[发明专利]基于表面波变换的自适应阈值视频去噪方法

说明书

技术领域

本发明属于图像处理领域，涉及图像去噪，可用于视频图像和三维图像的去噪。

背景技术

视频图像在采集和传输过程中常常会受到各种噪声的影响，使得视频图像质量变差，导致视频图像中的重要信息丢失。在对视频图像进行处理或者应用时，如何保留视频图像中的有用信息，如何捕捉视频图像中的曲面奇异，是一个热点也是一个难点。

Minh N.Do和Martin Vetterli在2001年提出了一个双重滤波器组的方法，从而得到具有光滑轮廓的典型图像的稀疏表示。它对图像的展开是由轮廓片段所组成的一个框架，于是被称为Contourlet。Contourlet变换是一种“真正”的图像二维表示方法，为图像表示提供了一种灵活的、多分辨的、局部的和方向性的扩展。但是由于Contourlet变换采取了下采样操作，缺乏平移不变性，且具有4/3的冗余度，会产生吉布斯现象，使得去噪后的图像失真。Cunha等人通过结合非下采样的塔式分解和非下采样的DFB，实现了非下采样Contourlet变换NSCT。NSCT继承了Contourlet的多尺度和多方向性，同时还具备平移不变特性，可以有效消除吉布斯现象。但是，Contourlet变换和非下采样Contourlet变换都只能处理二维信号，不能直接对三维信号甚至多维信号进行处理。

Yue M.Lu和Mimh N.Do将DFB扩充到高维，从而构成多维方向滤波器组NDFB，通过多尺度金字塔和NDFB的结合提出了表面波Surfacelet，Surfacelet变换的多尺度分解定义在频域，它能有效捕获和表示光滑表面信号奇异性，具有多方向分解、高效率的树状结构滤波器组、完全重构和底冗余等性质，非常适合视频处理。

在上述变换域中，采用阈值处理是一种最常用的比较好的图像去噪方法。阈值的选取常常是阈值去噪算法中的关键，阈值选取的过小会导致不能充分地去除噪声；相反，阈值选取的过大会对信号产生过扼杀现象，丢失信号的部分重要信息，会导致去噪后的图像过模糊现象。

在变换域中常用的阈值方法有Donoho等人提出的Visual shrinkage方法，Q.Pan等人提出的3σ法，M.Vetterli和B.Yu提出的基于最小风险的BayesShrink方法，Lakhwinder Kaur等人提出的NormalShrink方法。

上述的阈值方法并没有考虑方向结构信息和空间邻域信息，因此在细节和背景信息丰富的视频图像去噪中并不能得到理想的去噪效果。

在利用Surfacelet变换对视频图像进行去噪的过程中，传统的阈值方法并没有考虑系数在尺度内的邻域相关特性和方向结构信息及噪声在不同尺度的分布特征，因此不能充分的去除噪声，导致边缘模糊以及重要细节信息被扼杀等现象。

发明内容

本发明的目的在于克服上述已有方法的缺点，提出了一种基于表面波变换的自适应阈值视频去噪方法，以改善图像边缘模糊和噪声去除不充分的等现象，提高视频的去噪效果。

为实现上述目的，本发明包括如下步骤：

(1)输入含噪的视频图像，并对其进行Surfacelet变换，分解层数为4层，每层对应的方向数分别为192、192、48、12；

(2)对Surfacelet变换域中的系数按以下公式计算各层各方向子带系数的初始阈值：

Tl,k=log(Ll,k/J)(δl,kn)2/δl,k,]]>