专利名称：一种基于独立成分分析的自然场景图像去噪方法
技术领域：
本发明涉及一种基于独立成分分析的自然场景图像去噪方法，属于图像去噪技术领域。
背景技术：
在图像获取或图像传输过程中都不可避免的会有噪声干扰。所述的自然场景图像是指非人为合成的图像。传统去噪方法可分为两类，一类是直接在时域对图像数据进行一系列操作，达到去噪的目的，如中值滤波、形态学滤波等方法。另一类是变换域去噪法，将时域图像信号变换到一个变换域，并在此变换域中进行一系列的去噪操作，最后反变换回到时域得到去噪图像，如傅立叶变换、小波变换等方法。变换域方法的优点是可将图像分解到各个不同的基空间中，利用噪声在各个基空间中不同的表现性质可以很方便的将其去除。然而傅立叶变换与小波变换中所采用的基底空间均是一组固定的基函数，无法根据图像本身特有的性质进行自适应构建，因此其去噪效果在某些情况下并非十分理想。 独立成分分析是一种多元统计处理中的新方法，可自适应的根据图像的性质得到一组基函数，并将图像转换到独立成分域进行中去噪处理。经过对现有技术的文献检索发现，已有相关图像去噪技术，如中国专利申请号为200710046928，名称为“基于独立成份分析基图像的合成孔径雷达图像消噪方法”。该方法首先需要获得原图像的基向量集合和独立成分集合，而且去噪之前还需将基向量转换为基图像，并以多重分形的赫尔德指数为成本函数对基图像进行平滑增强，因而该方法的去噪处理过程较为繁琐，而且运算量相当大。
发明内容
为克服上述缺点，本发明公开了一种基于独立成分分析的自然场景图像去噪方法，本发明只需对原始含噪图像进行滑窗采样得到数据矩阵，并对该矩阵进行独立成分分析操作得到独立分量，进而可直接对独立分量进行阈值化操作来实现去噪。处理过程简单，运算量小，去噪效果好。本发明是通过以下技术方案实现的一种基于独立成分分析的自然场景图像去噪方法，其特点是首先对含噪图像进行滑窗采样操作，得到多通道信号，并使用独立成分分析算法处理该多通道信号，得到图像的独立分量以及一组基底函数。然后对每一个独立分量进行阈值化操作，即自适应的根据每个独立分量的统计特性来设定一个阈值，将该独立分量中绝对值小于该阈值的数置为0，其余值不变。最后将经过阈值化操作后的独立分量通过基底函数重构为图像信号，得到去噪图像；具体实施步骤如下I.滑窗采样对一幅含噪图像，使用一大小为kXk的窗从上到下从左到右对图像进行采样，其中l〈k<10,每次只将窗口移动一格,保持窗米样的连续性,并将米样后信号拉伸为一列向量，依次操作，对图像按照从左到右，从上到下的顺序处理，直到整幅图像处理完毕，得到一组多通道数据矩阵，其通道数为kXk ;2.提取基底函数B与独立分量使用独立成分分析算法对步骤I中所获得的多通道数据进行处理，得到其独立分量I及对应的基底函数B,总共有kXk个独立分量；3.独立分量域中的阈值化操作对上步骤2中所得到的每一个独立分量进行阈值化操作；具体步骤如下(a)首先得到这一独立分量的标准差σ，并采用公式Γ =来自适应的得到阈值T，其中N为这一独立分量的样本点数，log为自然对数；
·
(b)然后将这一独立分量中绝对值小于该阈值的全部置零，其余保持不变，依次对每一独立分量完成阈值化处理，获得经过阈值化操作后的独立分量4.去噪图像的最终获取使用步骤2中得到的基底函数B，将去噪后的独立分量进行重构操作，得到时域中的去噪图像，；具体过程为(C)将经过阈值化操作后的独立分量^用基底函数B重构为去噪后的信号条=(d)将此#按照原始图像大小重新进行排列，获得最终的去噪图像。本发明的优点在于1.无需人为选定基函数，而是通过独立成分分析方法自适应的根据图像内容来构建基底函数；2.去噪过程是在独立分量域中进行的，充分利用了噪声信号在独立分量域中的稀疏特性，大大改善了去噪效果；3.去噪操作仅需要一个阈值化处理即可完成，无需复杂的数学运算，因而运算量较小。
