一种基于双树复小波域的邻域自适应贝叶斯收缩的图像去噪方法，步骤如下：1）对含噪图像进行双树复小波变换，将其进行3级分解后得到多个子带系数；2）用鲁棒中值器估计出噪声方差；3）对除低通子带系数之外的其他的每个子带系数均进行如下处理：a）对每个DT-CWT系数，计算出相应邻域窗口内含噪图像的方差；b）对所有系数相应的含噪图像方差，求其平均来估计出这个子带的含噪图像的邻域方差；c）假设图像的DT-CWT系数的统计模型服从GGD模型，通过最小化贝叶斯风险函数估计出最优阈值；进而软化子带内小波系数；4）对小波系数进行双树复小波反变换重构得到去噪后的图像。本发明专利技术去噪性能优良、具有良好的自适应性。
【技术实现步骤摘要】
本专利技术涉及图像去噪技术，尤其涉及一种图像去噪方法。
技术介绍
在图像的获取和传输的过程中，往往会引入一定的噪声而影响图像的质量，图像受到高斯白噪声干扰的模型如下y=x+n其中，y为含噪图像，X为无噪图像，n为加性高斯白噪声。 如何有效地从含噪图像中恢复出真实图像，尽可能消除噪声的影响并保留重要的信号特征，是当前数字图像处理领域的一个研究热点。由于信号的压缩性和噪声的非压缩性，近几年基于小波变换的去噪技术引起了越来越多的关注。小波去噪算法的主要处理过程包括1)对含噪图像进行小波分解，得到小波变换系数；2)对小波变换系数进行相应的处理，如阈值处理等，尽可能消除噪声和保留图像细节信息；3)进行逆小波变换，重构得到去噪后的图像。在传统的小波去噪算法中，比较典型的方法是基于阈值法。该方法通过预先估计的一个阈值T对小波系数进行比较处理，当小波系数的幅值| |小于T时，将小波系数置为零；否则，不做处理或者对其进行收缩。1994年Donoho和Johnstone提出了一种基于通用阈值的小波去噪方法VisuShrink。在该方法中，对所有的小波系数来说，只选用唯一的阈值。实验结果表明VisuShrink去噪后图像过于平滑，并且对图像细节信息的保留不够，去噪效果不够理想。为使阈值具有自适应的特性，Chang等人提出了 BayesShrink阈值去噪方法。此方法在假设无噪图像的小波系数服从广义高斯分布(Generalized Gaussian Distribution, GGD)的前提下，通过最小化贝叶斯风险函数，得到一个可根据图像统计特性自适应调整的最优阈值，并经过软化处理，从而获得较好的去噪效果。但是，上述方法都假定小波系数是独立的，而且没有考虑到系数间的相关特性。为充分考虑小波系数的相关性，随后出现了一些改进方法=Sendur等人提出的BiShrink方法,考虑了父子系数的相关性；Zhou等人提出的BlockShrink,考虑了系数间的邻域相关性；Dongwook等人提出的NeighShrink,考虑了系数间的邻域相关性和层内相关性；宫霄霖等人提出的基于自适应邻域系数的小波图像阈值降噪，考虑了系数间的层内相关性；武海洋等人提出的基于最小Bayes风险的小波域局部自适应图像去噪，以冗余小波为基础，考虑了子带内小波系数间的相关性。实验结果表明，考虑了系数相关性的这些模型去噪效果较好。Sendur等人在考虑系数的相关性的同时，还利用了双树复小波变换(Dual-treeComplex Wavelet Transform, DT-CffT)的近似平移不变特性和多方向选择特性；从而提高了角度分辨率，可以更好地处理图像边缘纹理等细节信息。基于DT-CWT的优点，DT-CWT也广泛应用到了图像去噪领域，其中杨国梁等人提出的基于贝叶斯估计的双树复小波图像降噪，将双树复小波变换和贝叶斯估计确定阈值相结合，更好地对图像特征进行了跟踪、定位和保留，并取得了很好的去噪效果。
