專利名稱：一種基于方向金字塔濾波的圖像處理方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像信號(hào)處理領(lǐng)域，涉及一種基于方向金字塔濾波的圖像處理方法及裝置
背景技術(shù)：
目前現(xiàn)有的圖像去噪方法大致可以劃分為兩類(1)空間域方法。在空間域采用各種平滑模板與圖像進(jìn)行卷積，從而達(dá)到壓制或消除噪聲的目的；(2)變換域方法。對(duì)圖像進(jìn)行各種變換以后，選用適當(dāng)?shù)念l率帶通濾波器進(jìn)行濾波，其理論基礎(chǔ)是信號(hào)主要分布于低頻部分，而噪聲主要分布于高頻部分，濾除信號(hào)的高頻部分就可以濾除噪聲。但是對(duì)圖像來(lái)說(shuō)，圖像的細(xì)節(jié)信號(hào)也位于高頻部分，濾除高頻的同時(shí)，在不同程度上也破壞了圖像細(xì)節(jié)，所以還需要進(jìn)行相關(guān)處理。迄今為止，已經(jīng)存在有多種去除噪聲的算法，每一種算法都有它自身的假設(shè)、優(yōu)點(diǎn)和缺點(diǎn)。例如空域處理方法,主要包括領(lǐng)域平均法、中值濾波、維納濾波等。領(lǐng)域平均法是一種典型的線性去噪方法，能有效地去除高斯噪聲，適用面較廣，缺點(diǎn)是嚴(yán)重破壞了圖像的邊緣，模糊了圖像。中值濾波是一種去除噪聲的非線性處理方法，對(duì)消除圖像中的脈沖噪聲很有效，且能較好地保護(hù)圖像邊緣，但涉及大量的排序運(yùn)算，運(yùn)算速度較慢，對(duì)圖像的實(shí)時(shí)處理有影響。維納濾波對(duì)去除高斯白噪聲效果好，去噪同時(shí)保留圖像的邊緣和高頻細(xì)節(jié)，但在信噪比較低的情況下，效果不佳。因此，傳統(tǒng)空域去噪方法是在濾除噪聲的同時(shí)也去除了圖像的部分邊緣信息，而人眼對(duì)圖像的邊緣非常敏感，這就造成了去噪后圖像的主觀質(zhì)量下降，即去噪處理是以清晰度降低為代價(jià)的。而且，傳統(tǒng)空域去噪算法的效果依賴于濾波窗口的大小以及參與中值計(jì)算的像素點(diǎn)個(gè)數(shù)，不同大小的窗口對(duì)輸出圖像的質(zhì)量有較大影響。窗口太大，會(huì)丟失過(guò)多的圖像細(xì)節(jié)，圖像模糊，窗口太小，去噪效果又不好，所以，傳統(tǒng)空域?yàn)V波去噪是以犧牲圖像分辨率為代價(jià)換取的。這就要求在保留地質(zhì)細(xì)微特征時(shí)選擇合適的去噪方法。大多數(shù)商業(yè)軟件采用一系列基本的空間濾波器來(lái)進(jìn)行均值、中值、定向?qū)?shù)和尖銳化。由于小波變換的稀疏特性，小波域的信號(hào)去噪成為了一個(gè)熱點(diǎn)。由小波變換的特性可知，高斯噪聲的小波變換均勻分布在頻率尺度空間的各部分，系數(shù)仍然是高斯分布的，而信號(hào)則是帶限的，小波變換系數(shù)只集中在頻率尺度空間的有限部分。從信號(hào)能量的觀點(diǎn)看，在小波域上，噪聲能量分布在所有的小波系數(shù)上，所有的小波系數(shù)都對(duì)噪聲有貢獻(xiàn)，而只有一小部分小波系數(shù)對(duì)信號(hào)能量有貢獻(xiàn)。因此可以把小波系數(shù)分成兩類，第一類小波系數(shù)僅由噪聲變換得到，這類系數(shù)數(shù)目較多，幅值小，第二類小波系數(shù)由信號(hào)變換得來(lái)，同時(shí)包含噪聲的變換系數(shù)，這類系數(shù)數(shù)目較小，幅值大。