本发明具体涉及一种改进的bemd图像消噪方法。
背景技术:
经验模态分解(emd)算法是huang等人在1998年提出的一种新的自适应多尺度时频分析工具,emd可以根据信号的自身特性进行自适应地筛选,将信号分解成若干个内蕴模态函数(imf),非常适合非线性和非稳态信号的分析与处理。与小波分析相比,emd可以获取更好的时频分析特性,具有更精确的空间和频率定位。nunes等人提出的二维经验模态分解(bemd)也具有类似的优良特性,已被广泛应用于图像纹理分析、融合等对个领域。bemd在图像消噪中也取得了较好的效果,但现有的基于bemd的图像去噪方案中采用的都是基于硬阈值的去噪方法,但信号细节信息损失较多,而且在图像边缘等突变部分会产生严重的gibbs现象,造成图像边缘、纹理等细节的模糊。
技术实现要素:
本发明要解决的技术问题是提供一种改进的bemd图像消噪方法。
一种改进的bemd图像消噪方法,其特征在于,包括以下步骤:
s1:设含噪图像为f,对图像f进行bemd;
s2:估计含噪图像的噪声方差
s3:计算含噪声图像第j层bimf系数的方差,其值为:
s4:估计各层bimf中信号系数的方差
s5:根据下式对各层brmd系数进行消噪估计;
式中,函数
s6:对消噪后的各层bimf系数进行重构,得到最终消噪后图像。
进一步的,bemd的具体步骤如下:
1)初始化,令
2)求
3)分别对极大值点和极小值点进行曲面插值,得到图像的上、下包络面,根据上下包络面求出图像的均值
4)抽取细节,令
5)重复步骤2)-步骤4),直到
6)令
7)重复步骤2)-步骤6),直到达到设定的分解层数或
本发明的有益效果是:
本发明在消噪过程中同时考虑本层bemd系数特征以及其父层bemd系数的值,能够更好地消除噪声,同时更有效地保留图像边缘、纹理等细节信息。
具体实施方式
以下具体实施例对本发明作进一步阐述,但不作为对本发明的限定。
一种改进的bemd图像消噪方法,包括以下步骤:
s1:设含噪图像为f,对图像f进行bemd;
s2:估计含噪图像的噪声方差
s3:计算含噪声图像第j层bimf系数的方差,其值为:
s4:估计各层bimf中信号系数的方差
s5:根据下式对各层brmd系数进行消噪估计;
式中,函数
s6:对消噪后的各层bimf系数进行重构,得到最终消噪后图像。
bemd的具体步骤如下:
1)初始化,令
2)求
3)分别对极大值点和极小值点进行曲面插值,得到图像的上、下包络面,根据上下包络面求出图像的均值
4)抽取细节,令
5)重复步骤2)-步骤4),直到
6)令
7)重复步骤2)-步骤6),直到达到设定的分解层数或