图I为本发明一个实施例的示意图。其中(a)为使用滑窗采样得到多通道信号的示意图；(b)为原始的无噪声图像；(C)为被噪声污染后的图像；(d)为使用本发明处理后得到的去噪图像。
具体实施例方式以下结合附图和实施例对本发明进行详细说明。本发明实施例采用Matlab语言实现，在具有Intel CPU2. 66GHz，内存IGMB的Pentium IV个人电脑上对大小为256X256的含噪图像进行去噪测试。具体实施过程如下。I.滑窗采样图I (b)为原始的无噪音图像，图I (C)为被噪声污染后的图像，图1(a)中显示了滑窗采样的示意图。对含噪图像图I (C)，使用一大小为kXk的窗从上到下从左到右的对图像进行采样，本实施中k=8，每次只将窗口移动一格，保持窗采样的连续性，并将采样后信号拉伸为一列向量，依次操作，对图像按照从左到右，从上到下的顺序处理，直到整幅图像处理完毕，得到一组多通道数据矩阵，其通道数为8 X 8=64，每一通道的采样点数为均为N。2.提取基底函数B与独立分量使用独立成分分析算法对上一步中所获得的多通道数据进行处理。具体而言，就是对上一步滑窗采样后获得的多通道数据X使用已有的独立分量分析方法进行处理，获得对应的基底函数B以及其独立分量y，它们之间的具体关系为y=Bx，总共有8 X 8=64个独立分量，每一独立分量的采样点数均为N。3.独立分量域中的阈值化操作对上一步中所得到的每一个独立分量Ji Cl = I,…，64)进行阈值化操作，由于共有N个采样点，因此共有N个观测值，即
权利要求
1.一种基于独立成分分析的自然场景图像去噪方法，其特征在于首先对含噪图像进行滑窗采样操作，得到多通道信号，并使用独立成分分析算法处理该多通道信号，得到图像的独立分量以及一组基底函数；然后对每一个独立分量进行阈值化操作，即自适应的根据每个独立分量的统计特性来设定一个阈值，将该独立分量中绝对值小于该阈值的数置为O，其余值不变；最后将经过阈值化操作后的独立分量通过基底函数重构为图像信号，得到去噪图像；具体实施步骤如下 I)、滑窗米样 对一幅含噪图像，使用一大小为kXk的窗从上到下从左到右对图像进行采样，每次只将窗口移动一格，保持窗采样的连续性，并将采样后信号拉伸为一列向量，依次操作，对图像按照从左到右，从上到下的顺序处理，直到整幅图像处理完毕，得到一组多通道数据矩阵，其通道数为kXk; II)、提取基底函数B与独立分量 使用独立成分分析算法对步骤I)中所获得的多通道数据进行处理，得到其独立分量y及对应的基底函数B，总共有kXk个独立分量； III)、独立分量域中的阈值化操作 对上步骤II)中所得到的每一个独立分量进行阈值化操作；具体步骤如下 (a)首先得到这一独立分量的标准差σ，并采用公式
2.根据权利要求I所述的一种基于独立成分分析的自然场景图像去噪方法，其特征在于所述kXk的窗，其中l〈k彡10。
全文摘要
本发明涉及一种基于独立成分分析的自然场景图像去噪方法，其特点是首先对含噪图像进行滑窗采样操作，得到多通道信号，并使用独立成分分析算法处理该多通道信号，得到图像的独立分量以及一组基底函数。然后对每一个独立分量进行阈值化操作，即自适应的根据每个独立分量的统计特性来设定一个阈值，将该独立分量中绝对值小于该阈值的数置为0，其余值不变。最后将经过阈值化操作后的独立分量通过基底函数重构为图像信号，得到去噪图像；本发明无需人为选定基函数，而是通过独立成分分析方法自适应的根据图像内容来构建基底函数，可对含噪自然场景图像取得很好的去噪效果，且处理过程简单，运算量小。
文档编号G06T5/00GK102831587SQ20121030300
公开日2012年12月19日 申请日期2012年8月23日 优先权日2012年8月23日
发明者薛云峰 申请人:上海第二工业大学