一種基于自適應(yīng)小波閾值和雙邊濾波器的圖像去噪方法
【專利摘要】本發(fā)明提出一種基于自適應(yīng)小波閾值和雙邊濾波器的圖像去噪方法，目的是為了改善小波閾值去噪算法的效果以及更好地保護(hù)圖像的邊緣和細(xì)節(jié)信息。該算法包括以下步驟：采用離散小波對(duì)圖像進(jìn)行分解，獲得多個(gè)子帶及其小波系數(shù)；選取隨著小波分解尺度和子帶的變化而自適應(yīng)變化的閾值，并采用軟閾值函數(shù)進(jìn)行閾值量化處理；進(jìn)行小波逆變換，獲得重構(gòu)圖像；采用雙邊濾波器對(duì)重構(gòu)圖像進(jìn)行濾波，以便獲得清晰的圖像。本發(fā)明通過利用自適應(yīng)于小波分解尺度和子帶的閾值進(jìn)行小波閾值去噪，并結(jié)合雙邊濾波器進(jìn)行濾波，設(shè)計(jì)出的去噪算法不但能夠有效地去除高斯白噪聲，而且能很好地保留圖像的邊緣和細(xì)節(jié)信息。
【專利說明】一種基于自適應(yīng)小波閾值和雙邊濾波器的圖像去噪方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，特別涉及一種基于自適應(yīng)小波閾值和雙邊濾波器的去噪方法。
【背景技術(shù)】
[0002]近年來，小波變換由于具有多分辨率分析的特性、在時(shí)頻域內(nèi)良好地表征信號(hào)的能力以及大小固定形狀可變的窗口等特點(diǎn)，被廣泛應(yīng)用于圖像去噪領(lǐng)域中。常用的小波域去噪方法是對(duì)小波系數(shù)進(jìn)行萎縮處理，即小波閾值去噪方法。其中，經(jīng)典的閾值是Donoho和Johnstone提出的依賴于噪聲標(biāo)準(zhǔn)差和信號(hào)長度的統(tǒng)一閾值。
[0003]現(xiàn)有的方法存在的不足:一方面，傳統(tǒng)的小波閾值去噪方法沒有考慮選取的閾值應(yīng)該隨著小波分解尺度和子帶的變化而自適應(yīng)變化這一因素；另一方面，小波閾值去噪方法在去除噪聲的同時(shí)，可能也會(huì)去除高頻細(xì)節(jié)，使圖像的邊緣變得模糊，而且易于產(chǎn)生顯著的偽影，如低頻噪聲和邊緣振蕩。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的旨在解決上述技術(shù)缺陷，改善小波閾值去噪算法的效果以及更好地保護(hù)圖像的邊緣和細(xì)節(jié)信息。
[0005]為了達(dá)到上述 目的，本發(fā)明提出一種基于自適應(yīng)小波閾值和雙邊濾波器的去噪方法，包括以下幾個(gè)步驟:
[0006]S1:采用離散小波對(duì)含有噪聲的圖像g進(jìn)行分解，獲得多個(gè)子帶及其對(duì)應(yīng)的小波系數(shù)矩陣；
[0007]S2:選取每個(gè)高頻子帶對(duì)應(yīng)的隨著小波分解尺度和子帶變化而自適應(yīng)變化的閾值，并對(duì)每個(gè)高頻子帶的小波系數(shù)矩陣進(jìn)行閾值量化處理，具體如下:
[0008]S2.1:根據(jù)獲得的子帶中高頻子帶的小波系數(shù)矩陣，計(jì)算所有高頻子帶的自適應(yīng)閾值，其中，第k層高頻子帶的自適應(yīng)閾值Tk的計(jì)算公式如下:
[0009]
【權(quán)利要求】
1.一種基于自適應(yīng)小波閾值和雙邊濾波器的圖像去噪方法，其特征在于包括以下步驟: 51:采用離散小波對(duì)含有噪聲的圖像g進(jìn)行分解，獲得多個(gè)子帶及其對(duì)應(yīng)的小波系數(shù)矩陣； 52:選取每個(gè)高頻子帶對(duì)應(yīng)的隨著小波分解尺度和子帶變化而自適應(yīng)變化的閾值，并對(duì)每個(gè)高頻子帶的小波系數(shù)矩陣進(jìn)行閾值量化處理，具體如下: S2.1:根據(jù)獲得的子帶中高頻子帶的小波系數(shù)矩陣，計(jì)算所有高頻子帶的自適應(yīng)閾值，其中，第k層高頻子帶的自適應(yīng)閾值Tk的計(jì)算公式如下:
2.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)小波閾值和雙邊濾波器的圖像去噪方法，其特征在于，步驟SI中所述的多個(gè)子帶包括一個(gè)低頻子帶Lb和多個(gè)高頻子帶,其中第k層高頻子帶包括水平子帶HLk，垂直子帶LHk和對(duì)角子帶HHk，k是高頻子帶的小波分解尺度，k=I, 2，…，J, J為小波分解的最大尺度。
3.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)小波閾值和雙邊濾波器的圖像去噪方法，其特征在于，步驟S4中所述的結(jié)果圖像V中像素點(diǎn)(i，j)的像素值v(i，j)通過重構(gòu)圖像u中像素點(diǎn)(i，j)的鄰域像素點(diǎn)(k，l)的像素值u (k，1)的加權(quán)組合計(jì)算得到，具體公式如下:
【文檔編號(hào)】G06T5/00GK103700072SQ201310693132
【公開日】2014年4月2日 申請(qǐng)日期:2013年12月17日 優(yōu)先權(quán)日:2013年12月17日
【發(fā)明者】劉芳, 鄧志仁, 付鳳之, 馬玉磊 申請(qǐng)人:北京工業(yè)大學(xué)