专利名称：一种基于方向金字塔滤波的图像处理方法及装置的制作方法
技术领域：
本发明属于图像信号处理领域，涉及一种基于方向金字塔滤波的图像处理方法及装置
背景技术：
目前现有的图像去噪方法大致可以划分为两类(1)空间域方法。在空间域采用各种平滑模板与图像进行卷积，从而达到压制或消除噪声的目的；(2)变换域方法。对图像进行各种变换以后，选用适当的频率带通滤波器进行滤波，其理论基础是信号主要分布于低频部分，而噪声主要分布于高频部分，滤除信号的高频部分就可以滤除噪声。但是对图像来说，图像的细节信号也位于高频部分，滤除高频的同时，在不同程度上也破坏了图像细节，所以还需要进行相关处理。迄今为止，已经存在有多种去除噪声的算法，每一种算法都有它自身的假设、优点和缺点。例如空域处理方法,主要包括领域平均法、中值滤波、维纳滤波等。领域平均法是一种典型的线性去噪方法，能有效地去除高斯噪声，适用面较广，缺点是严重破坏了图像的边缘，模糊了图像。中值滤波是一种去除噪声的非线性处理方法，对消除图像中的脉冲噪声很有效，且能较好地保护图像边缘，但涉及大量的排序运算，运算速度较慢，对图像的实时处理有影响。维纳滤波对去除高斯白噪声效果好，去噪同时保留图像的边缘和高频细节，但在信噪比较低的情况下，效果不佳。因此，传统空域去噪方法是在滤除噪声的同时也去除了图像的部分边缘信息，而人眼对图像的边缘非常敏感，这就造成了去噪后图像的主观质量下降，即去噪处理是以清晰度降低为代价的。而且，传统空域去噪算法的效果依赖于滤波窗口的大小以及参与中值计算的像素点个数，不同大小的窗口对输出图像的质量有较大影响。窗口太大，会丢失过多的图像细节，图像模糊，窗口太小，去噪效果又不好，所以，传统空域滤波去噪是以牺牲图像分辨率为代价换取的。这就要求在保留地质细微特征时选择合适的去噪方法。大多数商业软件采用一系列基本的空间滤波器来进行均值、中值、定向导数和尖锐化。由于小波变换的稀疏特性，小波域的信号去噪成为了一个热点。由小波变换的特性可知，高斯噪声的小波变换均匀分布在频率尺度空间的各部分，系数仍然是高斯分布的，而信号则是带限的，小波变换系数只集中在频率尺度空间的有限部分。从信号能量的观点看，在小波域上，噪声能量分布在所有的小波系数上，所有的小波系数都对噪声有贡献，而只有一小部分小波系数对信号能量有贡献。因此可以把小波系数分成两类，第一类小波系数仅由噪声变换得到，这类系数数目较多，幅值小，第二类小波系数由信号变换得来，同时包含噪声的变换系数，这类系数数目较小，幅值大。根据信号小波变换系数分界的特点，可以根据这种差异来降低噪声。对信号的小波系数设置一个阈值，认为大于这个阈值的小波系数属于第二类系数，它同时包含信号和噪声的变换结果，可以简单保留或进行后续操作，小于这个阈值的小波系数属于第一类系数，它只包含噪声系数，应该去掉。这样就达到了去噪的目的。这种方法保留了大部分包含信号的小波系数，因此可以较好地保持图像细节信肩、O传统的低通滤波方法直接将图像的高频成分滤除，虽然能达到去噪的目的，但却破坏了图像细节，利用小波理论可以构造一种既能去噪，又能保持图像细节的方法。一般情况下，小波作为一种逼近工具，在处理具有点状奇异性的一维和二维目标时，体现了良好的性能。小波变换具有能量压缩特性，经过变换后象征奇异点的信号系数保持很大，而其它的系数则变得很小。但是，小波变换在处理一维信号时所具有的优势并不能简单的推广到二维或更高维。由一维小波扩展成的二维离散小波只具有有限的方向，不可能“最优”表示含有线奇异或者面奇异的高维函数。二维离散小波基只具有水平、垂直、对角三个方向，这种方向性的缺乏致使小波变换不能充分利用图像本身的几何正则性。对于图像，边缘的非连续性是按空间分布的，这种奇异性影响了小波的多项展开级数，因此，小波变换在处理图像边缘时不可避免地会在图像边缘和细节位置造成一定程度的模糊。对于一维分段平滑信号的表示，小波具有很好的性能，然而，对于二维图像处理，二维小波变换的基函数是各向同性的，变换系数的局部模极大值只能反映出该小波系数出现的位置是“过”边缘的，而无法表达“沿”边缘的信息。