[发明专利]基于邻域加窗的小波图像去噪方法

说明书

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f^=A1+H^1+V^1+D^1.]]>

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H₁、垂直细节系数V₁和对角细节系数D₁的频率特性分别选择相应的均值滤波模板w_ζ  ζ＝H，V，D；

2)为滤波模板分别进行加窗；

3)进行滤波操作：g(x,y)=1MΣ(x,y)∈Sf(x,y)wζw(n)]]>ζ＝H，V，D

其中S是以(x，y)为中心的邻域中点的集合，M是S内的点数，g(x，y)为滤波后子带系数。