[发明专利]基于剪切波变换和带方向性局部维纳滤波的图像去噪方法

说明书

本发明属于图像处理技术领域，涉及基于剪切波变换和带方向性局部维纳滤波的图像去噪方法，首先读取含噪图像，对该含噪图像进行多尺度二维离散剪切波分解得到K+1个子带图像，包含一个低频图像和K个高频图像，然后使用剪切波滤波器组对子带图像进行方向分解，得到高频图像频率系数和低频图像频率系数；采用带有方向性窗口的局部维纳滤波算法对高频图像频率系数进行滤波处理，得到去噪后的剪切波系数；采用快速双边滤波器对低频图像频率系数进行滤波处理，得到去噪后的剪切波系数；对全部剪切波系数进行剪切波逆变换处理，得到去噪后的干净图像。本发明方法可应用于含有高斯白噪声的光学灰度图像去噪，以获得具有高信噪比的、更清晰的图像。

技术领域

本发明属于图像处理技术领域，涉及一种基于剪切波变换和带方向性局部维纳滤波的图像去噪方法，可应用于含有高斯白噪声的光学灰度图像去噪，以获得具有高信噪比的、更清晰的图像。

背景技术

在图像预处理领域中，为了去除原始图像中含有的高斯白噪声，以获得高质量、高信噪比的清晰图像，并为图像后处理提供有力条件而采用图像去噪的方法。目前，大多数图像去噪的方法集中在基于小波变换的去噪方法。

电子科技大学拥有的专利技术“一种基于偏微分方程的双树复小波图像去噪方法”(公开号：CN101777179A，授权日：2012年02月15日，申请日：2010年02月05日)中公开了一种基于偏微分方程的双树复小波图像去噪方法。该方法首先对输入的含噪图像进行双树复小波变换分解，并对分解后的两个低频子带图像进行各项同性扩散；再设计改进的自适应模型，计算每个方向上高频细节子带图像的双树复小波变换模和梯度模，利用双树复小波变换模和梯度模的加权平均来设计一种自适应的扩散系数函数来改进P-M模型；然后对改进的自适应模型离散化处理，并对6个高频子带图像进行各向异性扩散；最后进行双树复小波逆变换，输出去噪后的图像。该方法虽然具有较好的区分噪声和信号的能力，但是仍然存在的缺点是：双树复小波缺乏平移不变性，导致得到的去噪后的图像出现失真，主要表现为振铃效应和伪Gibbs效应。此外，此方法在去噪时没有考虑到小波分解时不同尺度上的噪声对图像的干扰程度不同，因此不能达到很好的去噪效果。

田沛等人在文献“田沛，李庆周，马平，牛玉广，‘一种基于小波变换的图像去噪新方法’[J]，中国图形图像学报，13(3)，395-399(2008)”中提出了基于小波变换和维纳滤波的图像去噪方法。该方法首先对图像进行小波变换；然后根据高斯噪声的小波系数和图像的小波系数之间存在的不同特点，对不同尺度不同方向上的小波系数进行维纳滤波；最后对滤波后的小波系数进行逆小波变换，得到去噪后的图像。此方法虽然能够提高图像的峰值信噪比(PSNR)，并且能够保留更多的图像细节信息。但仍然存在的缺点是：小波变换不能够很好的表达图像中各向异性的细节信息，因此不能很好的去除各向异性的图像中含有的噪声。

为了解决以上问题,西安电子科技大学苗启广等人在申请号为201210364581.8的中国专利中公开了“一种基于Shearlet变换和维纳滤波的图像去噪方法”，该方法首先对输入源图像进行对称延拓，然后使用剪切变换，接着使用小波包分解，对分解系数使用传统维纳滤波，用处理后的系数得到重构图像，最后进行对称变换和图像融合，得到最终去噪图像该方法利用了Shearlet变换具有多方向性和维纳滤波能够根据图像的区域方差调整滤波器输出等优点，克服了现有技术中小波变换不能很好表达图像的各向异性信息的缺点，以及使用单一阂值对不同方向上系数进行相同处理而导致的去噪效果不理想的问题，从而能够在图像的不同方向上的高频系数中更准确的分析图像细节信息，但是由于维纳滤波的生成图像存在假细节，影响了去噪性能的提升。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种基于剪切波变换和带方向性局部维纳滤波的图像去噪方法，该方法操作简单，实现方便，能够十分有效地把信号和噪声区别开来，并且在移除噪声的同时保护图像的细节特征，性能优良，实用性强，使用效果好，便于推广使用。