因此，发展能够在不同子带内分离边缘和不同方向以及更有效地描述边缘的2D多尺度变换尤其重要，比如Curvelet变换、Contourlet变换、Steerable Pyramid分解等。针对上述小波变换的缺陷，E. J. Candes和D. L. Donoho于1999年提出了 Curvelet变换，也就是第一代Curvelet变换。与小波变换的不同之处在于，除了尺度和位移参数，Curvelet还增加了一个方位参数，因此可以更好的辨识方位。然而，第一代Curvelet变换的数字实现比较复杂，需要子带分解、平滑分块和Ridgelet变换等一系列步骤，同时Curvelet变换金字塔的分解也带来了巨大的数据冗余量，因此E. J. Candes等又提出了实现更简单、更便于理解的快速变换算法，即第二代Curvelet变换。自从引进了第二代Curvelet变换理论后，国外学者发展了新的数字算法实现Curvelet变换,新的重构理论简单透明。最近几年来我们所说的Curvelet变换,其理论实际上己经经过重新设计，从而更简单易用，容易理解。在新的数学体系上提出的创新算法，给早期人们实现Curvelet变换提供了机会，目前已经成功发展了两种新的快速离散曲波变换。这两种变换方式更简单、更快，相对于以前的算法简洁不冗余。曲波变换具有很强的方向性，能同时获得对图像平滑区域和边缘部分的稀疏表达，同时该变换是各向异性的，以边缘为基本表示元素，具有完备性，能很好地适合图像的特点。但Curvelet变换的缺点是在裂缝、边缘等区域会出现轻微的“振铃”现象和放射性条纹，且Curvelet变换中随着波数的增加，方向滤波器的数量也在增加。在2D情况下，每隔一个尺度层，曲波变换所采用的方向滤波器的数量就增加一倍；在3D情况下，每隔一个尺度层，曲波变换所采用的方向滤波器的数量就增加4倍，因此计算和存储滤波图像的大量数据就成了曲波变换3D工作的一个缺点。在信号的处理过程中，去噪已经成为一个最最基本的工作。在空间域及变换域的去噪算法中，小波因其局部性、稀疏性和多尺度等特性显示出了卓越的能力。其中比较典型的算法是Donoho等人提出的阈值收缩去噪算法及围绕阈值选取的一系列改进算法。1994年Donoho提出了最早的小波域值去噪方法Visushrink阈值估计方法，也叫做全局域值去噪方法，它是对所有的小波系数采取一个统一的阈值。由于高斯噪声的小波变换均匀分布在频率尺度空间的各部分，系数仍然是高斯分布的，而信号则是带限的，小波变换系数只集中在频率尺度空间的有限部分。这样就可以把小波系数分成两类，第一类小波系数仅由噪声变换得到，这类系数数目较多，幅值小，第二类小波系数由信号变换得来，同时包含噪声的变换系数，这类系数数目较小，幅值大。根据信号小波系数分界的这个特点，就可以根据其差异来降低噪声。对信号的小波系数设置一个阈值，认为大于这个阈值的小波系数属于第二类系数，它同时含有信号和噪声的变换系数，可以简单保留或进行后续操作，小于这个阈值的小波系数属于第一类小波系数，完全是噪声系数，应该去掉。这样就达到了降噪的目的。这种估计方法叫做硬阈值函数去噪法，它的缺点就是当阈值取得过大时，会造成“过扼杀”的现象，而当阈值取得过小时，又不能完全去除噪声。为了克服硬阈值去噪法的缺点，Donoho等又提出了软域值函数去噪的方法，这种方法对分解系数进行萎缩，大于阈值的系数保留并做适当的缩减，小于阈值的去除置零。Visushrink阈值估计方法适用于硬阈值函数和软阈值函数，它是对所有的子带采用统一的阈值
权利要求
1.一种基于方向金字塔滤波的图像处理方法，包括如下步骤， 步骤I.对输入图像信号XIN进行傅里叶变换后输出图像信号A1 步骤2.对图像信号A1，分别经过低通滤波器组(Ltl…Lsh)的前两个低通滤波器Ltl和L1,得到滤波后的图像信号Po，P1，所述低通滤波器组(Ltl…Lsh)中各低通滤波器的通带的带宽是等比递减的； 步骤3.用P1减去P。得到图像信号VB1,将图像信号VB1分别通过方向滤波器组(B。…Bn)，后再经过反傅里叶变换，得到N+1个带通滤波图像信号QcicTQqn ； 步骤4.