專利名稱：：一種帶噪圖像降噪處理方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及圖像處理
技術(shù)領(lǐng)域：
，具體涉及一種帶噪圖像降噪處理方法和系統(tǒng)。
背景技術(shù)：
：圖像在采集、轉(zhuǎn)換和傳輸過(guò)程中，易受到成像設(shè)備與外部環(huán)境噪聲干擾等影響而質(zhì)量下降，因此圖像降噪是圖像工程中一個(gè)基礎(chǔ)和必要的預(yù)處理步驟，是圖像感知、分類與識(shí)別的關(guān)鍵技術(shù)之一。圖像降噪的本質(zhì)是模式分類即從有規(guī)律的"圖像模式"中將具有點(diǎn)狀奇異的不規(guī)則"噪聲模式"分離出來(lái)。小波對(duì)含點(diǎn)狀奇異的目標(biāo)函數(shù)而言是最優(yōu)的基，但在高維情況下，小波分析不能充分利用數(shù)據(jù)本身所特有的幾何特征，因此并不是最優(yōu)的或者說(shuō)"最稀疏"的函數(shù)表示方法。Contourlet變換解決了小波變換不能有效表示二維或更高維奇異性的缺點(diǎn)，能準(zhǔn)確地將圖像中的邊緣捕獲到不同尺度、不同頻率、不同方向的子帶中，從而能有效地處理圖像中的線奇異性。目前，圖像降噪方法主要分為空域?yàn)V波、變換域?yàn)V波以及變換域統(tǒng)計(jì)建模分析三大類。傳統(tǒng)的大部分濾波方法屬于前者，如均值濾波、中值濾波等，實(shí)際上采用各種平滑函數(shù)對(duì)圖像進(jìn)行巻積處理，便于硬件實(shí)現(xiàn)，削弱噪聲的同時(shí)對(duì)圖像有用信息也進(jìn)行了平滑。變換域統(tǒng)計(jì)建模分析方法對(duì)變換域系數(shù)進(jìn)行統(tǒng)計(jì)建模，取得較好的降噪效果，但是需要較多的先驗(yàn)信息，建立適合的模型進(jìn)行訓(xùn)練，而且計(jì)算復(fù)雜度很高。而在變換域?yàn)V波方法中，以Donoho和Johnstone提出的基于小波變換的收縮閾值降噪方法最具代表性。由于信號(hào)經(jīng)過(guò)小波變換后，信號(hào)主要集中在少數(shù)絕對(duì)幅值較大的小波系數(shù)上，而噪聲則散布在一些絕對(duì)幅值較小的小波系數(shù)上，因此，可以利用收縮閾值對(duì)小波系數(shù)進(jìn)行降噪，達(dá)到降噪的目的。但是，小波收縮閾值容易產(chǎn)生失真，稱之為偽吉布斯現(xiàn)象。中國(guó)專利申請(qǐng)?zhí)枮镃N200610030756、發(fā)明名稱為"一種Contourlet變換域的圖像降噪方法"和專利申請(qǐng)?zhí)枮镃N200610030745、發(fā)明名稱為"基于變換域數(shù)學(xué)形態(tài)學(xué)的圖像降噪方法"公開(kāi)了2種圖像降噪的方法，這兩種方法本質(zhì)上都是利用平移操作算子來(lái)改善Contourlet降噪效果，它提供了一個(gè)平移不變的緊框架。但是，僅僅簡(jiǎn)單的平移操作，不但不能充分利用Contourlet變換的方向性，而且破壞了圖像的紋理連續(xù)性，對(duì)降噪效果的改善也理所當(dāng)然的受到限制。
發(fā)明內(nèi)容本發(fā)明要解決的主要技術(shù)問(wèn)題是，提供一種帶噪圖像降噪處理方法和系統(tǒng)，有效地降低圖像中的噪聲信號(hào)，提高了圖像質(zhì)量。為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種帶噪圖像降噪處理方法，包括步驟對(duì)輸入的帶噪圖像進(jìn)行錯(cuò)切操作，得到錯(cuò)切圖像；利用基于小波的Contourlet變換對(duì)錯(cuò)切圖像進(jìn)行稀疏分解，得到低頻子圖像和高頻子圖像，對(duì)每個(gè)高頻子圖像進(jìn)行降噪處理，得到降噪高頻子圖像；對(duì)低頻子圖像和降噪高頻子圖像進(jìn)行基于小波的Contourlet逆向變換，再進(jìn)行相同錯(cuò)切幅度的逆向錯(cuò)切操作。在本發(fā)明實(shí)施例中，對(duì)輸入的帶噪圖像進(jìn)行錯(cuò)切操作具體包括步驟設(shè)置錯(cuò)切幅度和錯(cuò)切幅度增量，對(duì)輸入的帶噪圖像進(jìn)行多方向、一定錯(cuò)切幅度的多次錯(cuò)切操作。