根據(jù)信號(hào)小波變換系數(shù)分界的特點(diǎn)，可以根據(jù)這種差異來(lái)降低噪聲。對(duì)信號(hào)的小波系數(shù)設(shè)置一個(gè)閾值，認(rèn)為大于這個(gè)閾值的小波系數(shù)屬于第二類系數(shù)，它同時(shí)包含信號(hào)和噪聲的變換結(jié)果，可以簡(jiǎn)單保留或進(jìn)行后續(xù)操作，小于這個(gè)閾值的小波系數(shù)屬于第一類系數(shù)，它只包含噪聲系數(shù)，應(yīng)該去掉。這樣就達(dá)到了去噪的目的。這種方法保留了大部分包含信號(hào)的小波系數(shù)，因此可以較好地保持圖像細(xì)節(jié)信肩、O傳統(tǒng)的低通濾波方法直接將圖像的高頻成分濾除，雖然能達(dá)到去噪的目的，但卻破壞了圖像細(xì)節(jié)，利用小波理論可以構(gòu)造一種既能去噪，又能保持圖像細(xì)節(jié)的方法。一般情況下，小波作為一種逼近工具，在處理具有點(diǎn)狀奇異性的一維和二維目標(biāo)時(shí)，體現(xiàn)了良好的性能。小波變換具有能量壓縮特性，經(jīng)過(guò)變換后象征奇異點(diǎn)的信號(hào)系數(shù)保持很大，而其它的系數(shù)則變得很小。但是，小波變換在處理一維信號(hào)時(shí)所具有的優(yōu)勢(shì)并不能簡(jiǎn)單的推廣到二維或更高維。由一維小波擴(kuò)展成的二維離散小波只具有有限的方向，不可能“最優(yōu)”表示含有線奇異或者面奇異的高維函數(shù)。二維離散小波基只具有水平、垂直、對(duì)角三個(gè)方向，這種方向性的缺乏致使小波變換不能充分利用圖像本身的幾何正則性。對(duì)于圖像，邊緣的非連續(xù)性是按空間分布的，這種奇異性影響了小波的多項(xiàng)展開級(jí)數(shù)，因此，小波變換在處理圖像邊緣時(shí)不可避免地會(huì)在圖像邊緣和細(xì)節(jié)位置造成一定程度的模糊。對(duì)于一維分段平滑信號(hào)的表示，小波具有很好的性能，然而，對(duì)于二維圖像處理，二維小波變換的基函數(shù)是各向同性的，變換系數(shù)的局部模極大值只能反映出該小波系數(shù)出現(xiàn)的位置是“過(guò)”邊緣的，而無(wú)法表達(dá)“沿”邊緣的信息。因此，發(fā)展能夠在不同子帶內(nèi)分離邊緣和不同方向以及更有效地描述邊緣的2D多尺度變換尤其重要，比如Curvelet變換、Contourlet變換、Steerable Pyramid分解等。針對(duì)上述小波變換的缺陷，E. J. Candes和D. L. Donoho于1999年提出了 Curvelet變換，也就是第一代Curvelet變換。與小波變換的不同之處在于，除了尺度和位移參數(shù)，Curvelet還增加了一個(gè)方位參數(shù)，因此可以更好的辨識(shí)方位。然而，第一代Curvelet變換的數(shù)字實(shí)現(xiàn)比較復(fù)雜，需要子帶分解、平滑分塊和Ridgelet變換等一系列步驟，同時(shí)Curvelet變換金字塔的分解也帶來(lái)了巨大的數(shù)據(jù)冗余量，因此E. J. Candes等又提出了實(shí)現(xiàn)更簡(jiǎn)單、更便于理解的快速變換算法，即第二代Curvelet變換。