专利名称：：小波与小曲模糊自适应联合的图像去噪方法
技术领域：
：本发明涉及一种新型的联合小波变换和小曲(Curvelet)变换的图像去噪方法，属于图像处理领域。
背景技术：
：图像在生成和传输的过程中不可避免地受到噪声的干扰。噪声的存在导致了图像质量的降低和后期目标识别等图像分析工作难度的增大。因此，如何有效去除图像噪声一直是图像处理领域中的重要研究课题之一。经典的图像去噪方法包括空域滤波法，频域滤波法以及近年来比较常用的基于离散小波变换的去噪方法(简称为DWT法)。虽然它们已经取得了较好的去噪效果，但始终无法完全解决去噪过程中噪声的去除与边缘的保持之间的冲突问题。近期一种新的信号多尺度表达——小曲变换被引入了图像处理领域，它以线段而不是点作为信号的基本表达单位，因此基于离散小曲变换的去噪方法(简称为DCT法)能够比DWT法更有效地保留图像的边缘信息(J.L.Starck，E.J.Candes,andD.L.Donoho.TheCurvelettransformforimagedenoising[J].正EETrans.ImageProcessing,2002,vol.11:670-684.)。但同时DWT法在处理图像边缘较少区域时能够比DCT法更好地去除噪声。为综合两者互补的优势，小波与小曲变换联合的图像去噪方法应运而生。目前已出现的联合去噪法有两种，联合滤波法和自适应联合法。前者采用混合最陡梯度算法为每次迭代图像选择合适的滤波算子用以逐渐逼近最优解(J.L.Starck,M.K.Nguyen,andRMurtagh.WaveletsandCurveletsforimagedeconvolution:acombinedapproach[J].SignalProcessing,2003，vol.83:2279-2283.)。这种方法可以获得比单独使用的DCT法和DWT法更好的去噪效果，但因其迭代过程复杂而导致计算量非常大。而后者则根据图像子块的边缘像素分布信息将其判断为边缘子块或平坦子块，据此对各子块选用DCT法或DWT法去噪，对其结果进行平滑窗处理，最终将处理后结果作为子块的自适应联合去噪的结果(B.B.Saevarsson,J.R.Sveinsson,andJ.A.Benediktsson.CombinedWaveletandCurveletdenoisingofSARimages[C].GeoscienceandRemoteSensingSymposium,2004.IGARSS'04.Proceedings.2004IEEEInternational,2004,vol.6:4235-4238.)。与联合滤波法相比，自适应联合法进一步提高了去噪质量且极大减少了运算量，因此具有更好的实用价值。但它为解决块效应问题而对各子块进行的强制性平滑处理必然会带来边缘的模糊，因此从根本上说，它是以牺牲一定程度的边缘保持效果为代价解决了块效应问题。
发明内容本发明的目的在于针对现有技术的不足，提出一种将小波变换与小曲变换联合应用于图像去噪的新方法。它可以更灵活地综合小波变换和小曲变换分别在处理图像平坦区域和边缘区域时的优势，从而更完美地解决去噪过程中噪声去除和边缘保持之间的冲突问题，进一步提高去噪图像的质量。为实现这样的目的，本发明基于模糊计算和图像融合技术，在自适应联合法的基础上，提出了小波与小曲模糊自适应联合的图像去噪方法。不同与自适应联合法将子块一刀切地判断为平坦或边缘区域，模糊自适应联合法构造了子块的平坦度隶属函数用以模糊表达子块中的边缘信息含量，并以该隶属函数作为权重系数对各子块分别采用DWT法与DCT法去噪的结果进行融合处理。本发明所提出的模糊自适应联合法包括分块,计算子块的平坦度隶属函数值，融合子块采用DWT法与DCT法去噪的结果及合并块四个步骤。1.分块将加噪图像l分成一组6x6的子块A，且行，列相邻子块有6/2><6个像素的重叠。2.计算子块的平坦度隶属函数值首先计算各子块的平坦度指标，其定义为其中K为A中V个像素灰度值的标准差，o"为/噪声标准差的估计值。由^得到A的平坦度隶属函数A，其为关于^的降半岭形分布的隶属函数<formula>formulaseeoriginaldocumentpage4</formula>其中q和0^的取值区间均为[1，2]。3.融合子块采用DWT法与DCT法去噪的结果。用DWT法和DCT法分别对J降噪，并得到对应的降噪结果^和位置子块5"，^2的融合数据作为采用模糊自适应联合法降噪的结果^对于任意A,以^和^对应A内任意像素的灰度值可按融合规则计算得到，其中A^"]，5*力"]分别代表5"，^2对应位置像素的灰度值。