[发明专利]一种基于曲率变分的小波变换图像去噪算法

说明书

技术领域

本发明属于数字图像处理技术领域，特别是涉及一种基于曲率变分的小波变换图像去噪算法。

背景技术

随着数字图像处理技术深入发展和广泛应用，对数字图像处理的质量要求越来越高。在实际应用中，数字图像的产生和传输都会夹杂一些随机脉冲或其他噪声干扰，这严重影响了图像的质量，因此，在对图像进行边缘检测、对比度增强和图像分割等处理之前，图像去噪便是图像处理的首要任务。现阶段图像去噪有2大主流方法：即偏微分方程(Partial Differential Equation,PDE)图像去噪和小波去噪。

Rudin L I,Osher S,Fatemi E.Nonlinear Total Variation Based Noise Removal Algorithms[J].Physica D,1992,60(1-4):259-268一文中，提出了基于图像全变差的正则化模型(TV模型)，较好地保持了图像的边缘纹理等细节特征。随后，Huang.YM等在TV模型的基础上，利用最大后验估计和对数变量，提出了二项数据保真项乘性噪声去除模型，并获得了较好的降噪效果。上述二阶偏微分降噪方法在去除噪声的同时，很好地保持了边缘，但在图像平滑区域会产生“块效应”，即阶梯效应，图像在处理后某些区域灰度相同。小波去噪是图像去噪的又一种方法，小波分析理论基于尺度空间和多分辨率分析理论，将一幅图像分解到多个尺度进行时频域双重表达和处理。小波变换在信号的特征提取、数据压缩、奇异点检测等方面都得到了广泛应用。Donoho D L,Johnstone I M.Threshold Selection for Wavelet Shrinkane of Noisy Data「A」In:Proceedinns 16th Annual International Conference of the IEEE[C].Pscatawav,N J,USA,1994,(1):24-5一文中，提出了算法能够较好地估计噪声方差，并去除图像中的噪声，但是该算法有可能将图像高频子带中的小波系数误认为是噪声系数而被去除，这会导致图像的边缘、纹理等细节信息丢失。如今，在扩散滤波及其延伸的方法方面，人们对上述两种方法之间的联系产生了兴 趣。有的研究表明，偏微分方程方法一步迭代扩散的结果对应Haar小波去噪的一步萎缩，但这只是针对Haar小波的研究，具有一定的局限性。还有的研究得出了连续小波阈值与偏微分方程之间的关系，在图像处理中，实际观测到的是离散信号，因此，研究离散小波阈值变换和偏微分方程之间的关系具有很重要的现实意义。

除上述之外，中国专利201210118169.8公开了一种“基于区域划分的自然图像去噪方法”其去噪步骤包括：(1)对输入的待去噪图像进行二维平稳小波变换，将高频系数值置零后反变换，得到重构图像；(2)提取重构图像的结构信息，得到图像结构草图；(3)利用图像块的统计特征和图像结构草图，将含噪原图像分为结构区域、光滑区域和非光滑区域；(4)对光滑区域用改进的非局部均值方法进行去噪，对非光滑区用BM3D方法去噪，对结构区域用基于方向特征的BM3D方法进行去噪；(5)将结构区域、光滑区域和非光滑区域的估计结果合并，得到最终去噪图像。虽然该方法能够解决现有三维块匹配去噪算法去噪后的图像存在斑块现象，适合于对自然图像的预处理，但该方法还存在以下明显不足：一是步骤(4)所述利用方差判断光滑区域，判断参数δ＝6的选取有很大的随机性，影响光滑区域判断的准确性，进一步影响去噪的效果；二是步骤(3)所述以primal sketch线上的每个点为中心，沿着primal sketch线段的方向做7*7窗口来划分结构区域和非结构区域，窗口大小的选择影响去噪效果；三是该方法将现有各方法融合在一起对图像区域进行划分，增大了实施的复杂度；四是该方法去噪结果的峰值信噪比虽优于非局部均值方法，但与三维匹配块方法相比，峰值信噪比却降低了，说明该方法稳定性较差；五是该方法的结构相似度SSIM指标虽优于非局部均值方法和BM3D方法，但提高的程度很小，效果不很明显。

综上所述，如何克服现有技术的不足已成为目前数字图像处理技术领域中亟待解决的重点难题之一。

发明内容

本发明的目的是为克服现有技术存在的不足而提供一种基于曲率变分的小波变换图像去噪算法，本发明运用偏微分方程的图像去噪算法原理，使得处理出更加清晰的图像，以接近原始图像。

根据本发明提供的一种基于曲率变分的小波变换图像去噪算法，其特征在于包括算法描述、算法验证和算法仿真的基本步骤，其中：