[发明专利]基于曲波与小波变换相串联的光学图像去噪方法

说明书

技术领域

本发明涉及图像处理领域，特别是涉及一种基于曲波与小波变换相串联的光学图像去噪方法。

背景技术

光学遥感图像在获取和传输过程中通常会受到噪声污染，对图像目标的准确识别不利，因此研究高光谱图像的去噪技术非常必要。传统的图像噪声消除或抑制方法可分为频域滤波方法和空域平滑方法，其缺点是都损失了大量的图像信息。小波变换因其具有对信号进行时、频局域分析的能力，在一维信号与二维信号去噪中得到广泛应用，如平移不变量小波去噪、基于投影原理的匹配追踪去噪以及多小波去噪、利用小波变换的模极大值去噪、基于各尺度下小波系数相关性去噪、采用非线性小波变换阈值法去噪等。

但因一维小波的张量积所张成的二维及高维小波具有各向同性的特点，其方向性选择有限，即水平、垂直和对角，多方向的缺乏使其虽能捕获“点”的奇异信息，却不能“最优”表示具有线或者面奇异的高维函数，即无法有效表示含有曲线奇异的信息，如图像条带噪声。针对小波变换的这种局限性，人们建立了一种特别适合于表示各向奇异性的多尺度方法—脊波变换(Ridgelet Transform)。由于脊波本质上是通过对小波基函数添加一个表征方向的参数得到的，所以它不但和小波一样有局部时频分析的能力，而且还具有很强的方向选择和辨别的能力,可以非常有效地表示信号中具有方向性的奇异特征，如图像的线性轮廓等，这是小波方法所不能做到的。大量实验表明，脊波在直线特征的表示和提取中非常有效，为了进一步表示多维信号中更为普遍的曲线型奇异性，Candes和Donoho于1999年提出曲波变换(Curvelet Transform)，用多个尺度的局部直线来近似表示整条曲线。其在描述曲线奇异性及图像边缘时显示出比小波变换更优的特性，但算法实现较为复杂，数据冗余量巨大。为此，Candes和Donoho于2004年提出第二代曲波变换。之后，Candes等人于2005年提出两种快速离散曲波变换(FDCT)的实现方法，其数字实现更加简单，并减少了原有方法所带来的数据冗余。

Starck等人第一次将离散曲波变换应用于图像去噪算法，因Curvelet变换具有多尺度及良好的方向特性，噪声信息和边缘信息能够很好地分开，在保持边缘的同时，使噪声抑制达到了一个很好的效果。之后，一些针对曲波变换阈值法易产生振铃、伪吉布斯效应等视觉失真问题的改进算法不断提出，如平移图像来改变不连续点位置的平移不变量去噪法；基于曲波变换的贝叶斯估计的自适应去噪法和基于曲波与遗传算法相结合的图像去噪法等。

现有的去噪方案多是单独针对曲波变换或单独针对小波变换进行的。分别介绍如下：

①单独的曲波去噪，是首先对图像进行曲波变换，将图像空间域信息转化成曲波域的时频信息，然后针对不同方向，不同尺度上的曲波高频系数进行处理，最后进行曲波逆变换，得到重构图像，达到去噪目的。该方法的优点：能够刻画曲线的奇异性，光学条带噪声主要是线状的奇异，因此，曲波对这类噪声的刻画比小波更具优势。该方法的缺点：各方向各尺度上的噪声系数的阈值难以确定。

②单独的小波去噪，是首先对图像进行小波变换，将图像空间域信息转化成小波域的时频信息，然后针对不同尺度上的小波高频系数进行降噪处理，最后进行小波逆变换，得到重构图像，达到去噪目的。该方法的优点：各尺度上的噪声系数的阈值有较成熟的确定方法。该方法的缺点：对线状的奇异性无法有效地刻画。

发明内容

本发明的目的是提供一种基于曲波与小波变换相串联的光学图像去噪方法，以解决现有技术中单独使用曲波变换和小波变换去噪的缺点，充分发挥两者串联使用时的各自优势。

为解决上述技术问题，作为本发明的一个方面，提供了一种基于曲波与小波变换相串联的光学图像去噪方法，包括：步骤1，选择光学数据带具有噪声的波段的待处理图像；步骤2，对待处理图像进行Curvelet正变换，从而得到多尺度多方向上的Curvelet变换系数；步骤3，将Curvelet变换系数作为小波变换去除系数中的噪声数据，进行小波变换降噪处理，并进行小波逆变换得到降噪处理后的Curvelet变换系数；

步骤4，对降噪处理后的Curvelet变换系数做Curvelet逆变换，从而获得去噪重构图像。

进一步地，步骤1还包括：将图像裁剪为方形的图像，且将图像大小处理成2n以得到待处理图像，其中n为正整数。