基于邻域加窗的小波图像去噪方法

专利名称：：基于邻域加窗的小波图像去噪方法
技术领域：
：本发明属于图像处理
技术领域：
，具体涉及一种基于邻域加窗的小波图像去噪方法。
背景技术：
：目前图像去噪方法中，均值滤波是一种常用的图像滤波去噪方法，该方法运算简单，对高斯噪声具有良好的去噪能力。但均值滤波在消除噪声的同时也会对图像的高频细节成分造成破坏和损失，使图像模糊。为了解决均值滤波算法存在的图像模糊问题，也出现了许多改进的算法，如K邻点平均法、梯度倒数加权平滑法、最大均匀性平滑法、小斜面模型平滑法、自适应加权平滑法等，不过这些改进的均值滤波算法一般只是对某些类型的图像具有较好的去噪效果，对于不同类型的图像则需要调整其形状和参数，不具有普适性。
发明内容本发明是针对现有技术的上述不足，提供了一种基于邻域加窗的小波图像去噪方法。该方法充分考虑了小波系数的层内相关性，并根据其特性为各子带系数选择不同的加窗滤波模板，从而达到更好地恢复原图像，改善对图像的去噪性能。本发明的基于邻域加窗的小波图像去噪方法，包括下列步骤-步骤l:将含噪图像/7>，^经过单尺度小波变换处理，分别获得四个子带系数低频近似系数A、水平细节系数H,、垂直细节系数V^Q对角细节系数D,;步骤2:将4保持不变，对水平细节系数H,、垂直细节系数V,和对角细节系数D,分别采用垂直线形滤波模板、水平线形滤波模板和对角方向滤波模板进行均值滤波，滤波后为A、《、A;步骤3:将A和去噪后的高频子带A、A、A进行重构，即可得到去噪后图像/，上述的步骤2可以按照下列方法进行1)首先分别根据水平细节系数H,、垂直细节系数Vi和对角细节系数"的频率特性分别选择相应的均值滤波模板w《C=H,r，D;2)为滤波模板分别进行加窗；3)进行滤波操作=^2/(xj)mvw(")似(W)eS其中S是以(a》为中心的邻域中点的集合，M是S内的点数，《&j^为滤波后子带系数。图1本发明基于邻域加窗的小波图像去噪方法的总体流程图。图2本发明去噪处理样图。图2(a)为去噪处理样图原图；图2(b)为样图原图加噪图像；图2(c广(g)为使用本发明去噪方法去噪处理后图像，其中，(c)窗口面积为5，加矩形窗；(d)窗口面积为5，加汉宁窗；(e)窗口面积为5，加三角窗；(f)窗口面积为5，加海明窗；(g)窗口面积为5，加布拉克曼窗。具体实施例方式下面通过附图和实施例对本发明做进一步详述。1.图像变换将加噪图像进行小波变换，得到小波系数矩阵，分解到1层，小波基为sym8小波。数字图像/T义，W的二维离散小波分解Mallat快速算法可用公式表示为《(m,")=/(附，m)《+1(附，")=ZZ2mx&—2x/)c/Z川(附,")=J]ZV2mxg/-2X"乂0c^+'(w，")=ZJ]X4-2"XC40(附,")=SZg"2mXg/-2"XC4A0i/式中7为分解尺度，"J和kJ分别是低通和高通滤波器，分别为标准正交尺度函数和小波函数的双尺度方程系数。J'尺度层图像。i/经一层小波分解后的结果为低频近似系数cAw、水平细节系数C"w、垂直细节系数cK^和对角细节系数cZ^。由小波分解的低频近似系数和三个高频细节系数可以重构出原始图像信号，重构过程可用公式表示为上述的步骤l)中，对于水平细节系数H,、垂直细节系数W和对角细节系数D,分别采用丄1*、丄「1iriil、丄oo1*oo作为滤波模板。本发明提供的基于邻域加窗的小波图像去噪方法，充分考虑了小波系数的层内相关性的特点，并且以此为据提供了一种基于小波分解的多加窗模板去噪方法，达到较高的峰值信噪比，具有更好的图像去噪效果。oooo1ooo1o00*100o1ooo1oooo___115、一1I42)为滤波模板进行加窗；为改善模板的滤波性能，对滤波模板进行加窗，这里选择矩形窗、汉宁窗、三角窗、海明窗和布莱克曼窗。各种窗函数》^/^的特性如下-10001'0001(式5)11l承111000001000ooroo0001000001ZS&—2ixV"x《+1(t0+ZZUxxc/)式中A"、"w、「w和z^分别为低频近似系数和三个高频细节系数。这里对图像/Tx,W进行小波变换，分解到l层，分别得到低频近似系数A和高频细节系数"、K和A。2.邻域加窗滤波小波变换可以通过对同一子带的低频系数递归地使用低通和高通滤波器实现，意味着在一个小邻域内小波系数是相关的，称为小波系数的层内相关性。在一个值较大的小波系数的邻域内，可能会有一组较大的小波系数。对每个子带中的小波系数单独处理，处理步骤如下l)将A保持不变，分别根据"、K和A的频率特性选择相应的均值滤波模板，滤波后为^、《、A。其中"包含了图像信号水平方向的低频信息和垂直方向的高频信息，而高斯噪声在高频区噪声能量所占比例较大，所以选择了垂直线形滤波模板进行滤波，如式(2)，这样既消除了垂直方向的噪声信号，又较大程度地保留了图像的边缘信息；K则包含了图像信号水平方向的高频信息和垂直方向的低频信息，因此选用了水平线形滤波模板，如式(4);包含了对角方向的高频信息，因此采用了对角方向滤波模板，如式(6)所示。