在本發(fā)明實(shí)施例中，所述方法還進(jìn)一步包括步驟對(duì)逆向錯(cuò)切操作得到的所有圖像進(jìn)行線性平均，得到最終降噪圖像。在本發(fā)明實(shí)施例中，利用基于小波的Contourlet變換對(duì)錯(cuò)切圖像進(jìn)行稀疏分解，得到低頻子圖像和高頻子圖像具體包括步驟設(shè)置基于小波的Contourlet變換中的小波分解層數(shù)和每層中的方向分解數(shù)；利用基于小波的Contourlet變換對(duì)錯(cuò)切圖像進(jìn)行多尺度、多方向的稀疏分解，得到低頻子圖像和一系列具有不同分辨率的高頻子圖像。在本發(fā)明實(shí)施例中，對(duì)每個(gè)高頻子圖像進(jìn)行降噪處理具體包括設(shè)置閾值參數(shù)，利用軟閾值函數(shù)，對(duì)每個(gè)高頻子圖像進(jìn)行閾值降噪處理。在本發(fā)明實(shí)施例中，所述設(shè)置閾值函數(shù)之前還進(jìn)一步包括步驟根據(jù)小波分解層數(shù)、每層中的方向分解數(shù)和高頻帶系數(shù)，采用魯棒性的中值估計(jì)，得到高頻子圖像每個(gè)方向上的噪聲標(biāo)準(zhǔn)差；根據(jù)每個(gè)方向上的噪聲標(biāo)準(zhǔn)差，計(jì)算得到閾值參數(shù)。在本發(fā)明實(shí)施例中，所述軟閾值函數(shù)為軟閾值函數(shù)A(*)=Sgn(*)max(*，TB)，TB為閾值參數(shù)?！N帶噪圖像降噪處理系統(tǒng)，包括錯(cuò)切單元，對(duì)輸入的帶噪圖像進(jìn)行錯(cuò)切操作，得到錯(cuò)切圖像；以及對(duì)經(jīng)過(guò)基于小波的Contourlet逆向變換的圖像再進(jìn)行相同錯(cuò)切幅度的逆向錯(cuò)切操作；基于小波的Contourlet變換單元，對(duì)錯(cuò)切圖像進(jìn)行稀疏分解，得到低頻子圖像和高頻子圖像；以及對(duì)低頻子圖像和經(jīng)過(guò)降噪處理的降噪高頻子圖像進(jìn)行基于小波的Contourlet逆向變換；降噪處理單元，對(duì)每個(gè)高頻子圖像進(jìn)行降噪處理，得到降噪高頻子圖像。在本發(fā)明實(shí)施例中，所述系統(tǒng)還進(jìn)一步包括線性平均單元，用于對(duì)經(jīng)過(guò)基于小波的Contourlet變換單元進(jìn)行逆向錯(cuò)切操作得到的所有圖像進(jìn)行線性平均，得到最終降噪圖像。在本發(fā)明實(shí)施例中，所述降噪處理單元為閾值降噪處理單元，用于對(duì)每個(gè)高頻子圖像進(jìn)行閾值降噪處理，得到降噪高頻子圖像。與現(xiàn)有技術(shù)相比較，本發(fā)明對(duì)帶噪圖像的分解更加細(xì)致和徹底，有效地降低圖像中的噪聲信號(hào)，保留了圖像的紋理邊緣等細(xì)節(jié)信息，提高了圖像的質(zhì)量。圖1為本發(fā)明具體實(shí)施方式提供的一種帶噪圖像降噪處理方法流程圖；圖2為本發(fā)明具體實(shí)施方式提供的一種帶噪圖像降噪處理系統(tǒng)框圖；圖3為采用不同處理方法得到的不同效果的圖像示意圖。具體實(shí)施例方式下面通過(guò)具體實(shí)施方式結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。本發(fā)明旨在提供一種改進(jìn)的圖像降噪方法和系統(tǒng)，首先對(duì)輸入的帶噪圖像進(jìn)行一定幅度的錯(cuò)切，利用基于小波的Contourlet變換對(duì)帶噪圖像進(jìn)行多尺度、多方向的稀疏分解，并在變換域利用最小Bayesian風(fēng)險(xiǎn)函數(shù)來(lái)估計(jì)高頻子高頻子圖像的噪聲閾值從而進(jìn)行閾值去噪，其次進(jìn)行基于小波的Contourlet逆變換和相應(yīng)錯(cuò)切幅度的逆錯(cuò)切操作，得到此次錯(cuò)切后的降噪圖像。然后重復(fù)前面的步驟，并對(duì)每次得到的降噪圖像進(jìn)行線性平均，得到最終的降噪圖像，達(dá)到圖像降噪的目的。