一种图像去噪方法与流程

技术特征：

1.一种图像去噪方法，其特征在于，包括：

对原始图像或上一层分解获得的上层高频小波分解系数进行离散小波变换，进而分解出一组当前层高频小波分解系数和当前层低频小波分解系数；

利用阈值函数对所述当前层高频小波分解系数进行阈值量化处理，得到一组当前层估计高频小波分解系数；

对所述当前层高频小波分解系数和所述当前层估计高频小波分解系数进行噪声估计，并判断是否需要进行下一层分解；

若需要，则返回所述对原始图像或上一层分解获得的上层高频小波分解系数进行离散小波变换的步骤；

若不需要，则通过小波逆变换进行图像重构，进而得到去噪后的图像。

2.根据权利要求1所述的方法，其特征在于，所述利用阈值函数对所述当前层高频小波分解系数进行阈值量化处理，得到一组当前层估计高频小波分解系数的步骤包括：

利用如下公式进行阈值量化处理：

$\widehat{W_{j,k}}=\left\{\begin{array}{cc}sign\left(W_{j,k}\right)\left(\right|W_{j,k}|-{\mathrm{\λtlog}}_2(|\mathrm{\λ}/W_{j,k}{|}^n+1\left)\right)& \left|W_{j,k}\right|\≥\mathrm{\λ}\\ 0,& \left|W_{j,k}\right|\<\mathrm{\λ}\end{array}\right.$

其中，W_j，k为所述当前层高频小波分解系数，为所述当前层估计高频小波分解系数，sign为符号函数，log为对数函数，λ为阈值，t为调节因子，n为幂指数。

3.根据权利要求2所述的方法，其特征在于，所述幂指数n的值根据原始图像的噪声估计水平进行设定或者根据上一层小波分解的噪声估计水平进行设定。

4.根据权利要求3所述的方法，其特征在于，所述幂指数n的取值为自然数。

5.根据权利要求2所述的方法，其特征在于，所述阈值λ通过如下公式计算：

$\mathrm{\λ}=\mathrm{\σ}\sqrt{2\lg N}$

其中，N为采样点数，σ为噪声方差，lg为以10为底的对数函数。

6.根据权利要求5所述的方法，其特征在于，所述噪声方差σ通过如下公式进行计算：

σ＝(median|W_j.k|)/0.6475

其中，median为中值函数，|W_j，k|为W_j，k的绝对值。

7.根据权利要求2所述的方法，其特征在于，所述调节因子t的值在对原始图像或上一层分解获得的上层高频小波分解系数进行离散小波变换之前预先设定，取值范围为0～1。

8.根据权利要求1所述的方法，其特征在于，所述对所述当前层高频小波分解系数和所述当前层估计高频小波分解系数进行噪声估计，并判断是否需要进行下一层分解的步骤包括：

对所述高频小波分解系数和所述估计高频小波分解系数进行噪声估计，得到噪声估计水平；

将所述噪声估计水平与预设的噪声阈值进行比较；

若大于或等于所述噪声阈值，则判定为需要进行下一层分解；

若小于所述噪声阈值，则判定为不需要进行下一层分解。

9.根据权利要求8所述的方法，其特征在于，所述噪声估计水平通过如下公式进行计算：

${\mathrm{\σ}}^{\′}=\left(median\right|W_{j,k}-\widehat{W_{j,k}}\left|\right)/\mathrm{0.6475.}$

其中，σ'为噪声估计水平，median为中值函数，为W_j，k和的绝对差值。

10.根据权利要求1所述的方法，其特征在于，所述若不需要，则进行小波逆变换进行图像重构，进而得到去噪后的图像的步骤包括：

根据当前分解过程和之前分解过程中获得所有低频小波分解系数和当前分解过程的所有所述当前层估计高频小波分解系数通过所述小波逆变换进行图像重构，进而得到去噪后的图像。