的系数。然而在噪声较大时，子块中会产生较大的由噪声产生的干扰量，使阈值算法的结果不再准确。研究边缘信息和噪声信息在子块中的分布发现，边缘信息在子块中具有连续性，且具有固定的方向性，因而提出了利用方向窗，对子块中的信息进行筛选，进一步压制噪声信息产生的干扰。这样就能利用阈值法得到更好的结果。在研究中发现，此4D矩阵在尺度轴和方向轴上都具有相关性，而这些相关性都可以进行利用。以往基于相关性的去噪算法，多是利用尺度间的相关性，而本算法利用了方向间的相关性。因为固定4D矩阵中尺度维上的量，就成了 3D矩阵，本专利技术使用了一个3D的高斯矩阵对各个尺度上的系数进行滤波，从而达到去噪的目的。本专利技术的具体实现方法如下(y{n}{k}(i，j)代表在η尺度k方向上的NSCT子块)⑴对含噪图像χ (i，j)做NSCT变换得到子块y (n, k，i，j)，其含有N个尺度和K 个方向(n> l，k>2)；(ii)在每个尺度中，系数可表示为3D矩阵y {n} (k,i,j)，在一个方向上，又可表示为2D矩阵y {n} {k} (i，j)My{n} {k} (i，j)和相邻方向子块做平均，此处方向间的平均即相当于对某尺度下的3D矩阵y {n} (k，i，j)进行3D方向窗滤波，目前多用2D椭圆窗函数， 而本专利技术采用新的3D高斯方向窗函数，3D方向窗的含义为2D方向窗与方向轴上的平均，其中方向轴上的平均公式如下1-a_8] yl{n}{k}(ij)= y{n}{k}(ij)x +( y{n}{kl}(U)+y{n}{k2}(U)本文档来自技高网...

【技术保护点】
１．一种基于ＮＳＣＴ系数的３Ｄ方向窗图像去噪方法，其特征是，该方法的实现步骤如下：Ｓｔｅｐ１：对含噪图像ｘ（ｉ，ｊ）做ＮＳＣＴ变换得到子块ｙ（ｎ，ｋ，ｉ，ｊ），其含有Ｎ个尺度和Ｋ个方向；Ｓｔｅｐ２：在ｎ＝１时取出在ｋ尺度下的信息ｙ｛ｎ｝（ｋ，ｉ，ｊ）；Ｓｔｅｐ３：取出ｙ｛ｎ｝（ｋ，ｉ，ｊ）在ｋ方向上的信息ｙ｛ｎ｝｛ｋ｝（ｉ，ｊ），将ｙ｛ｎ｝｛ｋ｝（ｉ，ｊ）与相邻方向子块做平均得到ｙ１｛ｎ｝｛ｋ｝（ｉ，ｊ）；Ｓｔｅｐ４：如果ｋ＝Ｋ不成立，则ｋ＝ｋ＋１并返回ｓｔｅｐ３继续执行；反之将所有Ｋ方向上的ｙ１｛ｎ｝｛ｋ｝（ｉ，ｊ）相加，得到ｙ１｛ｎ｝（ｋ，ｉ，ｊ）；Ｓｔｅｐ５：取出ｙ１｛ｎ｝（ｋ，ｉ，ｊ）在ｋ方向上的信息ｙ１｛ｎ｝｛ｋ｝（ｉ，ｊ），用带方向的高斯核函数对ｙ１｛ｎ｝｛ｋ｝（ｉ，ｊ）进行滤波；Ｓｔｅｐ６：利用小于某个阈值的值皆设为０的原则得到ｙ１｛ｎ｝｛ｋ｝（ｉ，ｊ）的极值点，利用ｙ１｛ｎ｝｛ｋ｝（ｉ，ｊ）的极值点对ｙ｛ｎ｝｛ｋ｝（ｉ，ｊ）的值进行取舍；Ｓｔｅｐ７：如果ｋ＝Ｋ不成立，则ｋ＝ｋ＋１并返回ｓｔｅｐ５继续执行；反之将所有Ｋ方向上的ｙ｛ｎ｝｛ｋ｝（ｉ，ｊ）相加，得到去噪后的ｙ｛ｎ｝（ｋ，ｉ，ｊ）；Ｓｔｅｐ８：如果ｎ＝Ｎ不成立，则ｎ＝ｎ＋１并返回ｓｔｅｐ３继续执行；反之将ｙ｛ｎ｝（ｋ，ｉ，ｊ）相加得到去噪后的系数ｙ（ｎ，ｋ，ｉ，ｊ）；Ｓｔｅｐ９：对ｙ（ｎ，ｋ，ｉ，ｊ）进行逆ＮＳＣＴ变换得到去噪后的图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨明强，李文辉，
申请(专利权)人：山东大学，
类型：发明
国别省市：88