(式2)(式3)丄[l11*11](式4)(式1)(式6);111I3131515矩形窗(RectangularWindow)时域形式可以表示为v^)-^(w):fl，0S"JV-10，其他频域特性为sinIsinI汉宁窗时域形式可以表示为)=0.511—cos|2jt频域特性为『(")=<jo,5『s(0)+O.25r2兀)r『。I&)--I+『。Iw+-其中,K(w)为矩形窗函数的幅度频率特性函数。三角窗三角窗是最简单的频谱函数W(e"为非负的一种窗函数。.表示为当"为奇数时:角窗函数的时域形式可以2A:w+12(w—A:+l)w+1w+1当"为偶数时—122(M—A+l)w2频域特性为W—1sin(H)、2sin海明窗函数时域形式可以表示为w("=0.54—0.46cosI2兀W—lhi,2，…，w频域特性为，)=0.54『wO)+0.23『。2兀]f2tt--I+『J+-TV—16其中，K(w)为矩形窗函数的幅度频率特性函数。布莱克曼窗函数时域形式可以表示为<formula>formulaseeoriginaldocumentpage7</formula>频域特性为W<formula>formulaseeoriginaldocumentpage7</formula>其中，K—)为矩形窗函数的幅度频率特性函数。4兀、3)进行滤波操作。使用相应的滤波模板对各子带进行滤波操作。*，力=去Z/(w>vH")《=仏「，"其中S是以(x，力为中心的邻域中点的集合，M是S内的点数，^为滤波后子带系数。3.图像重构将^和A、g、A进行重构，即可得到去噪后图像/，7=4+^^+6+^。4.实验结果，为了验证本发明去噪方法的有效性，对具体图片(如图2(a)所示)进行了实验。实验中采用sym8小波进行图像处理，对图像加以标准方差为15的噪声，将图像用小波分解1层，并使用不同加窗的滤波模板对加噪图像进行均值滤波。以PSNR(PeakSignaltoNoiseRatio)作为降噪性能优劣的衡量标准，实验结果如表1所示。表1不同加窗情况下使用各种窗口面积滤波的PSNR/db比较<table>tableseeoriginaldocumentpage7</column></row><table>从表1给出的数据可以看出，使用本发明中提供的基于加窗均值滤波的小波图像降噪方法可得到较高的峰值信噪比。同时从图2(c广(g)处理后图像也可以看出本方法取得了较好的去噪效果。权利要求1.一种基于邻域加窗的小波图像去噪方法，包括下列步骤步骤1将含噪图像f(x，y)经过单尺度小波变换处理，分别获得四个子带系数低频近似系数A1、水平细节系数H1、垂直细节系数V1和对角细节系数D1；步骤2将A1保持不变，对水平细节系数H1、垂直细节系数V1和对角细节系数D1分别采用垂直线形滤波模板、水平线形滤波模板和对角方向滤波模板进行均值滤波，滤波后为步骤3将A1和去噪后的高频子带进行重构，即可得到去噪后图像2.根据权利要求l所述的基于邻域加窗的小波图像去噪方法，其特征在于，所述的步骤2按照下列方法进行1)首先分别根据水平细节系数ft、垂直细节系数V,和对角细节系数D,的频率特性分别选择相应的均值滤波模板w《《-//,r，"；2)为滤波模板分别进行加窗；3)进行滤波操作g(x，力^:Z/(x,少)m^w(")《=i/，r,"其中S是以(;r，力为中心的邻域中点的集合，M是S内的点数，^为滤波后子带系数。3.根据权利要求2所述的基于邻域加窗的小波图像去噪方法，其特征在于，所述的步骤1)中，对于水平细节系数K、垂直细节系数K和对角细节系数仏分别采用<formula>formulaseeoriginaldocumentpage0</formula>全文摘要本发明属于图像处理
技术领域：
，涉及一种基于邻域加窗的小波图像去噪方法，包括下列步骤将含噪图像f(x，y)经过单尺度小波变换处理，分别获得四个子带系数低频近似系数A₁、水平细节系数H₁、垂直细节系数V₁和对角细节系数D₁；将A₁保持不变，对水平细节系数H₁、垂直细节系数V₁和对角细节系数D₁分别采用垂直线形滤波模板、水平线形滤波模板和对角方向滤波模板进行均值滤波，滤波后为H₁、V₁、D₁；将A₁和去噪后的高频子带H₁、V₁、D₁进行重构，即可得到去噪后图像f，f＝A₁+H₁+V₁+D₁。本发明提供的基于邻域加窗的小波图像去噪方法，能够达到较高的峰值信噪比，具有更好的图像去噪效果。文档编号G06T5/00GK101510301SQ200910068110公开日2009年8月19日申请日期2009年3月12日优先权日2009年3月12日发明者于洁潇,刘开华,宫霄霖,毛瑞全申请人:天津大学