本发明专利技术公开了一种二维希尔伯特变换和BEMD结合的图像去噪方法，包括以下步骤：对含噪声图像进行BEMD，得到IMF和R；对IMF分量做二维希尔伯特变换；将希尔伯特变换后的图像和余量进行重构，得到去噪后图像。本发明专利技术具有以下有益效果：BEMD能够对图像进行多尺度分解，具有很好的局部时频特性，解决了传统滤波方法单一尺度去噪带来的问题，提高了图像分解效率和准确度；二维希尔伯特变换对图像乘性噪声、高斯噪声、椒盐噪声都能起到较好的滤波效果，消弱了图像中的噪声对图像细节和关键内容的影响，有效去除了噪声。
【技术实现步骤摘要】
本专利技术涉及一种图像处理技术，具体说，涉及一种二维希尔伯特变换和BEMD结合的图像去噪方法。
技术介绍
图像信号在产生、传输和记录过程中，经常会受到各种噪声的干扰，一般来说，现实中的图像都是带噪图像。通常在图像处理工作中，在边缘检测、图像分割、特征提取、模式识别等高层次处理之前，选用适当的方法去噪是非常重要的预处理步骤。合成孔径雷达(Synthetic Aperture Radar, SAR)作为一种信息获取的手段,在国防、环境等方面具有突出的战略意义，SAR图像具有全天候、全天时的特点，已获得越来越广泛的应用。SAR图像斑点噪声与数字图像处理过程中所遇到的噪声有本质的不同。数字图像处理过程中所遇到的噪声一般可以用高斯噪声或椒盐噪声进行描述，指的是对数据进行采样、量化、压缩、传输和编解码等数字化过程以及图像本身在成像过程中的退化等因素影响所产生的噪声，是直接作用到图像上的。而SAR图像相干斑噪声是雷达回波信号衰落而产生的，是所有基于相干原理的成像系统所固有的缺点。相干斑以乘性噪声的形式出现，这些都使得有关SAR图像的处理和理解变得非常困难。由于SAR图像在相干成像过程中形成的斑点噪声及其灰度分布的复杂性，因而对SAR图像的滤波技术有两方面的要求，首先要尽可能地消除图像的斑点噪声；同时，还要最大程度地保留起重要作用的细节信息。传统的去噪方法有很多，其中常用的滤波方法包括中值滤波、维纳滤波、增强Lee滤波。传统的滤波器存在一个共同的缺点，将带噪声的图像作为一个整体进行滤波，不能根据噪声的特点及图像的纹理细节进行滤波，虽然滤除了噪声，但同时对图像信息造成了一定程度的破坏。现有技术中与本专利技术最接近的图像去噪方法一般采用二维经验模式分解(Bidimensional Empirical Mode Decomposition, BEMD)和其它去噪方法相结合的方式。如1、Jia Liu 等人在 Image Denoising Based on BEMD and PD E. ComputerResearch and Development. 2011, 3:110-112中提出米用二维经验模式分解和偏微分方程去噪相结合的方式，把偏微分方程去噪方式作用于每一个IMF，最后再重组图像。利用这种相结合的方式，取得了一定去噪效果。2、甘学武、魏文斌在基于EMD小波阈值化的SAR图像斑点抑制.空军雷达学院学报.2009, 23 (2) : 100-102 中提出用一维经验模式分解(Empirical Mode Decomposition,EMD)方法将含斑点噪声的SAR图像分解为不同频率的基本分量，对前面几个分量用小波阈值化方法进行处理，然后重构图像，从而达到抑制斑点噪声的目的。3、与子甲、章登勇等人在基于BEMD和自适应滤波的医学图像增强.微计算机信息.2011，27(9) :224-225中提出首先对医学图像进行BEMD分解，然后用自适应滤波对频率域进行去噪，再使用不同的加权值提高子带图像的高频系数，最后对图像进行重构得到增强后的图像。 