一种快速有效保留边缘及方向特征的图像去噪方法
【专利摘要】一种快速有效保留边缘及方向特征的图像去噪方法，图像经过小波变换后，低频子图像集中了原图像的大部分能量噪声，进行二次维纳滤波突出融合图像的细节；由于图像噪声主要集中在三个不同方向的小波高频子图部分，其系数较小，利用奇异值分解进行去噪处理，将高频对角线子图旋转至行列方向后，与高频行、列方向子图一起进行奇异值分解，为避免丢失掉边缘细节信息，同时还对高频子图进行边缘提取和保留；最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像。其中奇异值重构图像所需的奇异值个数由图像的峰值信噪比和传统方法共同确定。
【专利说明】-种快速有效保留边缘及方向特征的图像去噪方法
【技术领域】
[0001] 本发明属于信号与信息处理领域，特别设及一种适用于图像在生成或传输过程中 出现的含噪图像的图像去噪方法。
【背景技术】
[0002] 图像在生成或传输过程中因受到各种噪声的干扰和影响，不可避免的会出项降 质现象，存在不同程度的边缘模糊、局部和整体的对比性较差等问题，该对后续图像的处理 (如分割、压缩和图像理解等）会产生不利影响。因此对图像进行去噪处理提高图像质量， 是图像处理中的一项基础而重要的工作。
[0003] 小波变换采用了多分辨率的方法，具有低滴性、去相关性和选基的灵活性，而图像 的噪声信息主要集中在其小波域的高频部分，因此可W利用小波理论将信号与噪声分开。 小波阔值萎缩法去噪的基本思想是：图像经多尺度分解得到的小波系数具有不同的分布 特性，噪声和细节信息主要在高频段，对应绝对值较小的小波系数，并且噪声具有相同的幅 度；小波变换通过不断的分层，使得信号拆分成各种频段（根据采用频率而定），而该一过 程要用到低通滤波器和高通滤波器，而小波去噪就是在高频部分（因为通常白噪声出现在 高频部分）改变数字量，运用一些算法去除一些混有噪声的数字，然后再运用重构低通滤 波器和高通滤波器把刚刚分层的频段加起来。
[0004] 化值aubechies)系列小波的特点是随着阶次增大，消失矩阶数越大，频带划分效 果越好，但是会使时域紧支撑性减弱，同时计算量大大增加，实时性变差.因此，在进行阶 次选择时，不但要注重算法本身的效果，也应兼顾算法的效率。
[0005] 而图像的有用信息集中在低频段，对应绝对值较大的小波系数。因此选择一个合 适的阔值，对小波系数进行阔值处理，就可W达到去除噪声而保留有用信号的目的。然而去 噪的同时也丢失了一些有用的边缘细节信息。而边缘特性是图像中最有用的细节信息，是 图像对视觉最重要的特征，因此，在进行图像去噪的同时应该尽量保留图像的边缘特征。
[0006] 奇异值分解（Singular Value Decomposition, SVD)是一种非线性滤波，具有良 好的数值稳健性。图像矩阵的奇异值及其特征空间反映了图像中的不同成分和特征，一般 认为较大的奇异值及其对应的特征向量表示图像信号，而噪声反映在较小的奇异值及其对 应的特征向量上。根据一定的选择口限，低于该口限得奇异值置零（截断），然后通过该 些奇异值及其对应的特征向量重构图像进行去噪，不但可W处理不同类型的图像和噪声， 且无需有关噪声的先验知识。考虑到图像的局部平稳性，又提出了图像分块奇异值分解去 噪算法。但是一般简单的奇异值滤波方法没有考虑到奇异值滤波的方向性特点，而图像的 噪声仅分布在小波变换频率域的高频部分，又由于该些高频部分具有水平、垂直、对角线 (45° 7135° )方向特性，因此可W考虑对小波变换后的S个方向高频部分进行奇异值分 解来达到滤波去噪的目的。
[0007] 另外，由于传统的奇异值分解去噪过程中重构图像所需的奇异值个数依赖于传统 经验值，或是通过多次计算比较不同奇异值个数重构图像的图像质量来确定，该样影响到 图像的去噪效果，还严重影响了算法的时效性。
[000引本发明基于上述分析，旨在提出一种适用于图像在生成或传输过程中出现的含噪 图像的图像去噪方法，提高图像复原的快速性和去噪质量。
【发明内容】
