一种图像去噪方法
【专利摘要】本发明涉及图像处理领域，尤其涉及一种图像去噪方法。本发明采用小波变换法，把原始图像分解为高频和低频部分，针对不同频率段进行不同的滤波，有效地去除图像噪声，双边滤波与小波变换降噪结合的方法在去除图像噪声的同时，也较好地保持了图像所包含的细节信息，可提供较好的视觉效果，优于单一双边滤波或小波变换降噪方法。
【专利说明】
一种图像去噪方法
技术领域
[0001] 本发明涉及图像处理领域，尤其涉及一种图像去噪方法。
【背景技术】
[0002] 图像增强处理技术已广泛用于众多学科及工程领域，去除图像噪声（图像去噪）是 图像处理领域中一项十分关键的技术，目前图像去噪方法主要是空域去噪法和频域去噪 法，基于空间域的图像去噪的方法是利用邻域像素值的加权平均可以得到图像中某点的理 想像素值，其中均值滤波，中值滤波和高斯滤波等都是运用上述原理的特定方法。然而，空 间域和频率域的图像去噪方法的缺点是在去除噪声的同时会模糊甚至破坏图像的边缘信 息。
【发明内容】
[0003] 针对现有技术存在的问题，现提供了 一种图像去噪方法。
[0004] 具体的技术方案如下：
[0005] -种图像去噪方法，包括：
[0006] 步骤Sl，采集原始图像；
[0007] 步骤S2,将所述原始图像进行二维离散小波变换，分解为低频子图和高频子图；
[0008] 步骤S3,对所述高频子图进行双边滤波处理，输出滤波图像；
[0009] 步骤S4,利用所述滤波图像和所述低频子图像进行小波逆变换以构建去噪图像。
[0010] 优选的，所述步骤Si具体包括：
[0011] 步骤Sll，采用带有红外发光管的红外线夜视CCD摄像机拍摄所述原始图像。
[0012] 优选的，所述步骤S2中，所述原始图像的二维离散小波变换的分解式为：
[0013]
[0014]
[0015] 其中，h(m-2k)为低通滤波器，g(m-2k)为高通滤波器，Cj(K)为输出的低频子图，Dj (K)为输出的高频子图，Cn(m)为原始图像。
[0016] 优选的，所述步骤S2中，采用软阈值估计对所述原始图像的二维离散小波分解系 数进行估计，其中，软阈值估计小波系数的公式为：
[0017]
[0018] 其中，^ =7 〇V2 In Λ'，σ是原始图像的标准差;N是原始图像的大小，ω j，k为小波系 数。
[0019] 优选的，所述步骤S3具体包括：
[0020]步骤S31，对所述高频子图进行空域滤波；
[0021 ]步骤S32，对所述高频子图进行值域滤波；
[0022] 步骤S33,将所述空域滤波和值域滤波的滤波结果结合，以进行所述双边滤波。
[0023] 优选的，所述步骤S31中的空域滤波的公式为：
[0024]
[0025] 其中，fU)为输入图像，h(x)为输出图像，ο(ξ，χ)是邻域中心点和邻域中心点相邻 的点ξ之间的几何距离度量，kd (X)为归一化常I
[0026] 优选的，所述步骤S32中的值域滤波的公式为：
[0027]
[0028]其中，s(fU)，f(x))度量邻域中心X和一个邻近点ξ之间的亮度相似关系，kr(x)为 归一化常数
[0029] 优选的，所述步骤S33中的双边滤波的公式为：
[0030]
[0031] 边滤波器的加权系数k (X)是空间邻 近度因子kd(X)和亮度相似度因子kr(X)的乘积。
[0032]优选的，所述步骤S4中，所述小波逆变换采用二维小波的重构算法。
[0033] 优选的，所述二维小波的重构算法的公式为：
[0034]
[0035] 其中，CnGO为所述去噪图像。
[0036]上述技术方案的有益效果是：