本發(fā)明實(shí)施例中，錯(cuò)切操作的變換矩陣可以表示為An=n0、a1，《。=「1"、、oi其中，Ax,a和Ay,a分別代表沿x軸和y軸的錯(cuò)切操作。參數(shù)a稱為錯(cuò)切幅度，為了使得錯(cuò)切操作不引入過(guò)多的不規(guī)則頻率，本發(fā)明實(shí)施例中|a|《1。假設(shè)觀測(cè)到的噪聲圖像為I=f+n其中f為原始圖像，n為獨(dú)立同分布的高斯白噪聲信號(hào)N(O，o2)。請(qǐng)參閱圖1所示，圖1為本發(fā)明實(shí)施例提供的一種帶噪圖像處理方法，包括步驟步驟10:初始化設(shè)置，令錯(cuò)切幅度a=-l，錯(cuò)切幅度增量Aa=0.05;同時(shí)設(shè)定基于小波的Contourlet變換中的小波分解層數(shù)K和每層中的方向分解數(shù)Lk;步驟11:對(duì)輸入的帶噪圖像I沿x軸和y軸方向上進(jìn)行有效錯(cuò)切幅度的錯(cuò)切操作，得到錯(cuò)切圖像S^二C;,a(1)和Sy,a二Cy,a(I);步驟12:對(duì)得到的錯(cuò)切圖像Sx,a和Sy,a分別進(jìn)行基于小波的Contourlet稀疏分解；即和^《),…《)，《)，…,《巧二t^)其中，T(*)為基于小波的Contourlet變換；從而得到低頻子圖像Slx和Sly，以及一系列具有不同分辨率的高頻子圖像，其中kG(l，K)和lG(l，Lk)標(biāo)明子圖像位于第k層小波分解的第1方向分解子頻帶；步驟13:對(duì)步驟12中的每一個(gè)高頻子圖像^^，々)和5^J'A)進(jìn)行閾值降噪處理得到降噪高頻子圖像，得到降噪高頻子圖像^S^4)和)^,《"=《",。禾《=A(《'"；)；其中，A(*)為閾值函數(shù)，本發(fā)明選用軟閾值函數(shù)A(*)=sgn(*)maX(*，TB)，TB為閾值參數(shù)。閾值參數(shù)的選取至關(guān)重要，由于圖像的Contourlet域系數(shù)服從廣義高斯分布，滿足Bayesian估計(jì)方法的假定條件_信號(hào)服從廣義高斯分布。因此，本文利用基于Bayesian估計(jì)的閾值估計(jì)方法，估計(jì)閾值參數(shù)。基于Bayesian估計(jì)的自適應(yīng)閾值，即5rs二o""2/&。具體估計(jì)步驟為步驟130:對(duì)于噪聲標(biāo)準(zhǔn)差on，采用魯棒性的中值估計(jì)，<formula>formulaseeoriginaldocumentpage6</formula>其中Sh」K'i)和Shy05")(i=1，，LK)為高頻子帶系數(shù)；步驟131:由<formula>formulaseeoriginaldocumentpage6</formula>其中，rf;=;SI!^/'')(附，")，Shf(K'i)為Sj"或Shy汰'i)，是所考慮的高頻子帶系數(shù)；步驟132:因此可得，閾值7;=o;2/ax。步驟14:對(duì)步驟13得到的所有降噪高頻子圖像Sm"和iSHf"和步驟12中得到的對(duì)應(yīng)低頻子圖像Slx和Sly實(shí)施基于小波的Contourlet逆變換，得到沿x軸和y軸方向上分別錯(cuò)切a后的降噪圖像<formula>formulaseeoriginaldocumentpage6</formula>其中，T—、*)為基于小波的Contourlet逆變換；步驟15:對(duì)步驟14得到的圖像Sx,ara和Sv,any進(jìn)行相應(yīng)錯(cuò)切幅度的逆向錯(cuò)切操作，得到<formula>formulaseeoriginaldocumentpage6</formula>步驟16:令￡1+=Aa，重復(fù)步驟11至步驟15，直到a=1為止，停止重復(fù)；步驟17:對(duì)得到的所有1^和Iy,a(|a|《1)求平均，得到最終降噪圖像<formula>formulaseeoriginaldocumentpage6</formula>請(qǐng)參閱圖2所示，圖2為本發(fā)明提供的一種帶噪圖像降噪處理系統(tǒng)框圖，包括錯(cuò)切單元20，對(duì)輸入的帶噪圖像進(jìn)行錯(cuò)切操作，得到錯(cuò)切圖像；以及對(duì)經(jīng)過(guò)基于小波的Contourlet逆向變換的圖像再進(jìn)行相同錯(cuò)切幅度的逆向錯(cuò)切操作；基于小波的Contourlet變換單元21，對(duì)錯(cuò)切圖像進(jìn)行稀疏分解，得到低頻子圖像和高頻子圖像；以及對(duì)低頻子圖像和經(jīng)過(guò)降噪處理的降噪高頻子圖像進(jìn)行基于小波的Contourlet逆向變換；降噪處理單元22，對(duì)每個(gè)高頻子圖像進(jìn)行降噪處理，得到降噪高頻子圖像。