[0009] 本发明的目的，提供一种快速有效保留边缘及方向特征的运动模糊图像复原方 法，其可为无人机实现自主避障的航迹规划提供数据量小且有效的障碍点识别提取方法， 可提高无人机航迹规划的实时性和安全性。
[0010] 为了达成上述目的，本发明的解决方案是：一种快速有效保留边缘及方向特征的 运动图像去噪方法，即运动模糊图像复原方法，图像经过小波变换后，低频子图像集中了原 图像的大部分能量噪声，进行二次维纳滤波W利于突出融合图像的细节；由于图像噪声主 要集中在=个不同方向的小波高频子图部分，其系数较小，可W利用奇异值分解进行去噪 处理，将高频对角线子图旋转至行列方向后，与高频行、列方向子图一起进行奇异值分解， 为避免丢失掉边缘细节信息，同时还对高频子图进行边缘提取和保留；最后将去噪后的低 频和高频子图进行小波反变换重构出最终的去噪图像。其中奇异值重构图像所需的奇异值 个数由图像的峰值信噪比和传统方法共同确定。
[0011] 本发明为了解决上述技术问题采用W下技术方案；本发明设计了一种保留边缘及 方向特征的图像去噪方法，包括如下步骤：
[0012] 步骤001，图像小波变换，对带有高斯白噪声的图像采用Db3小波进行2层小波分 解，得到低频化子图、一层高频水平LiHi子图、一层高频垂直H山子图、一层高频对角线H化 子图、二层高频水平L2H2子图、二层高频垂直H2L2子图和二层高频对角线H2H2子图；
[0013] 步骤002.对低频化子图进行二次维纳滤波平滑；
[0014] 步骤003.对所有高频子图进行利用方向特性的奇异值分解去噪处理；
[0015] 步骤004.对所有高频子图还采用方向边缘检测算子提取边缘灰度子图特征；
[0016] 步骤005.对得到的奇异值分解去噪高频子图和对应的边缘提取高频灰度子图 一一对应取极大，即去噪图像中与边缘灰度图像中对应的像素点用边缘灰度子图的像素值 代替，得到边缘灰度子图的像素保留的去噪高频子图。
[0017] 步骤006.对步骤002得到的维纳滤波平滑的低频化子图像和步骤005得到的所 有高频子图进行小波逆变换，重构出最终的去噪图像。
[0018] 作为本发明的一种优选技术方案；所述步骤003中，具体包括如下步骤：
[0019] 步骤00301.对水平方向和垂直方向的高频子图直接进行奇异值分解矩阵A = USyT，其中，节1 为二维原图像B受到噪声X污染后的图像，矩阵A的秩为m， rank(A) = m(m《I2)，=的，"2，...馬1) e 巧'iX'嘴^ = (t'l，>'2....，Vh) G 巧'如分别为 A 的左奇异 矩阵和右奇异矩阵，U和V的12列向量分别为A的左奇异向量和右奇异向量，S e及为奇 异值阵，其对角线元素A A > A E> 0为矩阵的非零奇异值，A i为矩阵A的第 i个奇异值。
[0020] R为二维数字图像矩阵所有像素，li和12为二维数字图像矩阵的行列值即行与列 向量（包括A、B、X、U、V和S矩阵）。
[0021] 步骤00302.利用步骤00301获得的水平方向和垂直方向高频子图奇异值进行图 像重构得到去噪图僖
【权利要求】
1. 一种快速有效保留边缘及方向特征的图像去噪方法，其特征在于：图像经过小波变 换后，低频子图像集中了原图像的大部分能量噪声，进行二次维纳滤波突出融合图像的细 节；由于图像噪声主要集中在三个不同方向的小波高频子图部分，其系数较小，利用奇异值 分解进行去噪处理，将高频对角线子图旋转至行列方向后，与高频行、列方向子图一起进行 奇异值分解，为避免丢失掉边缘细节信息，同时还对高频子图进行边缘提取和保留；最后将 去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像。
2. 如权利要求1所述的快速有效保留边缘及方向特征的图像去噪方法，其特征在于： 包括如下步骤：所述奇异值重构图像所需的奇异值个数由图像的峰值信噪比和传统方法共 同确定。