[0037] 上述技术方案采用小波变换法，把原始图像分解为高频和低频部分，针对不同频 率段进行不同的滤波，有效地去除图像噪声，双边滤波与小波变换降噪结合的方法在去除 图像噪声的同时，也较好地保持了图像所包含的细节信息，可提供较好的视觉效果，优于单 一双边滤波或小波变换降噪方法。
【附图说明】
[0038] 图1为本发明一种图像去噪方法的实施例的示意图。
【具体实施方式】
[0039] 需要说明的是，在不冲突的情况下，下述技术方案，技术特征之间可以相互组合。
[0040] 下面结合附图对本发明的【具体实施方式】作进一步的说明：
[0041 ] -种图像去噪方法，如图1所示，包括：
[0042] 步骤Sl，采集原始图像；
[0043] 步骤S2,将原始图像进行二维离散小波变换，分解为低频子图和高频子图；
[0044] 步骤S3,对高频子图进行双边滤波处理，输出滤波图像；
[0045] 步骤S4,利用滤波图像和低频子图像进行小波逆变换以构建去噪图像。
[0046] 避难硐紧急避险系统是安全避险"六大系统"之一，在矿井发生灾情时，原有供电 无法保障或地面救援还未到达时，保证矿工的紧急避险场所，以及减少井下由于各种灾害 导致的人员伤亡的设施。煤矿避难硐是视频监控重点区域，由于井下巷道中存在大量的粉 尘和水汽，空间狭窄，尤其当发生灾情时，井下照度差，震动强烈，图像在传输过程中受到很 多干扰，存在着背景噪声、脉冲噪声和随机噪声等，采集到的红外线视频图像通常是模糊不 清、混合噪声大、对比度差、可读性较差的低照度的灰度图像，低照度图像具有灰度范围较 窄、相邻像素的空间相关性高、灰度变化不明显等特点，这使得图像中的物体、背景、细节、 噪声等信息包含在一个较窄的灰度范围。难以捕捉到场景中的异常情况，影响了监控人员 的正确判断和决策，如下实施例均以避难硐紧急避险的视频监控中的图像处理进行举例说 明。
[0047] 为降低矿井避难硐图像的噪声，保留图像细节信息，提出了二维离散小波变换与 双边滤波相结合的方法。首先采用小波变换对避难硐图像(原始图像)进行分解，对高频子 带采用双边滤波，然后对每一个尺度低通滤波图像进行重构。
[0048]图像增强是一种基本的图像预处理手段，增强主要目的是对图像感兴趣的特征有 选择的加以突出，削弱或去除某些不需要的信息。对某种特定应用来说比原图像更合适。它 并不意味着能增加原始图像的信息，有时甚至会损失一些信息。但图像增强的结果却能加 强对特定信息的识别能力，使图像中感兴趣的特征得以加强。
[0049] 本发明一个较佳的实施例中，步骤Sl具体包括：
[0050] 步骤Sll，采用带有红外发光管的红外线夜视CCD摄像机拍摄原始图像。
[0051 ]本实施例中，例如使用自带6个红外发光管的强红外线夜视CCD摄像机，俯视拍摄 井下无照明条件下的避难硐中的监控对象。
[0052]本发明一个较佳的实施例中，步骤S2中，原始图像的二维离散小波变换的分解式 为：
[0053]
[0054]
[0055] 其中，h(m-2k)为低通滤波器，g(m-2k)为高通滤波器，Cj(K)为输出的低频子图，Dj (K)为输出的高频子图，Cj-I (m)为原始图像。
[0056] 本实施例中，小波阈值滤波方法(二维离散小波变换)主要通过在不同尺度上选取 合适的阈值，将小于该阈值的小波系数置零，而保留大于该阈值的小波系数，从而使信号中 的噪声得到有效的抑制。二维离散小波变换是将二维图像在不同的尺度上进行分解，分解 层数为1时，图像经过小波分解为低频子图L，和水平、垂直、对角线方向的高频子图H，V，D， 其中图像的轮廓主要体现在低频部分，而细节部分则体现在高频部分，因此，通过对低频分 解系数进行增强处理。对高频分解系数进行衰减处理，即可以达到图像增强的作用。
