[发明专利]基于小波变换维纳滤波和边缘检测的图像降噪方法

说明书

本发明提供一种基于小波变换维纳滤波和边缘检测的图像降噪方法，包括以下步骤：步骤1，对原始的微光图像进行两层小波分解，提取第二层小波分解的近似系数和第二层小波分解的细节系数的水平分量、垂直分量、对角分量；步骤2，选取合适的滤波窗口，通过改进的自适应维纳滤波降噪算法对图片进行降噪处理；步骤3，在原图的基础上通过canny算子进行边缘检测，将检测出的边缘同经过维纳滤波后的重构图像进行叠加，得到最终的降噪图像。

技术领域

本发明涉及一种图像处理技术，特别是一种基于小波变换维纳滤波和边缘检测的图像降噪方法。

背景技术

在微光条件下，由于光照较低以及探测器灵敏度等的限制，系统所获视频图像信噪比较低，影响人眼观察，甚至无法有效获得目标场景图像。微光视频的噪声主要由CCD所产生的符合高斯分布的白噪声和像增强器所产生的量子噪声所组成。

微光图像降噪算法主要分为空域滤波和变换域滤波两类，图像变换域去噪方法是对图像进行某种变换，将图像从空间域转换到变换域，再对变换域中的变换系数进行处理，再进行反变换将图像从变换域转换到空间域来达到去除图像嗓声的目的。将图像从空间域转换到变换域的变换方法很多，如傅立叶变换、沃尔什—哈达玛变换、余弦变换、K-L变换以及小波变换等。而傅立叶变换和小波变换则是常见的用于图像去噪的变换方法。空域滤波是在原图像上直接进行数据运算，对像素的灰度值进行处理。常见的空间域图像去噪算法有邻域平均法、中值滤波、低通滤波等。单独使用空域或者变换域滤波难以在降低图像噪声的同时保留图像边缘信息。因此，本文提出了一种在时域滤波的基础上进行空域滤波的时空域混合的微光视频滤波方法。

发明内容

本发明的目的在于提供一种基于小波变换的改进的维纳滤波和边缘检测的微光图像降噪方法，本发明包括以下步骤：

步骤1，对原始的微光图像进行两层小波分解，提取第二层小波分解的近似系数和第二层小波分解的细节系数的水平分量、垂直分量、对角分量；

步骤2，选取合适的滤波窗口，通过改进的自适应维纳滤波降噪算法对图片进行降噪处理；

步骤3，在原图的基础上通过canny算子进行边缘检测，将检测出的边缘同经过维纳滤波后的重构图像进行叠加，得到最终的降噪图像。

本发明将空间域转换成小波域，选取合适的小波变换层数对含噪声图像进行自适应维纳滤波去噪，同时采用log边缘检测算子检测待降噪图像边缘，将图像分为边缘区和待降噪区，最后将边缘同小波重构后的图像降噪区叠加得到最终降噪图像。

下面结合说明书附图对本发明作进一步描述。

附图说明

图1为本发明基于小波变换的自适应维纳滤波和边缘检测的微光图像降噪算法流程图。

图2为基于小波变换的维纳滤波算法示意图。

图3为在0.10lux照度下人立于树林中微光成像实验示意图。

图4为在0.22lux照度下静止建筑物实验示意图。

图5为在0.22lux照度下微光移动人像实验示意图。

图6为在0.5lux照度下微光静止建筑物实验示意图。

具体实施方式

步骤1，对原始微光图像进行小波变换；

假设待处理的图像表示为Y＝X+N；其中，X表示“干净”的图像，N是与X互不相关、均值为零、方差为σ²的高斯噪声矩阵。进行小波变换后可得：y＝x+n，式中y＝WY，x＝WX，n＝WN，W为小波变换的变换矩阵。由小波变换的正交性可知，n仍然是均值为零、方差为σ²的高斯变量，且与x互不相关。