[发明专利]一种改进的BEMD图像消噪方法

说明书

技术领域

本发明具体涉及一种改进的BEMD图像消噪方法。

背景技术

经验模态分解（EMD）算法是Huang等人在1998年提出的一种新的自适应多尺度时频分析工具，EMD可以根据信号的自身特性进行自适应地筛选，将信号分解成若干个内蕴模态函数（IMF），非常适合非线性和非稳态信号的分析与处理。与小波分析相比，EMD可以获取更好的时频分析特性，具有更精确的空间和频率定位。Nunes等人提出的二维经验模态分解（BEMD）也具有类似的优良特性，已被广泛应用于图像纹理分析、融合等对个领域。BEMD在图像消噪中也取得了较好的效果，但现有的基于BEMD的图像去噪方案中采用的都是基于硬阈值的去噪方法，但信号细节信息损失较多，而且在图像边缘等突变部分会产生严重的Gibbs现象，造成图像边缘、纹理等细节的模糊。

发明内容

本发明要解决的技术问题是提供一种改进的BEMD图像消噪方法。

一种改进的BEMD图像消噪方法，其特征在于，包括以下步骤：

S1：设含噪图像为f，对图像f进行BEMD；

S2：估计含噪图像的噪声方差，常用的估计公式为：

；

S3：计算含噪声图像第j层BIMF系数的方差，其值为：

；

S4：估计各层BIMF中信号系数的方差，估计公式为：

；

S5：根据下式对各层BRMD系数进行消噪估计；

；

式中，函数；

S6：对消噪后的各层BIMF系数进行重构，得到最终消噪后图像。

进一步的，BEMD的具体步骤如下：

1）初始化，令，，f为待分解图像，表示余项；

2）求的极大值点集和极小值点集；

3）分别对极大值点和极小值点进行曲面插值，得到图像的上、下包络面，根据上下包络面求出图像的均值；

4）抽取细节，令；

5）重复步骤2）-步骤4），直到为一个内蕴模态函数；

6）令；

7）重复步骤2）-步骤6），直到达到设定的分解层数或的极值点个数少于2。

本发明的有益效果是：

本发明在消噪过程中同时考虑本层BEMD系数特征以及其父层BEMD系数的值，能够更好地消除噪声，同时更有效地保留图像边缘、纹理等细节信息。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。

一种改进的BEMD图像消噪方法，包括以下步骤：

S1：设含噪图像为f，对图像f进行BEMD；

S2：估计含噪图像的噪声方差，常用的估计公式为：

；

S3：计算含噪声图像第j层BIMF系数的方差，其值为：

；

S4：估计各层BIMF中信号系数的方差，估计公式为：

；

S5：根据下式对各层BRMD系数进行消噪估计；

；

式中，函数；

S6：对消噪后的各层BIMF系数进行重构，得到最终消噪后图像。

BEMD的具体步骤如下：

1）初始化，令，，f为待分解图像，表示余项；

2）求的极大值点集和极小值点集；

3）分别对极大值点和极小值点进行曲面插值，得到图像的上、下包络面，根据上下包络面求出图像的均值；

4）抽取细节，令；

5）重复步骤2）-步骤4），直到为一个内蕴模态函数；

6）令；

7）重复步骤2）-步骤6），直到达到设定的分解层数或的极值点个数少于2。