[0057] 本发明一个较佳的实施例中，步骤S2中，采用软阈值估计对原始图像的二维离散 小波分解系数进行估计，其中，软阈值估计小波系数的公式为：
[0058]
[0059] 其中，^ = σν^Ιη,Υ，〇是原始图像的标准差;N是原始图像的大小，ω j，k为小波系 数。
[0060] 上述实施例中，双边滤波在滤噪的同时，能较为有效地保持图像特征，但是，双边 滤波是基于邻域像素的加权平均算法，使得双边滤波结果在某些区域存在剩余噪声，抑噪 能力不强。小波变换的优点在于它具有时频局部化和多分辨率的性质。信号经小波变换被 分解为高频和低频部分，小波分解系数中的高频部分同时包含了图像中的细节和噪声信 息，而低频部分则包含了图像中主要边缘信息，因此，需要有效地从高频系数中区分出噪声 的成分。
[0061] 本实施例在小波分解的基础上进行双边滤波，首先对原图像进行1层小波分解，然 后对高频子带图像H，V，D分别进行双边滤波，用小波逆变换恢复源图像，这样取得的恢复图 像，很好地权衡了图像增强算法消除噪声和细节特征的增强，更适于滤波和人类视觉系统。 [0062]选择Haar小波变换，对原始噪声图像进行一层分解。选取恰当的阈值，并对该层的 高频系数进行阈值量化处理，其中阈值的选择，通常，阈值函数的选择有硬阈值函数和软阈 值函数两种，由于小波系数的连续性较差，重构的图像出现振铃和伪吉布斯现象，本实施例 采用软阈值对图像进行小波去噪。
[0063]本发明一个较佳的实施例中，步骤S3具体包括：
[0064]步骤S31，对高频子图进行空域滤波；
[0065]步骤S32，对高频子图进行值域滤波；
[0066] 步骤S33,将空域滤波和值域滤波的滤波结果结合，以进行双边滤波。
[0067] 本实施例中，频率域的图像去噪方法是根据噪声图像的频率，基于图像的傅里叶 变换来增强或抑制所希望的频谱，从而实现对图像频谱的改善方法，主要有Wiener滤波和 小波变换等。
[0068] 本发明一个较佳的实施例中，步骤S31中的空域滤波的公式为：
[0069]
[0070] 其中，fU)为输入图像，h(x)为输出图像，ο(ξ，χ)是邻域中心点和邻域中心点相邻 的点ξ之间的几何距离度量，kd (X)为归一化常数：
[0071 ]本发明一个较佳的实施例中，步骤S32中的值域滤波的公式为：
[0072]
[0073]其中，s(fU)，f(x))度量邻域中心X和一个邻近点ξ之间的亮度相似关系，kr(x)为 归一化常数：
[0074] 本发明一个较佳的实施例中，步骤S33中的双仂滤波的公式为：
[0075]
[0076] 其中
双边滤波器的加权系数k(x)是空间邻 近度因子kd(x)和亮度相似度因子kr(x)的乘积。
[0077] 上述实施例中，双边滤波具有非线性、非迭代、局部的滤波特点，具有良好的边缘 保持特性和抑制脉冲噪声的能力。双边滤波方法实际是一种低通空域滤波器，它通过两个 高斯滤波器实现:一个是空间域的高斯滤波，一个是灰度值域的高斯滤波。通过像素点之间 的空间距离和灰度值距离同时决定，对邻域中距离接近和灰度相似的像素赋予较大权重， 反之则赋予较小权重。这样处理过的图像在滤除噪声的同时还能够很好地保持图像的边缘 信息。
[0078]本发明一个较佳的实施例中，步骤S4中，小波逆变换采用二维小波的重构算法。
[0079] 本发明一个较佳的实施例中，二维小波的重构算法的公式为：
[0080]
[0081] 其中，Cj-i(k)为去噪图像。
[0082] 本实施例中，对小波分解高频子图进行双边滤波，在完成小波分解系数调整之后， 用小波逆变换恢复源图像(去噪图像），得到图像增强的图像。
