[发明专利]基于shearlet变换和维纳滤波的图像去噪方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及图像预处理领域中基于shearlet变换和维纳滤波的图像去噪方法。可应用于含有高斯白噪声的光学灰度图像去噪，以获得具有高信噪比的更清晰的图像。本发明应用于图像分析、图像预处理中可以有效地减少图像中的噪声，尤其是对于含有高斯噪声的图像，能够取得更好的去噪效果，更能满足人的视觉心理和实际应用的要求。

背景技术

在图像预处理领域中，为了去除原始图像中含有的高斯白噪声，以得到高质量、高信噪比的清晰图像，并为图像后处理提供有利条件而采用图像去噪的方法。目前图像去噪方法主要采用基于小波变换的阈值去噪方法和基于小波变换的维纳滤波去噪等方法来实现图像去噪。

电子科技大学拥有的专利技术“一种基于偏微分方程的双树复小波图像去噪方法”(公开号：CN101777179A，授权日：2012年02月15日，申请日：2010年02月05日)中公开了一种基于偏微分方程的双树复小波图像去噪方法。该方法首先对输入的含噪图像进行双树复小波变换分解，并对分解后的两个低频子带图像进行各向同性扩散；再设计改进的自适应模型，计算每个方向上高频细节子带图像的双树复小波变换模和梯度模，利用双树小波变换模和梯度模的加权平均来设计一种自适应的扩散系数函数来改进P-M模型；然后对改进的自适应模型离散化处理，并对六个高频子带图像进行各向异性扩散；最后进行双树复小波逆变换，输出去噪后的图像。该方法虽然具有较好的区分噪声和信号的能力，但是仍然存在的缺点是，双树复小波变换缺乏平移不变性，导致得到的去噪后图像出现失真，主要表现为振铃效应和伪Gibbs效应。此外此方法在去噪时没有考虑到在小波分解的不同尺度上噪声对图像干扰程度的不同，因此不能达到很好的去噪效果。

田沛等人在文献“田沛，李庆周，马平，牛玉广，‘一种基于小波变换的图像去噪新方法’[J]，中国图形图像学报，13(3)，395-399(2008)”中提出了基于小波变换和维纳滤波的图像去噪方法。该方法首先对图像进行小波变换；然后根据高斯噪声的小波系数和图像的小波系数之间存在的不同特点，对不同尺度不同方向上的小波系数进行维纳滤波；最后对滤波后的小波系数进行逆小波变换，得到去噪后图像。此方法虽然能提高图像的峰值性噪比(PSNR)，并且能够保留更多的图像细节信息。但是仍然存在的缺点是，小波变换不能很好的表达图像中的各向异性的细节信息，因此不能很好地去除各向异性的图像中含有的噪声。

综上所述，基于小波变换的图像去噪方法在图像去噪方面虽然获得了较好的效果。但是小波变换不能很好的表达图象的各向异性信息，如数字图像中的边缘信息以及线状特征信息，所以在利用基于小波变换的去噪方法得到的去噪后图像中，图像中的边缘和细节位置上不可避免出现一定程度的模糊现象。

发明内容

本发明的目的是针对现有技术基于小波变换的图像去噪方法导致的图像去噪效果不理想和图像失真的缺点，提出了基于shearlet变换和维纳滤波的图像去噪方法。在本发明中对图像的基于shearlet变换的分解原理包括了对称扩展，剪切变换和小波包分解的三部分。本发明充分利用shearlet变换对图像进行分解得到的分解系数能够更好的表现出图像的细节信息的优点，同时利用维纳滤波能够较好去除高斯白噪声的特点，将shearlet变换和维纳滤波相结合以进行图像去噪。最终得到的去噪后图像即能有效地抑制噪声，又能保留图像更多的细节信息。

本发明实现的具体步骤如下：

(1)输入源图像

在计算机中应用matlab软件读取存储在计算机硬盘空间中的源图像。

(2)对称扩展

2a)对源图像进行水平对称扩展，以图像的两条垂直边界线中的某一条为对称轴，按水平扩展公式将图像映射到对称轴的另一边，得到水平扩展图像；

2b)对源图像进行垂直对称扩展，以图像的两条水平边界线中的某一条为对称轴，按垂直扩展公式将图像映射到对称轴的另一边，得到垂直扩展图像。

(3)剪切变换

对步骤(2)中得到的扩展后图像按剪切变换公式进行剪切变换，并将剪切变换后的图像存入计算机内存。

(4)小波包分解

利用离散小波包分解工具分别对剪切变换后图像进行小波包多尺度分解，得到分解后的低频系数和高频系数，存入计算机内存。

(5)维纳滤波

5a)读取步骤(4)中所有的高频系数；

5b)利用维纳滤波器工具对步骤5a)中读取的高频系数进行维纳滤波处理，得到滤波后的高频系数，将滤波后的高频系数存入计算机内存。