[发明专利]基于二维Otsu的轮廓波域维纳滤波图像去噪方法

说明书

技术领域

本发明属于图像处理技术领域，涉及含噪情况下自然图像的去噪，可用于森林资源调查、环境变化评估、医学影像等领域的数字图像预处理。

背景技术

由于受各种条件的限制，图像在获取、编码、传输过程中会受到各种各样的噪声影响，图像去噪解决了由噪声干扰导致的图像质量下降问题，抑制了噪声影响，提高了图像质量，因此图像去噪技术在很多领域中都占据着重要位置。

图像去噪方法中应用广泛的是基于小波变换和轮廓波变换的滤波方法，轮廓波变换采用可调的长方形基函数，能准确地将图像中的边缘捕获到不同尺度、不同方向的子带中，实现了对图像信号的稀疏分离，因此十分适合去噪。

X Li等在文献“Image Denoising via Doubly Wiener Filtering with Adaptive Directional Windows and Mean Shift Algorithm in Wavelet Domain.ICMA，2010：114-118.”中提出了一种基于自适应窗口的小波域双维纳滤波去噪方法。该方法首先对含噪图像进行一次维纳滤波得到参考图像，再利用均值漂移对参考图像进行分割，然后变换到小波域估计信号方差，对含噪图进行第二次维纳滤波。该方法的缺点是第一次维纳滤波时图像信号损失过多，导致估计的信号方差误差过大，去噪图像噪声残留过多。

Z.F.Zhou等在文献“Contourlet-based Image Denoising Algorithm using AdaptiveWindows.ICIEA，2009：3654-3657.”中提出了一种基于自适应窗口的轮廓波域维纳滤波去噪方法。该方法首先在高频子带内选择各向异性窗口，然后对高频系数进行该窗口的维纳滤波。该方法的缺点是轮廓波不具有平移不变性且维纳滤波的萎缩因子选取不够准确，导致去噪图像含有伪Gibbs现象且噪声有残留。

Q Zhao等在文献“Q Zhao，B Ye，J.L.Cao.Image Denoising Based on Improved Non-local Means and Nonsubsampled Contourlet Transform Wiener Filtering.Journal of Computational Information Systems，2010，6(2)：601-610.”中提出一种基于非局部均值的NSCT域维纳滤波去噪方法去噪方法，该方法首先对图像进行非局部均值预滤波去除大噪声，然后将滤波后图像变换到非下采样轮廓波(Non-Subsampled Contourlet，NSCT)域，对NSCT高频子带进行方形窗口的维纳滤波。该方法的缺点是第一步非局部均值预滤波时图像信号损失过多，导致估计的维纳萎缩因子过小，去噪图像仍含有很多噪声。

发明内容

本发明的目的在于针对上述去噪方法的不足，提出一种基于二维Otsu的轮廓波域维纳滤波图像去噪方法，以保持图像细节，减少噪声残留，提高去噪图像的清晰度。

为实现上述目的，本发明的实现步骤包括如下：

(1)对大小为A×B的含噪图像TI先进行轮廓波分解，分解层数为3，第一层分解得到16个高频子带，第二层分解得到8个高频子带，第三层分解得到8个高频子带，再采用绝对值中值法估计含噪图像TI的噪声noise_TI；

(2)采用二维Otsu分别对以上分解出的各个高频子带进行分割，将高频子带中的系数分为重要系数和非重要系数；

(3)用含噪图像TI的噪声noise_TI分别估计各个高频子带的噪声方差并计算各个高频子带的椭圆窗口P；

(4)对各个高频子带进行维纳滤波：

(4a)根据椭圆窗口P计算高频子带中点(i，j)处的信号方差：