專(zhuān)利名稱(chēng)：一種面向游牧服務(wù)的多尺度圖像處理方法
一種面向游牧服務(wù)的多尺度圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)應(yīng)用與移動(dòng)互聯(lián)網(wǎng)結(jié)合的技術(shù)領(lǐng)域，特別涉及一種面向游牧服務(wù)的多尺度圖像處理方法。
背景技術(shù)：
隨著人們游牧服務(wù)的需求，各種數(shù)字儀器和數(shù)碼產(chǎn)品廣泛普及，使得圖像和視頻成為人類(lèi)活動(dòng)中最常用的信息載體之一，它們包含著物體的大量信息，成為人們獲取外界原始信息的主要途徑之一。圖像作為一種重要的信息資源，在采集和傳輸過(guò)程中不可避免的會(huì)受到各種噪聲的干擾和影響而使圖像的質(zhì)量下降，這些噪聲主要包括顆粒噪聲、光電子噪聲和熱電子噪聲等，并可以用高斯模型描述，這對(duì)后續(xù)圖像的分割、識(shí)別，壓縮等處理過(guò)程將產(chǎn)生不利的影響，如何消除圖像中的噪聲，是圖像處理領(lǐng)域研究的重要問(wèn)題之一。傳統(tǒng)的圖像去噪方法基本上可分為兩大類(lèi)，一種是基于空間域的處理方法，一種是基于頻域的處理方法?；诳臻g域的處理方法主要是在原圖像上直接進(jìn)行數(shù)據(jù)運(yùn)算，主要有平均濾波法和中值濾波法。平均濾波是以點(diǎn)鄰域像素灰度平均值來(lái)代替該點(diǎn)的灰度值，非線(xiàn)性的中值濾波法則主要是以點(diǎn)鄰域像素灰度值中值來(lái)代替該點(diǎn)的灰度值?；诳臻g域處理方法的缺點(diǎn)主要是，在平滑圖像的同時(shí)會(huì)使圖像的輪廓變得模糊，噪聲平滑效果與窗口的寬度有關(guān)，窗口寬度越寬，噪聲平滑效果越好，但圖像就越模糊，這個(gè)矛盾難以解決。而基于頻域的處理方法主要是使用濾波器，把有用的信號(hào)和干擾信號(hào)分開(kāi)，在實(shí)際情況中，有用信號(hào)的頻譜和干擾信號(hào)的頻譜往往是重疊的，很難將有用信號(hào)和干擾信號(hào)完全區(qū)別開(kāi)來(lái)。這兩種傳統(tǒng)的圖像去噪方法雖然能夠有效的抑制噪聲，卻損失了圖像邊緣細(xì)節(jié)信息，造成了圖像模糊?；诖藗鹘y(tǒng)方法的局限性，小波分析理論因其具有的良好的時(shí)頻局域特性和多分辨率特性，使得采用小波變換進(jìn)行圖像處理成為圖像處理領(lǐng)域的熱門(mén)方法，而利用小波收縮方法對(duì)圖像進(jìn)行去噪處理成為近年來(lái)圖像處理技術(shù)領(lǐng)域的研究熱點(diǎn)。小波分析屬于時(shí)頻分析的范疇，它是在傅里葉變換理論的基礎(chǔ)上發(fā)展起來(lái)的，它改善了加窗傅里葉變換中窗口大小及形狀固定不變的缺點(diǎn)，是一種窗口大小(即窗口面積)固定但形狀可改變的變換。小波變換在低頻部分具有較高的頻率分辨率和較低的時(shí)間分辨率，在高頻部分具有較高的時(shí)間分辨率和較低的頻率分辨率，很適合用來(lái)探測(cè)正常信號(hào)中夾帶的瞬態(tài)反?，F(xiàn)象并可以展示其成分，因此被譽(yù)為“數(shù)學(xué)顯微鏡”，常用來(lái)分析具有多尺度性質(zhì)的測(cè)量信號(hào)，經(jīng)小波變換后的高頻分量具有豐富的細(xì)節(jié)邊緣信息，它可以在去除噪聲的同時(shí)很好的保留圖像細(xì)節(jié)，因而能夠重構(gòu)出高質(zhì)量的圖像。小波收縮去噪方法的基本思想是在小波域內(nèi)，認(rèn)為絕對(duì)值大的小波系數(shù)含有圖像或信號(hào)的重要信息而予以保留，絕對(duì)值小的系數(shù)含有次要信息和絕大部分的噪聲信息， 應(yīng)予以舍棄。在該方法中，收縮閾值和收縮函數(shù)是關(guān)鍵因素，它直接影響圖像的去噪效果。小波收縮去噪方法的具體步驟如下(1)用小波變換將實(shí)際自然圖像變換到小波域。=『/。自然圖像=原圖像+高斯白噪聲。(2)采用收縮閾值T和非線(xiàn)性收縮函數(shù)δ λ ( ·)對(duì)小波系數(shù)進(jìn)行收縮處理。