专利名称：基于小波变换的dr图像去噪方法及系统的制作方法
技术领域：
本发明涉及图像处理技术领域，特别涉及一种基于小波变换的DR图像去噪方法，同时还涉及一种去噪系统。
背景技术：
信号去噪问题，一直是一个重要而热门的课题，现在已有多种信号去噪的方法，如卡尔曼滤波法、维纳滤波法、减谱法等，小波分析是近年来发展起来的一种优良的数学工具，通过小波变换，把新阿红的特性分配到各个不同尺度的小波变换系数上，再根据对小波变换系数的分析与处理，就可以对信号进行压缩、奇异性检测以及降低噪声。小波变换特别是正交小波变换具有很强的去数据相关性，它能够使信号的能量在小波域集中在一些大的小波系数中，而噪声能量却分布在整个小波域内，因此，经小波分解后，信号的小波系数幅值要大于噪声的小波系数幅值，可以认为，幅值比较大的小波系数一般以信号为主，而幅值比较小的系数在很多程度上是噪声信号，因此，选择一个合适的阈值对小波系数进行阈值处理，就可以把信号系数保留，而使大部分的噪声系数减少至零，从而达到去噪的目的。阈值去噪的思想很简单，在小波域上，所有的小波系数都对噪声有贡献，所以可把小波系数分为两类，第一类小波系数仅由噪声变换后得到，这类小波系数幅值小，数目较多；第二类小波系数由信号变换得到，并包含噪声的变换结果，这类小波系数幅值大，数目较少，因此处理时可对较小的小波系数置零或收缩，对大幅值的小波系数则可保持其幅值不变，然后经过阈值函数映射得到估计系数；最后估计系数进行逆变换，就可以实现去噪和重建。阈值分为两大类型硬阈值和软阈值。硬阈值的数学表达式如下
权利要求
1.基于小波变换的DR图像去噪方法，其特征在于所述方法包括以下步骤 步骤一读取待处理的图像数据； 步骤二 确定小波和小波分解的层数，计算含噪声信号的小波分解系数； 步骤三对每层系数选择一个阈值，采用改进软阈值对图像进行处理，改进软阈值的收缩函数表达式如下
2.根据权利要求I所述的基于小波变换的DR图像去噪方法，其特征在于在步骤五中，采用的硬阈值的数学表达式如下
3.基于小波变换的DR图像去噪系统，其特征在于所述系统包括 数据处理单元，用于输入待处理的图像数据； 小波变换单元，用于确定小波和小波分解的层数，计算含噪声信号的小波分解系数； 软阈值处理单元，用于对每层系数选择一个阈值，采用软阈值对图像进行处理，并进行小波重构得到第一层Al、H1、V1、Dl ,Al为近似分量，H1、V1、Dl为细节分量，Hl为水平细节分量，Vl为垂直细节分量，Dl为对角细节分量； 硬阈值处理单元，用于对第一层Hl、VI、Dl进行经典硬阈值滤波； 图像重构单元，用于滤波后的系数基础上，进行再次重构，得到最终的图像。
4.如权利要求3所述的基于小波变换的DR图像去噪系统，其特征在于所述软阈值处理单元中，采用的软阈值的收缩函数表达式如下
全文摘要
本发明公开了一种基于小波变换的DR图像去噪方法，包括以下步骤步骤一读取待处理的图像数据；步骤二确定小波和小波分解的层数，计算含噪声信号的小波分解系数；步骤三对每层系数选择一个阈值，采用改进的软阈值对图像进行处理；步骤四进行小波重构得到第一层A1、H1、V1、D1；步骤五对第一层H1、V1、D1进行经典硬阈值滤波；步骤六使用滤波后的系数再次重构，得到最终的图像。本发明提出的改进方法更加灵活，通过平滑函数与硬阈值滤波可以克服硬阈值函数和软阈值函数的缺点，不但能够去除噪声，而且能够很好地保留图像的边缘信息，改善了图像的信噪比，是一种较好的处理方案。
文档编号G06T5/00GK102663695SQ20121009278
公开日2012年9月12日 申请日期2012年3月31日 优先权日2012年3月31日
发明者张爱民, 魏彪 申请人:重庆大学