技术实现思路
为了克服现有的图像去噪方法的去噪性能较差、自适应较差的不足，本专利技术提供一种去噪性能优良、具有良好的自适应性的。本专利技术采取的技术方案是一种，所述图像去噪方法包括以下步骤I)对含噪图像进行双树复小波变换，将其进行三级分解后得到K+1个子带系数；2)用鲁棒中值器估计出噪声方差用Yu表示第一级分解的子带中第i行第j列系数的实部，用\表示图像的噪声方差，该噪声方差采用鲁棒中值估计器估计为权利要求1.一种，其特征在于所述图像去噪方法包括以下步骤 1)对含噪图像进行双树复小波变换，将其进行三级分解后得到K+1个子带系数； 2)用鲁棒中值器估计出噪声方差用Yu表示第一级分解的子带中第i行第j列系数的实部，用&表示图像的噪声方差，该噪声方差采用鲁棒中值估计器估计为2.如权利要求I所述的一种，其特征在于所述步骤3)中，定义邻域窗口是以当前系数为中心，边长为N的正方形，并定义N的单位为水平或垂直方向上相邻小波系数的间隔，与当前系数相关的邻域系数则是除当前系数之外的落在当前系数的邻域窗口内的所有小波系数；假设在尺寸大小为mXn的子带内，{wkj J为所有的小波系数，则在中心为系数wk, h,大小为NXN的邻域窗口内含B栄图像的方差为全文摘要一种基于双树复小波域的邻域自适应贝叶斯收缩的图像去噪方法，步骤如下1)对含噪图像进行双树复小波变换，将其进行3级分解后得到多个子带系数；2)用鲁棒中值器估计出噪声方差；3)对除低通子带系数之外的其他的每个子带系数均进行如下处理a)对每个DT-CWT系数，计算出相应邻域窗口内含噪图像的方差；b)对所有系数相应的含噪图像方差，求其平均来估计出这个子带的含噪图像的邻域方差；c)假设图像的DT-CWT系数的统计模型服从GGD模型，通过最小化贝叶斯风险函数估计出最优阈值；进而软化子带内小波系数；4)对小波系数进行双树复小波反变换重构得到去噪后的图像。本专利技术去噪性能优良、具有良好的自适应性。文档编号G06T5/00GK102800056SQ20121022403公开日2012年11月28日 申请日期2012年6月30日 优先权日2012年6月30日专利技术者丁勇, 张稳稳, 王亚雄, 段克峰, 蒋一帆, 邢天玮, 李浙鲁 申请人:浙江大学本文档来自技高网...
【技术保护点】
一种双树复小波域的邻域自适应贝叶斯收缩图像去噪方法，其特征在于：所述图像去噪方法包括以下步骤：1）对含噪图像进行双树复小波变换，将其进行三级分解后得到K+1个子带系数；2）用鲁棒中值器估计出噪声方差：用Yij表示第一级分解的子带中第i行第j列系数的实部，用表示图像的噪声方差，该噪声方差采用鲁棒中值估计器估计为：σ^n=Median(|Yij|)/0.6745---(1)3）对除低通子带系数之外的其他K个子带系数进行如下处理：a）对每个DT？CWT系数，计算出相应邻域窗口内含噪图像的方差；b）对所有系数相应的含噪图像方差，求其平均来估计出这个子带的含噪图像的邻域方差；c）假设图像的DT？CWT系数的统计模型服从GGD模型，通过最小化贝叶斯风险函数估计出最优阈值；进而软化子带内小波系数；4）对小波系数进行双树复小波反变换重构得到去噪后的图像。FDA00001837021600011.jpg
【技术特征摘要】
【专利技术属性】
技术研发人员：丁勇，张稳稳，王亚雄，段克峰，蒋一帆，邢天玮，李浙鲁，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。