專利名稱：基于免疫克隆選擇的非下采樣輪廓波域圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)在圖像去噪領(lǐng)域中的應用，尤其是基于免疫克隆選擇的非下采樣輪廓波域圖像去噪方法。
背景技術(shù)：
圖像在采集、壓縮和傳輸?shù)倪^程中通常會受到噪聲的干擾。噪聲的存在不利于人們對圖像的處理和解譯，因此在對圖像數(shù)據(jù)進行分析前，需要對其進行去噪。典型的圖像去噪方法有基于空域的方法和基于變換域的方法。基于空域的方法包括均值濾波、中值濾波、 維納濾波等。這些基于空域的技術(shù)在濾除噪聲的同時，容易模糊圖像的細節(jié)信息，且濾波性能的好壞，極大程度依賴于所選濾波窗口的大小。基于變換域的方法利用變換域系數(shù)分布的稀疏性，通過保留信號系數(shù)和抑制噪聲系數(shù)來達到去噪的目的。閾值的確定是變換域去噪的關(guān)鍵問題?，F(xiàn)有的閾值方案包括全局閾值、SURE規(guī)則、廣義交叉驗證Generalized Cross Validation準則，即GCV準則和貝葉斯閾值等。多數(shù)閾值方案在實際應用中，為了獲得適當?shù)拈撝担枰鶕?jù)噪聲的統(tǒng)計分布估計噪聲的方差，實現(xiàn)過程通常較為復雜。當對原始圖像的先驗知識不足時，這類基于噪聲方差估計的閾值方案將無法得到有效地利用。GCV準則是一種特殊的閾值估計方案，無需知道噪聲的確切特性，通過最小化GCV閾值函數(shù)來獲得漸近最優(yōu)閾值，所獲取的閾值恰好與使得均方誤差取值最小的閾值相對應。雖然單次GCV閾值函數(shù)的計算速度很快，但對于像素數(shù)目較大的圖像，通過遍歷閾值所有可能取值，搜索最小的GCV閾值函數(shù)是難以實現(xiàn)的。為了解決這一問題，目前有采用黃金分割法或是遺傳算法來搜索最優(yōu)去噪閾值，獲得了較好的去噪結(jié)果。然而，不容忽視的是黃金分割法和遺傳算法的全局搜索能力有限，都易陷入局部極值點，無法有效搜索到最優(yōu)去噪閾值。因此有必要采用全局優(yōu)化搜索方法，將其用于最優(yōu)閾值的搜索過程中，期望選取更佳的去噪閾值。小波變換具有良好的時頻局域特性，在圖像去噪中得到了廣泛的應用。小波變換雖然可以最優(yōu)逼近點狀奇異性，但在高維的情況下卻不是最優(yōu)的，或是“最稀疏”的圖像表示方法，無法有效捕捉圖像中的邊緣和輪廓、曲線等這些二維信息，影響圖像去噪效果。近年來所提出的非下采樣輪廓波變換Nonsubsampled Contourlet Transform，NSCT是一種多尺度幾何分析工具，彌補了傳統(tǒng)小波變換的不足，可以有效捕捉圖像中的細節(jié)信息，提供更好的圖像去噪性能。并且，NSCT具有平移不變性，能夠避免由于變換方法缺乏平移不變性， 而在去噪結(jié)果圖像中引入的失真。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于免疫克隆選擇的非下采樣輪廓波域圖像去噪方法， 能夠提高現(xiàn)有的基于變換域的去噪方法的去噪性能。一種基于免疫克隆選擇的非下采樣輪廓波域圖像去噪方法，其特別之處在于，包括如下步驟
4
(1)輸入含噪圖像X，并對其進行L層非下采樣輪廓波分解，得到不同尺度上的高頻方向子帶{UnunhO ( 1彡L-l，l彡i ^k1I和低頻子帶Ajm，η)，Ic1為尺度2—1上高頻方向子帶的數(shù)目，D1, i (m, η)表示含噪圖像在尺度2—1上的第i個高頻方向子帶上，處于 (m, η)像素位置的系數(shù)，L為3 5;(2)通過免疫克隆選擇法，搜索不同尺度各個高頻方向子帶的最優(yōu)去噪閾值IT1, 0彡1彡L-1,1彡i彡kj ；(3)利用軟閾值去噪策略和步驟(2)中獲得的最優(yōu)去噪閾值Tla,抑制高頻方向子帶的噪聲，即
權(quán)利要求
1. 一種基于免疫克隆選擇的非下采樣輪廓波域圖像去噪方法，其特征在于，包括如下步驟(1)輸入含噪圖像X，并對其進行L層非下采樣輪廓波分解，得到不同尺度上的高頻方向子帶{UnunhO ( 1彡L-l，l彡i ^k1I和低頻子帶慫Oiunhk1為尺度2—1上高頻方向子帶的數(shù)目，Dy (m，η)表示含噪圖像在尺度2—1上的第i個高頻方向子帶上，處于(m，η) 像素位置的系數(shù)，L為3 5;(2)通過免疫克隆選擇法，搜索不同尺度各個高頻方向子帶的最優(yōu)去噪閾值IT1, 0彡1彡L-1,1彡i彡kj ；(3)利用軟閾值去噪策略和步驟(2)中獲得的最優(yōu)去噪閾值Tla,抑制高頻方向子帶的噪聲，即
2.如權(quán)利1所述的基于免疫克隆選擇的非下采樣輪廓波域圖像去噪方法，其特征在于步驟(2)中通過免疫克隆選擇法，搜索不同尺度各個高頻方向子帶的最優(yōu)去噪閾值IT1, i，0彡1彡L-l，l彡i彡kj，按如下過程進行(1)對于待考察的高頻方向子帶D1,i(m，η)，初始化免疫克隆選擇法所涉及的參數(shù)設定抗體群規(guī)模nb = 20，最大迭代次數(shù)Gmax = 25，隨機產(chǎn)生初始抗體群
全文摘要
本發(fā)明涉及圖像處理技術(shù)在圖像去噪領(lǐng)域中的應用，尤其是基于免疫克隆選擇的非下采樣輪廓波域圖像去噪方法，其特點是，包括如下步驟(1)輸入含噪圖像X，并對其進行L層非下采樣輪廓波分解，得到不同尺度上的高頻方向子帶{Dl，i(m，n)，0≤l≤L-1，1≤i≤kl}和低頻子帶AL(m，n)，kl為尺度2-l上高頻方向子帶的數(shù)目，Dl，i(m，n)表示含噪圖像在尺度2-l上的第i個高頻方向子帶上，處于(m，n)像素位置的系數(shù)，L為3～5；(2)通過免疫克隆選擇法，搜索不同尺度各個高頻方向子帶的最優(yōu)去噪閾值{Tl，i，0≤l≤L-1，1≤i≤kl}；與現(xiàn)有技術(shù)相比，無需知道圖像噪聲的確切特性，由于采用免疫克隆選擇法對去噪閾值進行搜索，可以搜索到更佳的去噪閾值；由于采用非下采樣輪廓波變換，可以有效避免因變換工具缺乏平移不變性而產(chǎn)生的抖動失真。
文檔編號G06T5/00GK102509268SQ20111035210
公開日2012年6月20日 申請日期2011年11月9日 優(yōu)先權(quán)日2011年11月9日
發(fā)明者萬仁霞, 孫瀅, 常霞, 紀峰, 馬自萍, 高岳林, 黃永東 申請人:北方民族大學