[0083] 综上，上述技术方案采用小波变换法，把原始图像分解为高频和低频部分，针对不 同频率段进行不同的滤波，有效地去除图像噪声，双边滤波与小波变换降噪结合的方法在 去除图像噪声的同时，也较好地保持了图像所包含的细节信息，可提供较好的视觉效果，优 于单一双边滤波或小波变换降噪方法。
[0084] 通过说明和附图，给出了【具体实施方式】的特定结构的典型实施例，基于本发明精 神，还可作其他的转换。尽管上述发明提出了现有的较佳实施例，然而，这些内容并不作为 局限。
[0085] 对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。 因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权 利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。
【主权项】
1. 一种图像去噪方法，其特征在于，包括： 步骤S1，采集原始图像； 步骤S2，将所述原始图像进行二维离散小波变换，分解为低频子图和高频子图； 步骤S3,对所述高频子图进行双边滤波处理，输出滤波图像； 步骤S4,利用所述滤波图像和所述低频子图像进行小波逆变换以构建去噪图像。2. 根据权利要求1所述的图像去噪方法，其特征在于，所述步骤S1具体包括： 步骤S11，采用带有红外发光管的红外线夜视CCD摄像机拍摄所述原始图像。3. 根据权利要求1所述的图像去噪方法，其特征在于，所述步骤S2中，所述原始图像的 二维离散小波变换的分解式为：其中，h(m-2k)为低通滤波器，g(m-2k)为高通滤波器，Cj(K)为输出的低频子图，Dj(K)为 输出的高频子图，Cj-Km)为原始图像。4. 根据权利要求3所述的图像去噪方法，其特征在于，所述步骤S2中，采用软阈值估计 对所述原始图像的二维离散小波分解系数进行估计，其中，软阈值估计小波系数的公式为：，〇是原始图像的标准差;N是原始图像的大小，coj，k为小波系数。5. 根据权利要求1所述的图像去噪方法，其特征在于，所述步骤S3具体包括： 步骤S31，对所述高频子图进行空域滤波； 步骤S32，对所述高频子图进行值域滤波； 步骤S33，将所述空域滤波和值域滤波的滤波结果结合，以进行所述双边滤波。6. 根据权利要求5所述的图像去噪方法，其特征在于，所述步骤S31中的空域滤波的公 式为：其中，fU)为输入图像，h(x)为输出图像，cU，x)是邻域中心点和邻域中心点相邻的点 ξ之间的几何距离度量，kd(x)为归一化常数7. 根据权利要求6所述的图像去噪方法，其特征在于，所述步骤S32中的值域滤波的公 式为：其中，8(以|)，汽1))度量邻域中心1和一个邻近点|之间的亮度相似关系，1^(1)为归一 化常数，= ΠIT s(，(5)，，⑴辦。8. 根据权利要求7所述的图像去噪方法，其特征在于，所述步骤S33中的双边滤波的公 式为：双边滤波器的加权系数k(x)是空间邻近度因 子kd(x)和亮度相似度因子kr(x)的乘积。9. 根据权利要求1所述的图像去噪方法，其特征在于，所述步骤S4中，所述小波逆变换 采用二维小波的重构算法。10. 根据权利要求9所述的图像去噪方法，其特征在于，所述二维小波的重构算法的公 式为：其中，Cn(k)为所述去噪图像。
【文档编号】G06T5/00GK106056555SQ201610393059
【公开日】2016年10月26日
【申请日】2016年6月3日
【发明人】田思, 张维朋, 李永平, 王勇
【申请人】宁波大红鹰学院