3. 如权利要求1所述的快速有效保留边缘及方向特征的图像去噪方法，其特征在于， 包括如下步骤： 步骤001.对带有高斯白噪声的图像采用Db3小波进行2层小波分解，得到低频LL子 图、一层高频水平L1H1子图、一层高频垂直HA1子图、一层高频对角线HA子图、二层高频水 平L2H2子图、二层高频垂直H2L2子图和二层高频对角线H2H2子图； 步骤002.对低频LL子图像进行二次维纳滤波平滑； 步骤003.对所有高频子图像进行利用方向特性的奇异值分解去噪处理； 步骤004.对所有高频子图像还采用方向边缘检测算子提取边缘； 步骤005.对得到的奇异值分解去噪高频子图像和对应的边缘提取高频灰度子图像 一一对应取极大，即去噪高频子图像中与边缘灰度子图像中对应的像素点用边缘灰度图像 的像素值代替，得到边缘保留的去噪高频子图像； 步骤006.对步骤002得到的维纳滤波平滑低频LL子图像和步骤005得到的所有高频 子图进行小波逆变换，重构出最终的去噪图像。
4. 如权利要求3所述的快速有效保留边缘及方向特征的图像去噪方法，其特征在于， 所述步骤003中，具体包括如下步骤： 步骤00301.对水平方向和垂直方向的高频子图直接进行奇异值分解A=USVT，其 中，We7?/x/K2/2)为二维原图像B受到噪声X污染后的图像，矩阵A的秩rank⑷= m(m<I2)，= eZ?"6和J7 = (VillV2,...,^) ￡#斗分别为A的左奇异矩阵和右奇 异矩阵，U和V的I2列向量分别为A的左奇异向量和右奇异向量，为奇异值阵，其 对角线元素AA2彡..?彡AK> 0为矩阵的非零奇异值，Ai为矩阵A的第i个奇异 值；1为图像的行值； 步骤00302.利用步骤00301获得的水平方向和垂直方向高频子图奇异值进行图像重
，k为重构所需的奇异值数目k(kSm)，Y为重构所需的奇异 值阈值，得到去噪图像 步骤00303.将对角线方向高频子图旋转45° (135° )至水平方向，得到一个包含原 图像的更大图像，对其中的非原图像部分用原图像的平均灰度值进行填充，然后进行奇异 值分解A=USVT，其中，ie >/2)为二维原图像B受到噪声X污染后的图像，矩阵A的 秩rank⑷=m(m彡I2)，C/= (MpMy5Mn)ei?/lX'2 和F= (VpVvA2)ei?/lX/:分别为A的左 奇异矩阵和右奇异矩阵，U和V的I2列向量分别为A的左奇异向量和右奇异向量，Sei?/|X/2 为奇异值阵，其对角线元素XX2彡...彡XK> 〇为矩阵的非零奇异值，Xi为矩阵A 的第i个奇异值。 步骤00304.利用步骤00303获得的旋转后对角线方向高频子图的奇异值进行图像重
(入y)，k为重构所需的奇异值数目k(k彡m)，Y为重构所需的奇异 值阈值，得到去噪图像2 ; 步骤00304.在旋转后对角线方向高频重构子图中裁减出原图像部分； 步骤00305.裁减得到的原图像部分经逆旋转得到去噪后的对角线方向高频图像。
5. 如权利要求3所述的快速有效保留边缘及方向特征的图像去噪方法，其特征在于， 所述步骤004中，具体包括如下步骤：
算子分别检测水平方向和竖直方向高频子图像的边缘信息，得到水平方向和竖直方向的高 频子图像的边缘二值图像；
子图边缘二值图像； 步骤00403.将水平方向、竖直方向和对角线方向的高频子图边缘二值图像恢复成与 原图像灰度一致的新边缘灰度图，当边缘图像像素值为1时，恢复其灰度值，否则置零；计
坐标。
6. 如权利要求4所述的快速有效保留边缘及方向特征的图像去噪方法，其特征在于， 所述步骤00302中，包括奇异值重构所需个数k和重构奇异值阈值Y的确定方法，具体包 括如下步骤：
像的行、列值，O为噪声方差； 步骤0030202.在y上限内对图像进行了 1?i次重构，y<An，i为奇异值阈值 对应的奇异值个数；每次重构使用前i个奇异值，计算每次重构图像的峰值信噪比PSNR，
图像的像素灰度值，x，y为像素坐标； 步骤0030203.选取所有重构图像中峰值信噪比最高PSNR的那幅图像对应的重构奇异 值数为所需的重构奇异值数k。
【文档编号】G06T5/00GK104504652SQ201410532412
【公开日】2015年4月8日 申请日期:2014年10月10日 优先权日:2014年10月10日
【发明者】王敏, 周树道, 彭文星, 汪晋, 常昊天 申请人:中国人民解放军理工大学