專利名稱：基于Shearlet收縮和改進TV模型的圖像去噪方法
技術領域：
本發(fā)明屬于圖像處理技術領域，主要涉及一種基于Shearlet收縮和改進TV模型的圖像去噪方法。
背景技術：
圖像去噪是計算機視覺和圖像處理領域中一個基礎而廣泛的研究課題，去除噪聲的關鍵是在有效抑制噪聲的同時能較好地保持圖像中重要的細節(jié)，如紋理和邊緣等。在各種圖像去噪方法中，由小波理論發(fā)展來來的多尺度幾何分析法和基于偏微分方程的去噪方法在圖像去噪的應用中都有突出的表現(xiàn)。目前，隨著計算調(diào)和分析技術的發(fā)展，諸如Curvelet變換、Contourle變換和Shearlet變換等多尺度幾何分析方法在圖像去噪中得到了廣泛的重視和研究。其中，Shearlet變換是新近提出的一種多尺度幾何分析方法，它繼承了 Curvelet變換和Contourlet變換的優(yōu)點，不僅具有與這兩種變換相同的非線性誤差逼近階，而且在頻率空間中Shearlet是逐層細分的,這使其具有更好的表示性能。雖然基于Shearlet收縮的去噪效果相對于小波等其它多尺度變換的收縮去噪方法有一定程度的改善，但仍然存在明顯的偽Gibbs效應。TV模型是偏微分方程中的一種基于能量泛函極小化變分的方法，該方法是建立在泛函分析和微分幾何的數(shù)學模型基礎上，通過對圖像反復迭代求解方程的最優(yōu)解從而達到比較好的去噪目的，且不會扭曲圖像邊緣。但TV模型只對簡單圖像有很好的去噪效果，對于復雜紋理的圖像則會產(chǎn)生階梯效應。文獻“Shearlet-based total variation diffusion for denoising, 2009,18 260-268”公開了一種在Shearlet框架的TV擴散的去噪方法。該方法認為通過Shearlet閾值收縮去掉的殘余部分仍包含部分細節(jié)信息，因此對該部分進行TV擴散，從而保持細節(jié)。但該算法在噪聲信噪比較低時，偽Gibbs效應仍然存在，視覺效果不好且計算復雜度較大。綜上所述，現(xiàn)有的圖像抑噪方法不能同時取得較好的噪聲抑制和邊緣保持效果。

發(fā)明內(nèi)容
要解決的技術問題為了避免現(xiàn)有技術的不足之處，本發(fā)明提出一種基于Shearlet收縮和改進TV模型的圖像去噪方法，克服現(xiàn)有技術方法不能同時取得較好的噪聲抑制和邊緣保持效果的不足。技術方案一種基于Shearlet收縮和改進TV模型的圖像去噪方法，其特征在于步驟如下步驟I :對原始含噪圖像進行Shearlet變換分解，得到各個尺度的高頻、低頻系 數(shù)，并對高頻子帶進行劃分。
步驟2 :對各尺度子帶用Monte-Carlo方法估計噪聲方差o ,然后對各尺度的高頻系數(shù)進行硬閾值處理，，從而得到去噪后的高頻系數(shù)。其中，閾值選取為入X O父￡>，其中表示Shearlet變換第j個尺度下第w個方向的系數(shù)矩陣的二范數(shù)，j ^ 2 ； A 一般取I 3。步驟3 :將步驟2得到的高頻系數(shù)和步驟I得到的低頻系數(shù)進行Shearlet逆變換得到重構的初次去噪后的圖像。步驟4:結合改進的全變差模型對初次去噪圖像進行二次去噪，得到最終去噪圖像。所述改進的全變差模型為
權利要求
1.一種基于Shearlet收縮和改進TV模型的圖像去噪方法，其特征在于步驟如下 步驟I :對原始含噪圖像進行Shearlet變換分解，得到各個尺度的高頻、低頻系數(shù)，并對高頻子帶進行劃分； 步驟2 :對各尺度子帶用Monte-Carlo方法估計噪聲方差o，然后對各尺度的高頻系數(shù)進行硬閾值處理，，從而得到去噪后的高頻系數(shù)。其中，閾值選取為XXo XEjw,其中￡>表示Shearlet變換第j個尺度下第w個方向的系數(shù)矩陣的二范數(shù)，j ^ 2 ； A 一般取I 3 ; 步驟3 :將步驟2得到的高頻系數(shù)和步驟I得到的低頻系數(shù)進行Shearlet逆變換得到重構的初次去噪后的圖像； 步驟4 :結合改進的全變差模型對初次去噪圖像進行二次去噪，得到最終去噪圖像。所述改進的全變差模型為 ^=V< + n (M。) - M) dt UvmIJ 其中=Utl表示原始圖像，u表示要得到的圖像，Twa和Tm1表示波原子正變換和逆變換， \x,\x\ > threshold 表示_值收縮函數(shù)。
2.根據(jù)權利要求I所述基于Shearlet收縮和改進TV模型的圖像去噪方法，其特征在于所述步驟4循環(huán)N次，N為10 30。
3.根據(jù)權利要求I所述基于Shearlet收縮和改進TV模型的圖像去噪方法，其特征在于所述步驟2中計算噪聲標準差O的方法如下O= MAD/0. 6745 其中MD是對圖像進行小波變換后得到的HHl子帶系數(shù)幅度的中值。
4.根據(jù)權利要求I所述基于Shearlet收縮和改進TV模型的圖像去噪方法，其特征在于所述硬閾值處理中的閾值選取為、X O XEjw，其中Ejw表示Shearlet變換第j個尺度下第w個方向的系數(shù)矩陣的二范數(shù)，j ^ 2 ； A取I 3。
全文摘要
本發(fā)明涉及一種基于Shearlet收縮和改進TV模型的圖像去噪方法，對TV去噪模型進行改進，并結合Shearlet收縮提出了一種新的混合去噪方法，該方法將Shearlet對高維函數(shù)的稀疏表示能力和TV去噪模型對邊緣的保護能力有機地結合起來，通過硬閾值函數(shù)收縮得到了初次去噪的圖像，然后對全變差模型的保真項進行改進，結合改進的全變差模型針對去噪后圖像的偽Gibbs效應進行二次去噪。本發(fā)明方法在保護邊緣等重要信息的前提下，有效抑制了Shearlet收縮時所產(chǎn)生的偽Gibbs振蕩，取得了更為理想的視覺效果，并具有較低的計算復雜度。
文檔編號G06T5/00GK102663679SQ201210052489
公開日2012年9月12日 申請日期2012年3月2日 優(yōu)先權日2012年3月2日
發(fā)明者張艷寧, 李映, 胡杰, 陳瑞鳴 申請人:西北工業(yè)大學