(3)將閾值化處理后的小波系數(shù)進(jìn)行小波反變換得到去噪后的圖像。在這三個(gè)步驟中，第( 步是小波收縮方法的主要內(nèi)容。在傳統(tǒng)的笛卡爾坐標(biāo)系下，經(jīng)過(guò)線(xiàn)性小波變換后，3個(gè)高頻分量(水平分量、垂直分量和對(duì)角分量)之間還存在一定的相關(guān)性，如果直接進(jìn)行小波收縮容易造成細(xì)節(jié)模糊。 球坐標(biāo)系下的收縮算法將變換后的3個(gè)高頻分量進(jìn)行球坐標(biāo)變換，進(jìn)一步消除小波系數(shù)之間的相關(guān)性。在球坐標(biāo)系下，一般只需對(duì)徑向分量進(jìn)行收縮處理，這樣可以有效降低工作量，提高程序的運(yùn)行時(shí)間。一般情況下，徑向分量都是非負(fù)的，因此可以采用多種方法進(jìn)行收縮處理。球坐標(biāo)系下小波收縮的具體步驟如下(1)利用小波變換將實(shí)際自然圖像變換為小波域。=Wf(2)將小波變換之后的3個(gè)高頻分量的小波系數(shù)進(jìn)行球坐標(biāo)變換，得到球坐標(biāo)系下的3個(gè)高頻分量R，θ，φ。(3)采用收縮閾值T和非線(xiàn)性收縮函數(shù)δ λ ( ·)對(duì)球坐標(biāo)系下的徑向分量進(jìn)行收縮處理。(4)當(dāng)徑向分量R = O時(shí)，則將θ ,ρ也置為0。(5)將R，θ，^進(jìn)行球坐標(biāo)逆變換，得到閾值化處理后的小波系數(shù)。(6)將閾值化處理后的小波系數(shù)進(jìn)行小波反變換得到去噪后的圖像。收縮閾值T的確定Donoho等人從圖像的噪聲模型出發(fā)利用變分方法推導(dǎo)出小波收縮最佳閾值的上限，在理論上證明了收縮閾值T與圖像噪聲強(qiáng)度的標(biāo)準(zhǔn)差ο成正比，并提出了一種典型的收縮閾值T的選取方法？ = :..Τ3ΓΓ,Ν為圖像像素?cái)?shù)，O為圖像噪聲強(qiáng)度的標(biāo)準(zhǔn)差，然而現(xiàn)實(shí)圖像噪聲強(qiáng)度的標(biāo)準(zhǔn)差ο往往是未知的，需要用特定的函數(shù)來(lái)對(duì)其進(jìn)行尺度估計(jì)，這種情況一方面估計(jì)值與真實(shí)值之間有一定的偏差，會(huì)影響圖像的去噪重構(gòu)的效果，另一方面， 當(dāng)需要處理大量噪聲圖像時(shí)，會(huì)增加處理的復(fù)雜度，大大降低處理方法的效率。Lucter等人從變分學(xué)的角度認(rèn)為圖像空間應(yīng)為Besov<(、(i^空間，Chamboll基
于Besov空間的范數(shù)理論提出了一種較好的收縮閾值T滿(mǎn)足WSFl^ltbM) ’其中，N為圖像的像素?cái)?shù)，為Besov空間的q范數(shù)，理論和實(shí)踐證明，該T為最佳收縮因子。但是這個(gè)收縮閾值是定義在Besov空間上的，而本發(fā)明是在球坐標(biāo)系下對(duì)圖像進(jìn)行去噪處理， 這個(gè)收縮閾值在球坐標(biāo)系下是不適用的。收縮函數(shù)δ λ ( ·)的確定硬閾值法和軟閾值法在Donoho方法中常用來(lái)給小波系數(shù)進(jìn)行去噪處理，硬閾值處理函數(shù)在閾值T處不連續(xù)，所得到估計(jì)信號(hào)會(huì)在閾值T處產(chǎn)生附加振蕩，在圖像邊緣豐富處會(huì)產(chǎn)生許多“人為的”噪聲點(diǎn)，不具有同原始信號(hào)一樣的光滑性，收縮函數(shù)的曲線(xiàn)形狀如

圖1所示。軟閾值法估計(jì)到的小波系數(shù)連續(xù)性好，估計(jì)信號(hào)在閾值T處不會(huì)產(chǎn)生附加振蕩， 較好的克服了硬閾值方法中數(shù)學(xué)上不易處理和在含有豐富邊緣圖像中會(huì)產(chǎn)生許多“人為的”噪聲點(diǎn)這兩個(gè)缺點(diǎn)。但當(dāng)徑向分量的值大于閾值T時(shí)，會(huì)造成一定的高頻信息損失，直接影響重構(gòu)信號(hào)與真實(shí)信號(hào)的逼近程度，導(dǎo)致圖像的邊緣模糊，收縮函數(shù)的曲線(xiàn)形狀如圖2 所示。

