基于LoG算子改進(jìn)的自適應(yīng)閾值小波去噪算法
【專利摘要】本發(fā)明公開了一種改進(jìn)的閾值去噪算法，針對去噪過程中圖像邊緣部分和非邊緣部分去噪效果較差的問題，提出一種基于LoG算子改進(jìn)的自適應(yīng)閾值去噪算法。其步驟是：第一步采用LoG算子提取圖像的邊緣輪廓信息；第二步對圖像非邊緣部分去噪，在軟閾值函數(shù)的基礎(chǔ)上添加一個(gè)閾值修正系數(shù)構(gòu)建新的閾值函數(shù)；第三步對圖像邊緣部分去噪，將小波系數(shù)附近的能量和閾值相結(jié)合，構(gòu)建新的閾值函數(shù)；第四步對圖像R、G、B三個(gè)通道分別處理，保留圖像所有的細(xì)節(jié)信息。實(shí)驗(yàn)結(jié)果表明，該算法有效保存了圖像的邊緣信息，且綜合去噪效果明顯提高。
【專利說明】基于LoG算子改進(jìn)的自適應(yīng)閾值小波去噪算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種去噪算法，特別是一種基于LoG算子改進(jìn)的自適應(yīng)閾值小波去噪算法。
【背景技術(shù)】
[0002]隨著科學(xué)技術(shù)的進(jìn)步，以及各種數(shù)碼產(chǎn)品和電子設(shè)備的日益普及，人們習(xí)慣于通過圖像或者視頻的形式獲取事物的信息，但圖像傳輸過程中會(huì)受到各種噪聲干擾，導(dǎo)致圖像質(zhì)量降低。因此，在圖像的傳輸過程中，要對其進(jìn)行降噪處理。
[0003]目前，常用的小波去噪算法有硬閾值算法、軟閾值算法、傳統(tǒng)的小波閾值去噪以及各個(gè)文獻(xiàn)提出的基于邊緣的閾值算法，但是，這些算法在處理圖像時(shí)，效果并不盡如人意。例如硬閾值算法，在去噪過程中，雖然能夠保留圖像細(xì)節(jié)信息，但是大部分噪聲也被保留下來；軟閾值算法處理過的圖像，圖像的邊緣信息過于模糊，輪廓不夠清晰；傳統(tǒng)的小波閾值去噪算法，由于對整幅圖像采用相同的閾值，這就導(dǎo)致了邊緣部分的細(xì)節(jié)信息大量丟失，導(dǎo)致圖像模糊；各個(gè)文獻(xiàn)提出的基于邊緣的閾值算法在傳統(tǒng)的小波閾值算法基礎(chǔ)上做了改進(jìn)，但是因?yàn)殚撝岛瘮?shù)選取不恰當(dāng)，去噪效果依然較差。人眼視覺系統(tǒng)理論顯示，人眼對于邊緣等細(xì)節(jié)信息較敏感，因此邊緣信息的丟失會(huì)導(dǎo)致圖像視覺質(zhì)量降低。綜上所述，如何消除圖像邊緣部分的噪聲就變得非常重要，直接影響整幅圖像去噪效果的優(yōu)劣。
[0004]針對以上問題，我們提出了改進(jìn)的閾值函數(shù)，對于圖像的非邊緣部分，在軟閾值函數(shù)的基礎(chǔ)上加以改進(jìn)；對于圖像的邊緣部分，將圖像邊緣部分的能量考慮進(jìn)來，與相應(yīng)的小波系數(shù)相結(jié)合，構(gòu)建新的閾值函數(shù)，這樣，不僅能消除掉圖像的噪聲，還能夠清晰的保留邊緣部分的輪廓，去噪效果大大提高。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提供一種克服現(xiàn)有閾值去噪算法的不足，提出了一種能夠有效保存圖像邊緣信息，且去噪效果明顯提高的基于LoG算子改進(jìn)的自適應(yīng)閾值小波去噪算法。
[0006]為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是:一種基于LoG算子改進(jìn)的自適應(yīng)閾值小波去噪算法，包括如下步驟，
步驟SOl:采用LoG算子提取含噪圖像的邊緣輪廓信息:即先對含噪圖像進(jìn)行平滑處理，在采用拉普拉斯算子進(jìn)行邊緣檢測，得到邊緣圖像；具體公式如下，
其中:χ、y為含噪圖像的尺寸，g(X'J)為平滑圖像，f (XJ)為含噪圖像，
【權(quán)利要求】
1.一種基于LoG算子改進(jìn)的自適應(yīng)閾值小波去噪算法，其特征在于:包括如下步驟，步驟SOl:采用LoG算子提取含噪圖像的邊緣輪廓信息:即先對含噪圖像進(jìn)行平滑處理，在采用拉普拉斯算子進(jìn)行邊緣檢測，得到邊緣圖像；具體公式如下，
【文檔編號(hào)】G06T5/00GK103886558SQ201410129956
【公開日】2014年6月25日 申請日期:2014年4月2日 優(yōu)先權(quán)日:2014年4月2日
【發(fā)明者】林志賢, 郭太良, 葉蕓, 林金堂, 姚劍敏, 徐勝 申請人:福州大學(xué)