子块中包含的边缘越少，子块对应的平坦度隶属函数值越接近1，则DWT法的去噪结果在融合结果中所占比重就会越高；反之，子块中包含边缘越丰富，DCT法的去噪结果在融合结果中所占比重就越高。4.合并块按照与分块相逆的步骤将A合并至原图尺寸。本发明的有益效果为通过对DWT法和DCT法的去噪结果自适应性的融合综合了两者分别在处理图像平坦区域和边缘区域的优势，可以比单独使用的DWT法和DCT法实现更好的去噪质量；通过模糊化数据融合的方式取代了自适应联合法中的强制性平滑处理步骤，因此在更彻底地解决块效应问题的同时比自适应联合法保留了更多的图像边缘信息，从而比自适应联合法实现了更好的去噪质量。图1为本发明小波和小曲模糊自适应联合的图像去噪方法的流程框图。图2为平坦度隶属函数A(&)的分布图。图3为本发明实施例中加噪Lena图像与其去噪结果。具体实施例方式本发明的具体实施步骤如卜1.分块对256X256的无噪光学图像Lena添加均值为0，方差为0.02的高斯白噪声(高斯白噪声为最常用的噪声模型)以生成加噪图像l并对其分块，分块尺寸6取为16X16。2.计算子块的平坦度隶属函数值q和o^分别取值l和1.5。3.融合子块采用DWT法与DCT法去噪的结果DWT法的实现选择小波函数coif2对/进行三层分解，采用软阈值法处理DWT系数；DCT法的实现中，离散小曲变换的实现通过将图像分为三层子带进行，最小分块尺寸取为16，利用软阈值法处理DCT系数。4.合并块将处理后子块重整合并至256x256尺寸。如附图3所示，其中(1)，(2)，(3)，(4)，(5)，(6)依次为原始Lena图像，加噪Lena图像与对加噪Lena分别采用DWT法，DCT法，自适应联合法和模糊自适应联合法去噪的结果。直观对比可知，自适应联合法和模糊自适应联合法的去噪结果明显更接近于原始Lena图像，且其中模糊自适应联合法的去噪结果在保留图像边缘细节如Lena的头发，帽饰等方面明显优于自适应联合法，因此视觉效果最好。同时，我们采用通用标准——峰值信噪比(PSNR)客观衡量去噪质量。去噪结果的PSNR值越大，说明其越接近理想去噪结果，对应的去噪方法越有效。表1为对分别添加了均值0，方差为0.01,0.02,0.03，0.05,0.07的高斯白噪声的Lena图像与其分别采用DWT法，DCT法，自适应联合法和模糊自适应联合法去噪结果的PSNR值。纵向对比可知，模糊自适应联合法对应去噪结果的PSNR普遍高于另外三种方法的对应值，这证明了本发明模糊自适应联合法能够比单独使用的DWT法，DCT法和自适应联合法更有效地去除图像噪声。<table>tableseeoriginaldocumentpage5</column></row><table>表l.加噪Lena与其去噪结果的PSNR值权利要求1.一种小波与小曲模糊自适应联合的图像去噪方法，其特征为构造了子块的平坦度隶属函数用以模糊表达子块中的边缘信息含量，并以该隶属函数作为权重系数对各子块分别采用小波变换与小曲变换去噪的结果进行数据融合。2.权利要求l中所述的平坦度隶属函数为关于平坦度指标的降半岭形分布函数，其表达式为111.;r,cr7+o;—sin-(r广22<r2-oj02《&2其中A，^分别为子块S^的平坦度隶属函数和平坦度指标，q和0^的取值区间均为[1，2]。3.权利要求1中所述的对各子块分别采用小波变换与小曲变换去噪的结果进行数据融合的规则为其中》"，&2分别为子块^采用小波变换和小曲变换去噪的结果，&为&的平坦度隶属函数。4.权利要求2中所述的子块的平坦度指标^的计算公式为^V一其中^为子块5*中像素灰度值的标准差，°"为加噪图像噪声标准差的估计值。全文摘要本发明系一种将小波变换和小曲变换模糊自适应联合用于图像去噪的新方法。去噪是图像处理中重要研究课题之一，但已有去噪方法无法完全解决去噪中噪声去除与边缘保持的冲突问题。本发明的目的在于针对现有技术的不足，提出小波与小曲模糊自适应联合的图像去噪方法。它构造了子块的平坦度隶属函数用以模糊表达子块中的边缘信息含量，并以其作为权重系数对各子块分别采用小波变换与小曲变换去噪的结果进行数据融合。其有益效果为以数据融合取代了自适应联合法的强制性平滑处理，更彻底地解决块效应问题且保留更多边缘细节；通过模糊化数据融合更灵活地综合了小波与小曲的去噪优势，进一步提高了去噪质量。文档编号H04N5/14GK101296312SQ20071002170公开日2008年10月29日申请日期2007年4月26日优先权日2007年4月26日发明者冉安,楠王申请人:安冉;王楠