發(fā)明內(nèi)容本發(fā)明的目的是解決利用小波收縮對(duì)圖像進(jìn)行去噪處理時(shí)，如何確定收縮閾值和收縮函數(shù)的問(wèn)題，設(shè)計(jì)一種適用于球坐標(biāo)系下的多尺度圖像處理方法，即面向游牧服務(wù)的多尺度圖像處理方法。該方法擁有自適應(yīng)收縮閾值和自適應(yīng)收縮函數(shù)，使其能夠克服傳統(tǒng)硬閾值函數(shù)所產(chǎn)生的人為噪聲問(wèn)題，避免軟閾值方法引起的邊緣模糊，促進(jìn)圖像處理領(lǐng)域核心技術(shù)的發(fā)展及應(yīng)用。本發(fā)明提供的面向游牧服務(wù)的多尺度圖像處理方法，主要包括如下關(guān)鍵步驟第1、將自然圖像做離散二維小波變換，變換到小波域；第2、將第1步所得圖像的水平高頻、垂直高頻、對(duì)角高頻三個(gè)高頻分量均進(jìn)行球坐標(biāo)變換；第3、將第2步所得的徑向分量進(jìn)行曲線(xiàn)收縮經(jīng)小波變換后，圖像的能量主要集中在少數(shù)小波系數(shù)上，而高斯白噪聲在高頻部分較為集中而且是均勻分布的；隨著小波分解級(jí)數(shù)的增加，小波系數(shù)方差會(huì)不斷增大，而噪聲標(biāo)準(zhǔn)差是一定的，故隨著尺度的增大，噪聲對(duì)系數(shù)的影響會(huì)不斷減小，從而對(duì)徑向分量的影響也相應(yīng)降低；本發(fā)明方法由于噪聲在不同尺度下對(duì)徑向分量的干擾不同，采用不同的收縮函數(shù)進(jìn)行處理第3. 1、在小波一次分解時(shí)，由于噪聲對(duì)徑向分量的干擾比較強(qiáng)烈，采用本發(fā)明設(shè)計(jì)的自適應(yīng)收縮函數(shù)R*(i，j)進(jìn)行處理，
權(quán)利要求
1. 一種面向游牧服務(wù)的多尺度圖像處理方法，其特征在于該方法主要包括如下關(guān)鍵步驟第1、將自然圖像做離散二維小波變換，變換到小波域；第2、將第1步所得圖像的水平高頻、垂直高頻、對(duì)角高頻三個(gè)高頻分量均進(jìn)行球坐標(biāo)變換；第3、將第2步所得的徑向分量進(jìn)行曲線(xiàn)收縮經(jīng)小波變換后，圖像的能量主要集中在少數(shù)小波系數(shù)上，而高斯白噪聲在高頻部分較為集中而且是均勻分布的；隨著小波分解級(jí)數(shù)的增加，小波系數(shù)方差會(huì)不斷增大，而噪聲標(biāo)準(zhǔn)差是一定的，故隨著尺度的增大，噪聲對(duì)系數(shù)的影響會(huì)不斷減小，從而對(duì)徑向分量的影響也相應(yīng)降低；本發(fā)明方法由于噪聲在不同尺度下對(duì)徑向分量的干擾不同，采用不同的收縮函數(shù)進(jìn)行處理第3. 1、在小波一次分解時(shí)，由于噪聲對(duì)徑向分量的干擾比較強(qiáng)烈，采用本發(fā)明設(shè)計(jì)的自適應(yīng)收縮函數(shù)R*(i，j)進(jìn)行處理，
全文摘要
一種面向游牧服務(wù)的多尺度圖像處理方法。該方法包括將自然圖像進(jìn)行多尺度小波分解，將分解后各尺度上的高頻分量進(jìn)行球坐標(biāo)變換，得到球坐標(biāo)下不同尺度的分量，然后利用本方法設(shè)計(jì)的新的自適應(yīng)收縮函數(shù)和自適應(yīng)收縮閾值將球坐標(biāo)變換得到的不同尺度的徑向分量進(jìn)行收縮處理，不同尺度下小波系數(shù)的特點(diǎn)不同，所采用的收縮函數(shù)和收縮閾值不同，然后將修正后分量進(jìn)行球坐標(biāo)逆變換，最后進(jìn)行圖像重構(gòu)。該方法保留了球坐標(biāo)系下方法簡(jiǎn)單、工作量小的特點(diǎn)，提高了重構(gòu)圖像的峰值信噪比，比傳統(tǒng)的小波收縮方法的去噪效果好，在一定程度上提高了去噪后的圖像質(zhì)量，可廣泛運(yùn)用該方法對(duì)采集和傳輸?shù)膱D像進(jìn)行去噪處理。
文檔編號(hào)G06T3/00GK102289793SQ201110201610
公開(kāi)日2011年12月21日 申請(qǐng)日期2011年7月19日 優(yōu)先權(quán)日2011年7月19日
發(fā)明者張德干 申請(qǐng)人:天津理工大學(xué)