一种基于自适应小波阈值和双边滤波器的图像去噪方法
【专利摘要】本发明提出一种基于自适应小波阈值和双边滤波器的图像去噪方法，目的是为了改善小波阈值去噪算法的效果以及更好地保护图像的边缘和细节信息。该算法包括以下步骤：采用离散小波对图像进行分解，获得多个子带及其小波系数；选取随着小波分解尺度和子带的变化而自适应变化的阈值，并采用软阈值函数进行阈值量化处理；进行小波逆变换，获得重构图像；采用双边滤波器对重构图像进行滤波，以便获得清晰的图像。本发明通过利用自适应于小波分解尺度和子带的阈值进行小波阈值去噪，并结合双边滤波器进行滤波，设计出的去噪算法不但能够有效地去除高斯白噪声，而且能很好地保留图像的边缘和细节信息。
【专利说明】一种基于自适应小波阈值和双边滤波器的图像去噪方法
【技术领域】
[0001]本发明涉及图像处理【技术领域】，特别涉及一种基于自适应小波阈值和双边滤波器的去噪方法。
【背景技术】
[0002]近年来，小波变换由于具有多分辨率分析的特性、在时频域内良好地表征信号的能力以及大小固定形状可变的窗口等特点，被广泛应用于图像去噪领域中。常用的小波域去噪方法是对小波系数进行萎缩处理，即小波阈值去噪方法。其中，经典的阈值是Donoho和Johnstone提出的依赖于噪声标准差和信号长度的统一阈值。
[0003]现有的方法存在的不足:一方面，传统的小波阈值去噪方法没有考虑选取的阈值应该随着小波分解尺度和子带的变化而自适应变化这一因素；另一方面，小波阈值去噪方法在去除噪声的同时，可能也会去除高频细节，使图像的边缘变得模糊，而且易于产生显著的伪影，如低频噪声和边缘振荡。
【发明内容】
[0004]本发明的目的旨在解决上述技术缺陷，改善小波阈值去噪算法的效果以及更好地保护图像的边缘和细节信息。
[0005]为了达到上述 目的，本发明提出一种基于自适应小波阈值和双边滤波器的去噪方法，包括以下几个步骤:
[0006]S1:采用离散小波对含有噪声的图像g进行分解，获得多个子带及其对应的小波系数矩阵；
[0007]S2:选取每个高频子带对应的随着小波分解尺度和子带变化而自适应变化的阈值，并对每个高频子带的小波系数矩阵进行阈值量化处理，具体如下:
[0008]S2.1:根据获得的子带中高频子带的小波系数矩阵，计算所有高频子带的自适应阈值，其中，第k层高频子带的自适应阈值Tk的计算公式如下:
[0009]
【权利要求】
1.一种基于自适应小波阈值和双边滤波器的图像去噪方法，其特征在于包括以下步骤: 51:采用离散小波对含有噪声的图像g进行分解，获得多个子带及其对应的小波系数矩阵； 52:选取每个高频子带对应的随着小波分解尺度和子带变化而自适应变化的阈值，并对每个高频子带的小波系数矩阵进行阈值量化处理，具体如下: S2.1:根据获得的子带中高频子带的小波系数矩阵，计算所有高频子带的自适应阈值，其中，第k层高频子带的自适应阈值Tk的计算公式如下:
2.根据权利要求1所述的一种基于自适应小波阈值和双边滤波器的图像去噪方法，其特征在于，步骤SI中所述的多个子带包括一个低频子带Lb和多个高频子带,其中第k层高频子带包括水平子带HLk，垂直子带LHk和对角子带HHk，k是高频子带的小波分解尺度，k=I, 2，…，J, J为小波分解的最大尺度。
3.根据权利要求1所述的一种基于自适应小波阈值和双边滤波器的图像去噪方法，其特征在于，步骤S4中所述的结果图像V中像素点(i，j)的像素值v(i，j)通过重构图像u中像素点(i，j)的邻域像素点(k，l)的像素值u (k，1)的加权组合计算得到，具体公式如下:
【文档编号】G06T5/00GK103700072SQ201310693132
【公开日】2014年4月2日 申请日期:2013年12月17日 优先权日:2013年12月17日
【发明者】刘芳, 邓志仁, 付凤之, 马玉磊 申请人:北京工业大学