[发明专利]一种基于改进二维经验模态分解算法的图像去噪方法

说明书

本发明公开了一种基于改进二维经验模态分解算法的图像去噪方法,首先，将待去噪图像经传统BEMD算法进行自适应分解得到各阶IMF后，对各个IMF的概率密度函数与待去噪图像概率密度函数之间的相似性进行测量，其次，根据相似性测量值区分出噪声主导模态函数与信号主导模态函数的边界索引值,然后，使用小波去噪算法对噪声主导模态函数进行降噪处理得到实际的图像噪声，接着，重构出与原图像具有相同信噪比的多幅图像后对其累加求平均、实现将噪声压缩到低阶IMF中，最后，使用BEMD‑DT对该平均图像进行去噪处理。通过本发明方法对图像进行去噪，取得效果均好于小波降噪以及传统BEMD等降噪方法的去噪效果。

技术领域

本发明涉及图像信号处理领域，尤其涉及一种基于改进二维经验模态分解算法的图像去噪方法。

背景技术

图像作为一种重要的视觉载体，然而在图像获取和传输过程中会受到外在或内在因素的影响从而产生噪声污染，这些噪声降低了图像的质量，致使图像中的重要信息丢失，给图像的进一步分析带来很大的困难。因此在对图像分析之前要进行降噪处理。

近些年来，一些较复杂的超小波算法被应用到图像去噪中，例如小波去噪、剪切波变换去噪、曲波变换去噪等方法。这些方法能够在多方向上进行图像去噪，然而它们需要预先设计分解基底，如果分解达不到最优则会造成不能对图像进行彻底降噪或者将一些有用的细节信息作为噪声而滤除。随着经验模态分解(EMD)方法的出现，该种方法有很强的局部自适应分解特性，在一定程度上克服了小波分解的不足并在一维及多维信号分析中取得了广泛的应用。目前基于二维经验模态分解(BEMD)的去噪方法主要是直接将含有噪声的低阶本征模态函数(IMF)去掉并在一定程度上取得了较好的效果，但这些基于二维经验模态分解的去噪方法忽略了低阶本征模态函数中还含有的少量有用信息，从而可能造成原始图像信号的变形。

提高采集图像的质量也可以在硬件上进行改进，例如使用高性能的CCD相机采集图像，并且通过改变环境硬件设施使环境因素对采集图像的影响降到最低。这种方案在一定程度上可以提高采集到的图片质量，却增加了硬件的复杂性，提高了成本，不利于在实践中进行推广应用。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于改进二维经验模态分解算法的图像去噪方法。

本发明为解决上述技术问题采用以下技术方案：

一种基于改进二维经验模态分解算法的图像去噪方法，包括下列步骤：

步骤1)，使用传统二维经验模态分解方法对待去噪图像I(x,y)进行自适应分解，得到其各阶本征模态函数和残余分量Ir(x,y)，其过程可表述为：

其中，M、N分别为待去噪图像I(x,y)的长、宽所含有的像素个数，x＝1,2,…,M，y＝1,2,…,N；k为待去噪图像I(x,y)经传统二维经验模态分解得到的本征模态函数的个数；IMF_i为待去噪图像I(x,y)经传统二维经验模态分解得到的第i本征模态函数，i＝1,2,…,k；

步骤2)，对待去噪图像I(x,y)的本征模态函数按照噪声主导模态函数与信号主导模态函数进行区分，得到其噪声主导模态函数与信号主导模态函数的边界索引值J；

步骤3)，通过以下公式对待去噪图像I(x,y)的前J-1个本征模态函数进行重构，得到信号I_P(x,y)：

步骤4)，使用小波对图像信号I_P(x,y)进行降噪处理，得到图像信号

步骤5)，根据以下公式计算出图像信号I_P(x,y)中存在的实际噪声序列I_n(x,y)：