自從引進(jìn)了第二代Curvelet變換理論后，國(guó)外學(xué)者發(fā)展了新的數(shù)字算法實(shí)現(xiàn)Curvelet變換,新的重構(gòu)理論簡(jiǎn)單透明。最近幾年來(lái)我們所說(shuō)的Curvelet變換,其理論實(shí)際上己經(jīng)經(jīng)過(guò)重新設(shè)計(jì)，從而更簡(jiǎn)單易用，容易理解。在新的數(shù)學(xué)體系上提出的創(chuàng)新算法，給早期人們實(shí)現(xiàn)Curvelet變換提供了機(jī)會(huì)，目前已經(jīng)成功發(fā)展了兩種新的快速離散曲波變換。這兩種變換方式更簡(jiǎn)單、更快，相對(duì)于以前的算法簡(jiǎn)潔不冗余。曲波變換具有很強(qiáng)的方向性，能同時(shí)獲得對(duì)圖像平滑區(qū)域和邊緣部分的稀疏表達(dá)，同時(shí)該變換是各向異性的，以邊緣為基本表示元素，具有完備性，能很好地適合圖像的特點(diǎn)。但Curvelet變換的缺點(diǎn)是在裂縫、邊緣等區(qū)域會(huì)出現(xiàn)輕微的“振鈴”現(xiàn)象和放射性條紋，且Curvelet變換中隨著波數(shù)的增加，方向?yàn)V波器的數(shù)量也在增加。在2D情況下，每隔一個(gè)尺度層，曲波變換所采用的方向?yàn)V波器的數(shù)量就增加一倍；在3D情況下，每隔一個(gè)尺度層，曲波變換所采用的方向?yàn)V波器的數(shù)量就增加4倍，因此計(jì)算和存儲(chǔ)濾波圖像的大量數(shù)據(jù)就成了曲波變換3D工作的一個(gè)缺點(diǎn)。在信號(hào)的處理過(guò)程中，去噪已經(jīng)成為一個(gè)最最基本的工作。在空間域及變換域的去噪算法中，小波因其局部性、稀疏性和多尺度等特性顯示出了卓越的能力。其中比較典型的算法是Donoho等人提出的閾值收縮去噪算法及圍繞閾值選取的一系列改進(jìn)算法。1994年Donoho提出了最早的小波域值去噪方法Visushrink閾值估計(jì)方法，也叫做全局域值去噪方法，它是對(duì)所有的小波系數(shù)采取一個(gè)統(tǒng)一的閾值。由于高斯噪聲的小波變換均勻分布在頻率尺度空間的各部分，系數(shù)仍然是高斯分布的，而信號(hào)則是帶限的，小波變換系數(shù)只集中在頻率尺度空間的有限部分。這樣就可以把小波系數(shù)分成兩類，第一類小波系數(shù)僅由噪聲變換得到，這類系數(shù)數(shù)目較多，幅值小，第二類小波系數(shù)由信號(hào)變換得來(lái)，同時(shí)包含噪聲的變換系數(shù)，這類系數(shù)數(shù)目較小，幅值大。根據(jù)信號(hào)小波系數(shù)分界的這個(gè)特點(diǎn)，就可以根據(jù)其差異來(lái)降低噪聲。對(duì)信號(hào)的小波系數(shù)設(shè)置一個(gè)閾值，認(rèn)為大于這個(gè)閾值的小波系數(shù)屬于第二類系數(shù)，它同時(shí)含有信號(hào)和噪聲的變換系數(shù)，可以簡(jiǎn)單保留或進(jìn)行后續(xù)操作，小于這個(gè)閾值的小波系數(shù)屬于第一類小波系數(shù)，完全是噪聲系數(shù)，應(yīng)該去掉。這樣就達(dá)到了降噪的目的。這種估計(jì)方法叫做硬閾值函數(shù)去噪法，它的缺點(diǎn)就是當(dāng)閾值取得過(guò)大時(shí)，會(huì)造成“過(guò)扼殺”的現(xiàn)象，而當(dāng)閾值取得過(guò)小時(shí)，又不能完全去除噪聲。為了克服硬閾值去噪法的缺點(diǎn)，Donoho等又提出了軟域值函數(shù)去噪的方法，這種方法對(duì)分解系數(shù)進(jìn)行萎縮，大于閾值的系數(shù)保留并做適當(dāng)?shù)目s減，小于閾值的去除置零。Visushrink閾值估計(jì)方法適用于硬閾值函數(shù)和軟閾值函數(shù)，它是對(duì)所有的子帶采用統(tǒng)一的閾值