需要說(shuō)明的是，本發(fā)明實(shí)施例中，所述降噪處理單元22為閾值降噪處理單元，優(yōu)選地對(duì)每個(gè)高頻子圖像進(jìn)行閾值降噪處理，得到降噪高頻子圖像。本發(fā)明實(shí)施例中，所述系統(tǒng)還進(jìn)一步包括線性平均單元23，用于對(duì)經(jīng)過(guò)基于小波的Contourlet變換單元進(jìn)行逆向錯(cuò)切操作得到的所有圖像進(jìn)行線性平均，得到最終降噪圖像。請(qǐng)參閱圖3所示，圖3示出了采用不同處理方法得到的不同效果的圖像示意圖。圖3中(a)為原圖；(b)為含噪圖像，o=60，PSNR=18.41dB;(c)為經(jīng)過(guò)Contourlet軟閾值的去噪處理結(jié)果圖片，o=60，PSNR=23.69dB;(d)為經(jīng)過(guò)平移不變Contourlet軟閾值去噪處理結(jié)果圖片，o=60，PSNR=24.05dB;(e)為經(jīng)過(guò)基于小波的錯(cuò)切不變Contourlet軟閾值去噪處理結(jié)果圖片，o=60，PSNR=25.20dB。對(duì)比可以看出，(e)圖從視覺(jué)上來(lái)說(shuō)，(e)圖保留了圖像紋理邊緣等細(xì)節(jié)信息，圖像質(zhì)量明顯比(b)、(c)要好。下面表1給出了各種不同噪聲標(biāo)準(zhǔn)差下不同降噪處理方法得到的處理結(jié)果(峰值信噪比(PSNR)值)。表1<table>tableseeoriginaldocumentpage7</column></row><table>可見(jiàn)，本發(fā)明不同噪聲標(biāo)準(zhǔn)差下基于小波的錯(cuò)切不變Contourlet變換對(duì)帶噪圖像的降噪處理得到的圖像PSNR指數(shù)均高于Contourlet變換、平移不變Contourlet變換得到的圖像PSNR指數(shù)?；谛〔ǖ腻e(cuò)切不變Contourlet變換對(duì)圖像分解有著比Contourlet變換、平移不變Contourlet變換更為豐富的方向分解性，同時(shí)利用錯(cuò)切操作使得圖像細(xì)節(jié)紋理信息的損失在更多的錯(cuò)切圖像中得到補(bǔ)償，從而大大提升圖像降噪效果，提高了圖像質(zhì)量。以上內(nèi)容是結(jié)合具體的實(shí)施方式對(duì)本發(fā)明所作的進(jìn)一步詳細(xì)說(shuō)明，不能認(rèn)定本發(fā)明的具體實(shí)施只局限于這些說(shuō)明。對(duì)于本發(fā)明所屬
技術(shù)領(lǐng)域：
的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡(jiǎn)單推演或替換，都應(yīng)當(dāng)視為屬于本發(fā)明的保護(hù)范圍。權(quán)利要求一種帶噪圖像降噪處理方法，其特征在于，包括步驟對(duì)輸入的帶噪圖像進(jìn)行錯(cuò)切操作，得到錯(cuò)切圖像；利用基于小波的Contourlet變換對(duì)錯(cuò)切圖像進(jìn)行稀疏分解，得到低頻子圖像和高頻子圖像，對(duì)每個(gè)高頻子圖像進(jìn)行降噪處理，得到降噪高頻子圖像；對(duì)低頻子圖像和降噪高頻子圖像進(jìn)行基于小波的Contourlet逆向變換，再進(jìn)行相同錯(cuò)切幅度的逆向錯(cuò)切操作。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)輸入的帶噪圖像進(jìn)行錯(cuò)切操作具體包括步驟設(shè)置錯(cuò)切幅度和錯(cuò)切幅度增量，對(duì)輸入的帶噪圖像進(jìn)行多方向、一定錯(cuò)切幅度的多次錯(cuò)切操作。