包括M-2个如下的循环步骤 从m=2开始，将上一步的图像信号Pnrl通过低通滤波器组的第m+1个低通滤波器Lm，得到图像信号Pm; 用图像信号Pm减去Pnri，得到图像信号VBm，将图像信号VBm分别通过方向滤波器组(B0-Bn)后再经过一次反傅里叶变换，得到(N+1)个带通滤波图像信号Q(m_1)(TQ(m-1)N; 步骤4中M为预先设定的尺度分解参数，是大于2的整数，m为大于I但不大于M的整数，在各个循环步骤中，m依次等于2，3，…，(M-I)； 步骤5.步骤4中最后一次循环得到的图像信号Psh直接进行反傅里叶变换，得到粗尺度层图像信号Q ; 步骤6.将步骤3和步骤4中得到的全部(N+1) * (M-I)个带通滤波图像信号与步骤5中得到的粗尺度层图像信号Q相加得到最终图像信号； 其中步骤3和4中所述方向滤波器组(Bci-Bn)符合下式
2.如权利要求I所述的基于方向金字塔滤波的图像处理方法，其特征在于所述步骤2中的低通滤波器组(Ltl…Lsh)的各个滤波器符合
3.如权利要求2所述的基于方向金字塔滤波的图像处理方法，其特征在于所述步骤2中的截止波数比β=2。
4.如权利要求I所述的基于方向金字塔滤波的图像处理方法，其特征在于所述方向分解参数Ν=2。
5.如权利要求I所述的基于方向金字塔滤波的图像处理方法，其特征在于所述尺度分解参数Μ=3。
6.如权利要求I所述的基于方向金字塔滤波的图像处理方法，其特征在于所述步骤6在对各个图像信号合成相加之前，还包括对各个图像信号的去噪处理，去噪处理采用如下的步骤
7.一种基于方向金字塔滤波的图像处理装置，包括傅里叶变换滤波器、低通滤波器组、减法器组、方向滤波器阵列、反傅里叶变换滤波器组和加法器； 所述傅里叶变换滤波器接收输入的图像信号，经过傅里叶变换后输出到低通滤波器组(Ltl…Ln)的前两个低通滤波器Ltl和L1，所述低通滤波器组包括M个低通滤波器，从低通滤波器组的第三个低通滤波器L2开始，每个低通滤波器接收上一个低通滤波器的输出信号，低通滤波器组的每相邻两个低通滤波器的输出连接到所述减法器组的其中一个减法器；最后一个低通滤波器Lsh还输出到所述反傅里叶滤波器组的其中一个反傅里叶变换器，所述低通滤波器组(Ltl…Lsh)中各低通滤波器的通带的带宽是等比递减的；所述减法器组包括(M-I)个减法器，将上述低通滤波器组相邻低通滤波器的输出信号相减后输出到方向滤波器阵列；所述方向滤波器阵列共有(N+1)*(M-1)个方向滤波器，包括(M-I)组相同的方向滤波器组(Bci-Bn)，每个方向滤波器组(Bci-Bn)包括N+1个方向滤波器，所述减法器组的每个减法器同时连接一个方向滤波器组的每一个方向滤波器，并输出信号给该方向滤波器组的每一个方向滤波器进行滤波；所述反傅里叶变换滤波器组包括[(N+1)*(M-I)+1]个反傅里叶减法器，每个方向滤波器连接一个反傅里叶减法器，所有反傅里叶减法器的输出连接到所述加法器相加后输出最终信号； 其中所述方向滤波器组(Bci-Bn)符合下式
8.如权利要求7所述基于方向金字塔滤波的图像处理装置，其特征在于所述低通滤波器组为如权利要求2所述的低通滤波器组(Ltl…LshX
9.如权利要求8所述基于方向金字塔滤波的图像处理装置，其特征在于所述截止波数比β=2。
10.如权利要求9所述基于方向金字塔滤波的图像处理装置，其特征在于所述方向分解参数Ν=2。
全文摘要
一种基于方向金字塔滤波的图像处理方法，包括如下步骤，对输入图像信号XIN进行傅里叶变换后，经过低通滤波器组(L0…LM-1)进行图像信号相减的尺度分解，随后再通过方向滤波器组(B0…BN)进行方向滤波，再经过反傅里叶变换，得到一系列各个方向和尺度的图像信号和粗尺度图像信号，将这些信号相加，得到最终输出的图像信号。此外本发明还提供一种能实现上述方法的图像处理装置。本发明所述的基于方向金字塔滤波的图像处理方法及装置，采用了方向可控的金字塔形滤波器，具有平移不变性和旋转不变性，对图像自由进行多尺度分解，采用基本滤波器组合得出全方向角度的滤波器，实现了对图像的全方向滤波，且计算量相对较小。
文档编号G06T5/00GK102945548SQ20121046830
公开日2013年2月27日 申请日期2012年11月20日 优先权日2012年11月20日
发明者刘力辉 申请人:成都晶石石油科技有限公司