權(quán)利要求
1.一種基于方向金字塔濾波的圖像處理方法，包括如下步驟， 步驟I.對(duì)輸入圖像信號(hào)XIN進(jìn)行傅里葉變換后輸出圖像信號(hào)A1 步驟2.對(duì)圖像信號(hào)A1，分別經(jīng)過(guò)低通濾波器組(Ltl…Lsh)的前兩個(gè)低通濾波器Ltl和L1,得到濾波后的圖像信號(hào)Po，P1，所述低通濾波器組(Ltl…Lsh)中各低通濾波器的通帶的帶寬是等比遞減的； 步驟3.用P1減去P。得到圖像信號(hào)VB1,將圖像信號(hào)VB1分別通過(guò)方向?yàn)V波器組(B?！瑽n)，后再經(jīng)過(guò)反傅里葉變換，得到N+1個(gè)帶通濾波圖像信號(hào)QcicTQqn ； 步驟4.包括M-2個(gè)如下的循環(huán)步驟 從m=2開始，將上一步的圖像信號(hào)Pnrl通過(guò)低通濾波器組的第m+1個(gè)低通濾波器Lm，得到圖像信號(hào)Pm; 用圖像信號(hào)Pm減去Pnri，得到圖像信號(hào)VBm，將圖像信號(hào)VBm分別通過(guò)方向?yàn)V波器組(B0-Bn)后再經(jīng)過(guò)一次反傅里葉變換，得到(N+1)個(gè)帶通濾波圖像信號(hào)Q(m_1)(TQ(m-1)N; 步驟4中M為預(yù)先設(shè)定的尺度分解參數(shù)，是大于2的整數(shù)，m為大于I但不大于M的整數(shù)，在各個(gè)循環(huán)步驟中，m依次等于2，3，…，(M-I)； 步驟5.步驟4中最后一次循環(huán)得到的圖像信號(hào)Psh直接進(jìn)行反傅里葉變換，得到粗尺度層圖像信號(hào)Q ; 步驟6.將步驟3和步驟4中得到的全部(N+1) * (M-I)個(gè)帶通濾波圖像信號(hào)與步驟5中得到的粗尺度層圖像信號(hào)Q相加得到最終圖像信號(hào)； 其中步驟3和4中所述方向?yàn)V波器組(Bci-Bn)符合下式
2.如權(quán)利要求I所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述步驟2中的低通濾波器組(Ltl…Lsh)的各個(gè)濾波器符合
3.如權(quán)利要求2所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述步驟2中的截止波數(shù)比β=2。
4.如權(quán)利要求I所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述方向分解參數(shù)Ν=2。
5.如權(quán)利要求I所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述尺度分解參數(shù)Μ=3。
6.如權(quán)利要求I所述的基于方向金字塔濾波的圖像處理方法，其特征在于所述步驟6在對(duì)各個(gè)圖像信號(hào)合成相加之前，還包括對(duì)各個(gè)圖像信號(hào)的去噪處理，去噪處理采用如下的步驟