3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，還進(jìn)一步包括步驟對(duì)逆向錯(cuò)切操作得到的所有圖像進(jìn)行線性平均，得到最終降噪圖像。4.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用基于小波的Contourlet變換對(duì)錯(cuò)切圖像進(jìn)行稀疏分解，得到低頻子圖像和高頻子圖像具體包括步驟設(shè)置基于小波的Contourlet變換中的小波分解層數(shù)和每層中的方向分解數(shù)；利用基于小波的Contourlet變換對(duì)錯(cuò)切圖像進(jìn)行多尺度、多方向的稀疏分解，得到低頻子圖像和一系列具有不同分辨率的高頻子圖像。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)每個(gè)高頻子圖像進(jìn)行降噪處理具體包括設(shè)置閾值參數(shù)，利用軟閾值函數(shù)，對(duì)每個(gè)高頻子圖像進(jìn)行閾值降噪處理。6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述設(shè)置閾值函數(shù)之前還進(jìn)一步包括步驟根據(jù)小波分解層數(shù)、每層中的方向分解數(shù)和高頻帶系數(shù)，采用魯棒性的中值估計(jì)，得到高頻子圖像每個(gè)方向上的噪聲標(biāo)準(zhǔn)差；根據(jù)每個(gè)方向上的噪聲標(biāo)準(zhǔn)差，計(jì)算得到閾值參數(shù)。7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述軟閾值函數(shù)為軟閾值函數(shù)A(*)=sgn(*)max(*，TB)，TB為閾值參數(shù)。8.—種帶噪圖像降噪處理系統(tǒng)，其特征在于，包括錯(cuò)切單元，對(duì)輸入的帶噪圖像進(jìn)行錯(cuò)切操作，得到錯(cuò)切圖像；以及對(duì)經(jīng)過(guò)基于小波的Contourlet逆向變換的圖像再進(jìn)行相同錯(cuò)切幅度的逆向錯(cuò)切操作；基于小波的Contourlet變換單元，對(duì)錯(cuò)切圖像進(jìn)行稀疏分解，得到低頻子圖像和高頻子圖像；以及對(duì)低頻子圖像和經(jīng)過(guò)降噪處理的降噪高頻子圖像進(jìn)行基于小波的Contourlet逆向變換；降噪處理單元，對(duì)每個(gè)高頻子圖像進(jìn)行降噪處理，得到降噪高頻子圖像。9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，還進(jìn)一步包括線性平均單元，用于對(duì)經(jīng)過(guò)基于小波的Contourlet變換單元進(jìn)行逆向錯(cuò)切操作得到的所有圖像進(jìn)行線性平均，得到最終降噪圖像。10.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，所述降噪處理單元為閾值降噪處理單元，用于對(duì)每個(gè)高頻子圖像進(jìn)行閾值降噪處理，得到降噪高頻子圖像。全文摘要本發(fā)明公開(kāi)了一種帶噪圖像降噪處理方法，包括步驟對(duì)輸入的帶噪圖像進(jìn)行錯(cuò)切操作，得到錯(cuò)切圖像；利用基于小波的Contourlet變換對(duì)錯(cuò)切圖像進(jìn)行稀疏分解，得到低頻子圖像和高頻子圖像，對(duì)每個(gè)高頻子圖像進(jìn)行降噪處理，得到降噪高頻子圖像；對(duì)低頻子圖像和降噪高頻子圖像進(jìn)行基于小波的Contourlet逆向變換，再進(jìn)行相同錯(cuò)切幅度的逆向錯(cuò)切操作。本發(fā)明還公開(kāi)了一種帶噪圖像降噪處理系統(tǒng)。本發(fā)明有效地降低圖像中的噪聲信號(hào)，有效保留圖像的細(xì)節(jié)信息，大大提升圖像降噪效果，提高了圖像質(zhì)量。文檔編號(hào)G06T5/00GK101719267SQ20091011003公開(kāi)日2010年6月2日申請(qǐng)日期2009年11月9日優(yōu)先權(quán)日2009年11月9日發(fā)明者宋欣,譚冠軍,車忠輝申請(qǐng)人:中興通訊股份有限公司