4、蔡剑华、罗一平在基于二维EMD与均值滤波的图像去噪方法.湖南文理学院学报.2010. 22(1) :54-57中提出针对均值滤波在抑制噪声的过程中会损失图像的边缘等细节信息从而导致整幅图像模糊的问题，将二维经验模态分解和均值滤波相结合提出了一种有效的图像去噪方法，先将含噪图像进行二维经验模态分解，把图像分解为多尺度下的细节和轮廓，保持轮廓图像不变，对细节图像的弱边缘信息适当加强，然后对加强边缘信息的图像进行均值滤波，最后将轮廓图像与均值滤波后细节图像合成得到去噪后的图像。以上采用二维经验模式分解(BEMD)和其它去噪方法相结合的去噪方法，由于二维经验模式分解在进行图像分解时，对极值点的获取和插值方法没有统一的定论，不能精确地获取极值点和包络曲面的光滑度，导致去噪效果较差。
技术实现思路
本专利技术的目的在于针对现有技术存在的技术问题，提出一种二维希尔伯特变换和BEMD结合的图像去噪方法，将一维经验模式分解方法推广到二维经验模式分解，并应用于图像去噪，用希尔伯特黄变换对图像去噪和对细节进行处理，得到了较好的效果。具体技术方案如下一种二维希尔伯特变换和BEMD结合的图像去噪方法，包括步骤1:对含噪声图像进行BEMD，得到MF和R ；其中，IMF为本征模式函数，R为余量；步骤2 :对MF分量做二维希尔伯特变换；步骤3 :将希尔伯特变换后的图像和余量重构图像，得到去噪后图像。进一步所述步骤I具体包括以下分步I)用邻域法对所给原始曲面Iori求取曲面局部极值点，包括所有局部极大值和极小值；2)差值计算极大值包络曲面Emax和极小值包络曲面Emin ;将两曲面数据求平均值，得到均值包络曲面数据Emean ；3)用原始曲面减去均值包络曲面；判断两MF之间的标准差SD是否小于O. 3 ;如果标准差SD小于O. 3，则把这一差值当作MF输出；否则，则将这一差值当做原始图像重复上述处理，直到得到满足条件的差值，即得到MFl ；4)原图像减去IMFl剩余的图像，当作原图做分步3)处理,经过两次循环,SD满足要求，得到MF2 ;用减去第一次MF的图像减去MF2剩下的图像作为原图，经过两次循环，SD满足要求，得到MF3及余量。进一步所述步骤2中，二维希尔伯特变换定义为本文档来自技高网...
【技术保护点】
一种二维希尔伯特变换和BEMD结合的图像去噪方法，其特征在于，包括以下步骤：步骤1，对含噪声图像进行BEMD，得到IMF和R；所述IMF为本征模式函数，R为余量；步骤2，对IMF分量做二维希尔伯特变换；步骤3，将希尔伯特变换后的图像和余量进行重构，得到去噪后图像。
【技术特征摘要】
1.一种二维希尔伯特变换和BEMD结合的图像去噪方法，其特征在于，包括以下步骤 步骤1，对含噪声图像进行BEMD，得到IMF和R ;所述IMF为本征模式函数，R为余量； 步骤2，对IMF分量做二维希尔伯特变换； 步骤3，将希尔伯特变换后的图像和余量进行重构，得到去噪后图像。2.如权利要求1所述的二维希尔伯特变换和BEMD结合的图像去噪方法，其特征在于，所述步骤I包括以下分步 1)用邻域法对所给原始曲面Iori求取曲面局部极值点，包括所有局部极大值和极小值； 2)差值计算极大值包络曲面Emax和极小值包络曲面Emin;将两曲面数据求平均值，得到均值包络曲面数据Eniean; 3)用原始曲面减去均值包...
【专利技术属性】
技术研发人员：张永梅，季艳，李强，王世伟，王小虎，马兰，
申请(专利权)人：北方工业大学，
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。