[发明专利]基于NSCT系数的3D方向窗图像去噪方法

说明书

技术领域

本发明涉及一种基于NSCT系数的3D方向窗图像去噪方法。

背景技术

随着科技的发展，数字图像的应用变得越来越普及。在当今时代，无论是生活中的照片，医疗中的CT、磁共振图像和超声图像，还是科研生产领域的遥感图像、SAR图像等，在其生成和传输过程中总会受到噪声的污染，影响图像的质量，严重的会使图像内容不可用，甚至产生歧义，从而产生巨大危害。因而图像去噪在图像处理中始终占有重要地位。

在图像去噪中，应用最广的去噪算法当属基于小波阈值的方法。但小波变换应用到图像处理方面存在很多缺点，多尺度分析方法便应运而生。在多尺度相关性的去噪算法中，最经典的当属基于小波尺度间相关性的SSNF算法。在域变换去噪算法中，很多的多尺度算法也都结合了相关性算法获得了新的去噪方法，这些算法大多基于尺度间相关性。然而在多尺度系数的方向子块间，同样存在着巨大的相关性，其中NSCT变换不仅保留了Contourlet变换的稀疏性，且具有平移不变性，适合用于图象的去噪，融合和特征提取等。在算法方面，NSCT基于滤波器组，具有巨大的优化潜力，具有极高的应用价值。正因如此，基于NSCT变换的去噪算法是当前的研究热点，而基于方向相关性的去噪也是较为新颖的思路。

发明内容

为弥补现有技术的不足，本发明提供一种种基于NSCT系数的3D方向窗图像去噪方法。

为实现上述目的，本发明采用如下技术方案：

一种基于NSCT系数的3D方向窗图像去噪方法，该方法的实现步骤如下：

Step1：对含噪图像x(i，j)做NSCT变换得到子块y(n，i，j)，其含有N个尺度和K个方向；

Step2：在n＝1时取出在k尺度下的信息y{n}(k，i，j)；

Step3：取出y{n}(k，i，j)在k方向上的信息y{n}{k}(i，j)，将y{n}{k}(i，j)与相邻方向子块做平均得到y1{n}{k}(i，j)；

Step4：如果k＝K不成立，则k＝k+1并返回step3继续执行；反之将所有K方向上的y1{n}{k}(i，j)相加，得到y1{n}(k，i，j)；

Step5：取出y1{n}(k，i，j)在k方向上的信息y1{n}{k}(i，j)，用带方向的高斯核函数对y1{n}{k}(i，j)进行滤波；

Step6：利用小于某个阈值的值皆设为0的原则得到y1{n}{k}(i，j)的极值点，利用y1{n}{k}(i，j)的极值点对y{n}{k}(i，j)的值进行取舍；

Step7：如果k＝K不成立，则k＝k+1并返回step5继续执行；反之将所有K方向上的y{n}{k}(i，j)相加，得到去噪后的y{n}(k，i，j)；

Step8：如果n＝N不成立，则n＝n+1并返回step3继续执行；反之将y{n}(k，i，j)相加得到去噪后的系数y(n，k，i，j)；

Step9：对y(n，k，i，j)进行逆NSCT变换得到去噪后的图像。

所述step5中高斯核函数为其中l_k(i，j)是k方向上的线段；A为高斯核高度，σ为高斯核方差。

所述step3中对子块y{n}{k}(i，j)和相邻方向子块做平均的公式：