【技术实现步骤摘要】
本专利技术涉及的是一种图像处理
的去噪方法。
技术介绍
图像在采集和传输的过程中往往会受到外界环境的干扰，造成图像质量退化，这严重影响了后续的图像处理工作。因而图像的去噪预处理也成为了图像处理的研究热点，它为后续高层次的图像处理提供了更好的研究基础。图像去噪的方法的种类很多，主要分为空间域方法和变换域方法。空间域方法是 针对图像的灰度值直接进行运算处理，常用的方法有中值滤波、均值滤波、非局部均值滤波等等。中值滤波和均值滤波都会存在一定程度的边缘模糊现象，非局部均值滤波的计算量较大。变换域方法中常用的方法是基于小波的萎缩阈值法，传统的全局阈值对每一个变换系数并不是最优的，导致图像的细节信息丢失。
技术实现思路
本专利技术的目的在于提供具备良好的平移不变性和方向选择性的基于Context模型和双树复小波变换的水下声纳图像的去噪方法。本专利技术的目的是这样实现的本专利技术基于Context模型和双树复小波变换的水下声纳图像的去噪方法，其特征是(I)对水下声纳图像进行双树复小波分解，分解层数为四层图像经过四层双树复小波变换，获得一个低频近似分量和四个尺度下的高频分量，yl代表...
【技术保护点】
基于Context模型和双树复小波变换的水下声纳图像的去噪方法，其特征是：（1）对水下声纳图像进行双树复小波分解，分解层数为四层：图像经过四层双树复小波变换，获得一个低频近似分量和四个尺度下的高频分量，yl代表经过4层分解后图像的低频近似分量的系数矩阵，yhk分别表示第一、二、三、四层的高频分量，k＝1,2,3，4，每一层高频分量包含6个复系数矩阵，分别代表该尺度下双树复小波变换分解的6个方向的高频细节信息；（2）保留图像分解后的低频分量yl；（3）对图像分解的四层高频分量yh1、yh2、yh3和yh4进行去噪处理：1）图像的第一层高频分量yh1和第二层高频分量yh2，采用...
【技术特征摘要】
1.基于Context模型和双树复小波变换的水下声纳图像的去噪方法，其特征是 (1)对水下声纳图像进行双树复小波分解，分解层数为四层 图像经过四层双树复小波变换，获得一个低频近似分量和四个尺度下的高频分量，yl代表经过4层分解后图像的低频近似分量的系数矩阵，yhk分别表示第一、二、三、四层的高频分量，k = 1，2，3，4，每一层高频分量包含6个复系数矩阵，分别代表该尺度下双树复小波变换分解的6个方向的高频细节信息； (2)保留图像分解后的低频分量yl； (3)对图像分解的四层高频分量yhpyh2、yh3和yh4进行去噪处理 .1)图像的第一层高频分量Yh1和第二层高频分量yh2，采用非线性软阈值方法进行去噪处理； .2)图像的第三层高频分量yh3和第四层高频分量yh4，采用Context模型对系数进行分类，针对每一类系数确定各自的阈值，结合软阈值函数进行去噪处理 ①获取图像的第三层高频分量yh3中六个复系数矩阵的实部和虚部系数； 图像的第三层高频分量yh3同样由六个复系数矩阵组成，每一个系数矩阵代表着该尺度下图像6个方向的高频信息，yh3 (d) (d= 1,2,..,6)表示该尺度下任意一个方向的复系数矩阵，它的实部和虚部系数分别为a3 (d) = real (yh3 (d)) (d = 1,2,..., 6)b3 (d) = imag (yh3 (d)) (d = 1,2,..., 6) a3(d)和133((1)表示第三层高频分量的任意一个方向复系数的实数和虚数部分，实现后续对获得的实部和虚部分别进行处理； ②利用Context模型对系数进行分类； 用Context模型来衡量变换系数的能量的接近程度，首先计算出每个系数的Context值 Z(i，j)Z(i, j) = 2X (|Y(i-l, j-1) | + |Y(i_l，j) | + |Y(i_l，j+1) | + |Y(i，j_l) | + |Y(i，j) | + |Y(i,j+1) +|Y(i+l，j-1...
【专利技术属性】
技术研发人员：李一兵，张静，叶方，汤春瑞，付强，李一晨，李骜，田雪怡，
申请(专利权)人：哈尔滨工程大学，
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。