[发明专利]一种改进小波变量阀值收缩模型降低图像噪声的方法

说明书

本发明公开了一种改进小波变量阀值收缩模型降低图像噪声的方法，该方法利用小波系数间的相关性，改进使用单一当前小波系数方差构建阀值收缩模型缺陷，采用当前小波系数方差、父小波系数方差及邻域小波系数方差作为阀值参数,确定阀值参数构建阀值收缩模型，提高阀值的精确度。通过分别对模型处理后的当前小波系数值、父小波系数值和邻域小波系数值进行判决，最终得到去除噪声后的图像。本发明提出的小波变量阀值收缩模型相比双变量阀值收缩模型去噪，进一步的降低图像中的噪声，提高了恢复图像的质量。

技术领域

本发明涉及一种改进小波变量阀值收缩模型降低图像噪声的方法，属于图像处理技术领域。

背景技术

图像传输过程中存在噪声干扰，这些噪声干扰会影响图像的质量，如何从含有噪声的图像中去除图像的噪声，在接收端呈现高质量的接收图像成为研究的热点。其中小波变换结合统计模型去除图像噪声取得较好的效果，它的基本原理就是利用小波变换具有随着小波分解尺度的增加，噪声的小波系数极大值减小，而信号的小波系数极大值而增大，通过对小波系数进行一定的尺度变换处理，就能够使小波变换具有较好的实现信号和噪声的分离，并结合统计模型，利用噪声及图像的先验概率分布对图像小波变换的系数进行建模，在已知先验知识的条件下,采用贝叶斯估计如最大似然估计对真实图像的小波系数进行估计信号去除图像噪声。噪声系数值相对而言较小，消除低于本发明估计的阀值判决门限的值，从而得到含噪声较少的图像。通过使用小波变换阀值收缩方法去除噪声，其功效很大程度上取决于一个阈值参数的选择和该阈值确定。

目前，在基于小波变换的图像去噪声方法中使用最多的阀值确定方法是双变量阀值收缩法。双变量阀值收缩法通过对同一双变量模型来描述各自变换域中所有的父子系数的相关性,随后通过最大后验概率得到与分布相匹配的非线性双变量阈值函数,进而执行阈值去除噪声的处理。但是，该方法仅考虑了各个尺度内的小波系数方差都相同的情况，而对于自然图像来说，尺度间小波系数的方差是不相同的，致使阀值评估准确度不高，同时，该方法未考虑邻域小波系数对当前小波系数的影响，图像的去除噪声效果无法得到进一步提升。而本发明能够很好地解决上面的问题。

发明内容

本发明目的提供了一种改进小波变量阀值收缩降低图像噪声的方法，该方法解决了噪声图像进行阀值收缩后图像中仍保留过多的噪声，影响恢复图像质量的问题。本发明利用图像小波系数间的相关性，采用当前小波系数方差、父小波系数方差和邻域小波系数方差作为阀值参数构建小波变量阀值收缩模型，该模型提高阀值的精确度，减少了图像中的噪声，提高了恢复图像的质量。

本发明解决其技术问题所采取的技术方案是：一种小波变量阀值收缩模型降低图像噪声的方法，该方法包括如下步骤：

步骤1：计算噪声图像的邻域小波系数；

步骤2：构建一种改进小波变量阀值收缩模型；

步骤3：构建小波变量阀值收缩模型，然后降低图像噪声的终止判决。

进一步的，本发明步骤1包括如下内容：

图像小波系数估计时，若仅考虑父小波系数对当前小波系数估计的影响，可能会使得当前小波系数估计的不准确，影响恢复图像质量。若本发明同时考虑邻域小波系数对当前小波系数估计的影响，能够提高图像小波系数估计的准确性。其中，邻域小波系数估计是一种同一尺度内邻近位置处的小波系数，通过计算不包括当前小波系数的3×3邻域内其它小波系数的平均值得到。

进一步的，本发明步骤2包括如下内容：

小波的阀值收缩模型的功效取决于阈值参数的选择；使用最大后验概率估计构建小波变量阀值收缩模型时，通过噪声图像邻域的小波系数求出方差值，选取了当前小波系数方差，父小波系数方差和邻域小波系数方差作为阀值参数；该参数充分考虑小波系数间的相关性。参数选择的准确性，能够提高阀值的精确度，减少图像中的噪声，提高恢复图像的质量，改进了使用单一的当前小波系数方差构建阀值收缩模型缺陷，提高阀值的准确性。