一种基于层次分析法选取小波基的图像去噪方法
【专利摘要】本发明涉及一种基于层次分析法选取小波基的图像去噪方法，包括以下步骤：步骤S1：选取用来评价图像去噪结果的指标，采用层次分析方法，建立了相对重要性判断矩阵，对各个指标的权重进行了量化分析，并经一致性检验可靠；步骤S2：基于指标的权重分析，选取小波基，采用小波分析法对图像进行去噪。与现有技术相比，本发明建立了基于层次分析法的小波基评价的基本框架，可以方便直观地选取最优小波基，为实际图像操作提供科学客观的依据。
【专利说明】一种基于层次分析法选取小波基的图像去噪方法
【技术领域】
[0001]本发明涉及数字图像处理领域，尤其是涉及一种基于层次分析法选取小波基的图像去噪方法。
【背景技术】
[0002]层次分析法即解析递归过程(Analytic Hierarchy Process, ΑΗΡ)是由美国运筹学家Saaty于20世纪70年代提出来的一种定性与定量分析相结合的多目标决策分析方法。其主要思想是:首先根据问题的性质和要求达到的总目标，将问题按照层次分解成不同的因素，同一层次L内各个不同因素的权重(即重要程度)，可以通过它们两两之间进行成对判断来得到。下一层次L+1内因素的重要程度，既要考虑本层次，又要考虑上一层次的权重因子。因此，一般要计算组合权重，并且一层一层地计算下去，一直到最后一层。最终，方案之间的相对重要性可以通过内在因素的重要性(权重)加以体现。
[0003]遥感图像去噪的实质是抑制信号中的无用成分，增强有用成分，重建出原始信号的处理过程。传统的去噪增强方法大多是将被噪声干扰的图像通过一个滤波器，滤除掉噪声所占的频率成分。此类方法有一定的效果，但是对脉冲信号、白噪声、非平稳过程信号等有一定的局限性。
[0004]目前利用小波进行去噪的方法主要有三类:第一类是由Mallat提出的基于小波变换模极大值原理的去噪方法；第二类是相关性方法；第三类是有Donoho提出的阈值去噪法，也是研究和运用最多的方法。
[0005]利用小波分析进行去噪可以取得良好的效果，主要原因如下:①低熵性，小波系数的稀疏分布使图像变换后的熵大幅降低；②多分辨率特性，由于采用了多分辨率分辨方法，小波分析可以很好刻画信号的非平稳特征(例如图像的边缘、信号的尖峰、断点等)，可以在不同的分辨率下根据信号和噪声的分布特点进行去噪；③去相关性，因为小波变换可以对信号进行去相关化处理，并且噪声在变换之后有白化的趋势，所以小波域比时域或者空域更有利于去噪；④选基的灵活性，由于小波分析可以灵活地选择小波基，可以根据信号的特点和噪声的特点选取多小波，提升小波，小波包，平移不变小波等，在不同的场合，还可以根据不同的目的选择不同的小波母函数。目前的旋转变压器软件解码算法大多数都采用的是计算反正切函数这一途径，这就不可避免的带来了抗干扰性较差的问题。
[0006]目前主要有两种方法来评价图像质量的好坏:主观评价法和客观评价法。主观评价法通过参评者根据自身的感受对图像的质量作出评价。这种方法的优点是面向人的视觉系统，评价真实全面，但是评价的结果受评价者的个人偏好，自身素质等不可控因素的影响巨大，此外，人的视觉心理因素很难用确定的物理量来准确地度量，因而离散性较大。客观评价是建立能够自动评价图像质量的客观评价模型，这些模型一般通过提取一个或者多个图像质量量度指标来衡量图像质量好坏。客观评价的模型可以采用数学公式加以描述，计算起来方便，结果直观明确，能够进行定量分析，适用于机器处理。为了进行定量、客观的比较分析，需要采用客观评价方法。
【发明内容】
[0007]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于层次分析法选取小波基的图像去噪方法，建立了基于层次分析法的小波基评价的基本框架，可以方便直观地选取最优小波基，为实际图像操作提供科学客观的依据。
[0008]本发明的目的可以通过以下技术方案来实现:
[0009]一种基于层次分析法选取小波基的图像去噪方法，包括以下步骤:
[0010]步骤S1:选取用来评价图像去噪结果的指标，采用层次分析方法，建立了相对重要性判断矩阵，对各个指标的权重进行了量化分析，并经一致性检验可靠；
[0011]所述的步骤SI具体包括:
[0012]101:选取峰值信噪比、均方差、平均亮度、平均对比度、三阶矩、一致性、熵作为评价图像去噪结果的指标，设为因素A1, A2,...,An, η = 7 ；
[0013]102:基于因素An构建不同层次，对比因素An之间的重要性，得到相对重要性标度au，au表示Ai对比Aj的重要性,且au = IVaji,进而获得nXn的判断矩阵A = (au)；
[0014]所述的相对重要性标度采用的比例标度为1-9标度；
[0015]103:对于矩阵A，先求出其最大特征根λ _，再求出其相应的标准化特征向量W，即AW = λ _W，其中W的分量:w1;w2，就是相应的η个因素的重要性，即权重或者权系数；
[0016]104:进行一致性检验，确定矩阵具有一致性；
[0017]所述的一致性检验具体为:
[0018]I)计算矩阵的一致性指标C.1.,
【权利要求】
1.一种基于层次分析法选取小波基的图像去噪方法，其特征在于，包括以下步骤: 步骤S1:选取用来评价图像去噪结果的指标，采用层次分析方法，建立了相对重要性判断矩阵，对各个指标的权重进行了量化分析，并经一致性检验可靠； 步骤S2:基于指标的权重分析，选取小波基，采用小波分析法对图像进行去噪。
2.根据权利要求1所述的一种基于层次分析法选取小波基的图像去噪方法，其特征在于，所述的步骤SI具体包括: 101:选取峰值信噪比、均方差、平均亮度、平均对比度、三阶矩、一致性、熵作为评价图像去噪结果的指标，设为因素A1, A2,...,An, η = 7 ； 102:基于因素An构建不同层次，对比因素An之间的重要性，得到相对重要性标度aij;au表示Ai对比Aj的重要性,且au = IVaji,进而获得nXn的判断矩阵A = )； 103:对于矩阵Α，先求出其最大特征根λ max，再求出其相应的标准化特征向量W，即AW=λ _W，其中W的分量=W1，w2，就是相应的η个因素的重要性，即权重或者权系数； 104:进行一致性检验，确定矩阵具有一致性。
3.根据权利要求2所述的一种基于层次分析法选取小波基的图像去噪方法，其特征在于，所述的一致性检验具体为: 1)计算矩阵的一致性指标c
2)计算平均随机一致性指标R.1.，由多次重复进行随机判断矩阵特征值的计算，取算术平均得到； 3)计算一致性比例
当C.R.< 0.1，确定矩阵具有一致性。
4.根据权利要求2所述的一种基于层次分析法选取小波基的图像去噪方法，其特征在于，所述的相对重要性标度采用的比例标度为1-9标度。
5.根据权利要求1所述的一种基于层次分析法选取小波基的图像去噪方法，其特征在于，所述的步骤S2具体包括: 201:使用DWT进行图像信号的分解，将层次分析法引入到综合评分法中以确定各个指标的权重，通过综合评分法以确定最优的小波基，其基本表示为
，其中，P为总得分，Wi为各个指标的权重，Pi为各个分项指标的得分，然后确定小波分解层次N，计算Y = Wy，其中y是一个I X N的输入向量，W是一个(L+1) NX N的矩阵，L是一个水平数或分解尺度，Y是(L+1)NX1的输出向量； 202:对小波分解的高频系数进行阈值化处理，在小波域选择合理的阈值，对小波系数进行阈值截断，保留部分系数； 203:对图像信号X进行重构，利用剩余的系数重建图像信号X，即计算X = W_iX。
【文档编号】G06T5/00GK104182935SQ201410392521
【公开日】2014年12月3日 申请日期:2014年8月11日 优先权日:2014年8月11日
【发明者】翟永梅, 陈刚, 赵琪 申请人:同济大学