7.一種基于方向金字塔濾波的圖像處理裝置，包括傅里葉變換濾波器、低通濾波器組、減法器組、方向?yàn)V波器陣列、反傅里葉變換濾波器組和加法器； 所述傅里葉變換濾波器接收輸入的圖像信號(hào)，經(jīng)過(guò)傅里葉變換后輸出到低通濾波器組(Ltl…Ln)的前兩個(gè)低通濾波器Ltl和L1，所述低通濾波器組包括M個(gè)低通濾波器，從低通濾波器組的第三個(gè)低通濾波器L2開始，每個(gè)低通濾波器接收上一個(gè)低通濾波器的輸出信號(hào)，低通濾波器組的每相鄰兩個(gè)低通濾波器的輸出連接到所述減法器組的其中一個(gè)減法器；最后一個(gè)低通濾波器Lsh還輸出到所述反傅里葉濾波器組的其中一個(gè)反傅里葉變換器，所述低通濾波器組(Ltl…Lsh)中各低通濾波器的通帶的帶寬是等比遞減的；所述減法器組包括(M-I)個(gè)減法器，將上述低通濾波器組相鄰低通濾波器的輸出信號(hào)相減后輸出到方向?yàn)V波器陣列；所述方向?yàn)V波器陣列共有(N+1)*(M-1)個(gè)方向?yàn)V波器，包括(M-I)組相同的方向?yàn)V波器組(Bci-Bn)，每個(gè)方向?yàn)V波器組(Bci-Bn)包括N+1個(gè)方向?yàn)V波器，所述減法器組的每個(gè)減法器同時(shí)連接一個(gè)方向?yàn)V波器組的每一個(gè)方向?yàn)V波器，并輸出信號(hào)給該方向?yàn)V波器組的每一個(gè)方向?yàn)V波器進(jìn)行濾波；所述反傅里葉變換濾波器組包括[(N+1)*(M-I)+1]個(gè)反傅里葉減法器，每個(gè)方向?yàn)V波器連接一個(gè)反傅里葉減法器，所有反傅里葉減法器的輸出連接到所述加法器相加后輸出最終信號(hào)； 其中所述方向?yàn)V波器組(Bci-Bn)符合下式
8.如權(quán)利要求7所述基于方向金字塔濾波的圖像處理裝置，其特征在于所述低通濾波器組為如權(quán)利要求2所述的低通濾波器組(Ltl…LshX
9.如權(quán)利要求8所述基于方向金字塔濾波的圖像處理裝置，其特征在于所述截止波數(shù)比β=2。
10.如權(quán)利要求9所述基于方向金字塔濾波的圖像處理裝置，其特征在于所述方向分解參數(shù)Ν=2。
全文摘要
一種基于方向金字塔濾波的圖像處理方法，包括如下步驟，對(duì)輸入圖像信號(hào)XIN進(jìn)行傅里葉變換后，經(jīng)過(guò)低通濾波器組(L0…LM-1)進(jìn)行圖像信號(hào)相減的尺度分解，隨后再通過(guò)方向?yàn)V波器組(B0…BN)進(jìn)行方向?yàn)V波，再經(jīng)過(guò)反傅里葉變換，得到一系列各個(gè)方向和尺度的圖像信號(hào)和粗尺度圖像信號(hào)，將這些信號(hào)相加，得到最終輸出的圖像信號(hào)。此外本發(fā)明還提供一種能實(shí)現(xiàn)上述方法的圖像處理裝置。本發(fā)明所述的基于方向金字塔濾波的圖像處理方法及裝置，采用了方向可控的金字塔形濾波器，具有平移不變性和旋轉(zhuǎn)不變性，對(duì)圖像自由進(jìn)行多尺度分解，采用基本濾波器組合得出全方向角度的濾波器，實(shí)現(xiàn)了對(duì)圖像的全方向?yàn)V波，且計(jì)算量相對(duì)較小。
文檔編號(hào)G06T5/00GK102945548SQ20121046830
公開日2013年2月27日 申請(qǐng)日期2012年11月20日 優(yōu)先權(quán)日2012年11月20日
發(fā)明者劉力輝 申請(qǐng)人:成都晶石石油科技有限公司