[发明专利]基于NSST和NLM滤波及硬阈值技术的图像去噪方法

说明书

本发明公开的基于NSST和NLM滤波及硬阈值技术的图像去噪方法：将输入图像在空间域中NSST变换，分解为高频子带、中频子带、低频子带三部分；提取高频子带和低频子带逆NSST变换，使用非局部均值滤波进行去噪处理；提取中频子带进行硬阈值处理，使用非局部均值滤波进行去噪处理；将处理后高频子带和低频子带、中频子带直接相加，最终得到去噪后的图像。本发明的图像去噪方法，通过使用非下采样shearlet变换，有效的将待去噪图像分为三部分，高频部分、中频部分、低频部分；使用非局部均值滤波可在保护图像边缘的同时，去除图像中的噪声，对不同的部分使用NLM滤波，最终得到的去噪结果在图像的边缘保护上得到更好的效果。

技术领域

本发明属于图像处理方法技术领域，具体涉及一种基于非下采样shearlet变换(Non-subsampled Shearlet Transform，NSST)和非局部均值滤波(Non-local means，NLM)及硬阈值技术的图像去噪方法。

背景技术

图像是信息的一种重要载体，一幅图像是客观事物的逼真体现，它包含了客观事物的相关信息。近十年来，数字图像处理技术得到了迅猛发展，并已应用于诸多领域，如宇宙探测、通信、遥感、生物医学、工业生产、军事、公安、天气预报、考古及文物保护等。

由于成像系统、传输介质和记录等设备的不完善，图像在获取、传输与记录过程中，不可避免地要受到各种噪声干扰。这些噪声妨碍人们对图像的理解，因此图像去噪非常重要。

图像在去噪的过程中不可避免的会损失一部分的边缘信息，所以保护图像的边缘信息一直是图像去噪的重大课题，目前已经提出了一部分保护边缘的去噪方法，如非局部均值滤波，引导滤波等，但是单一的空间域或者频率域的方法无法良好的保护图像的边缘，因此我们提出了一种结合空间域与频率域优点的图像去噪方法。

发明内容

本发明的目的是提供一种基于NSST和NLM滤波及硬阈值技术的图像去噪方法，解决了现有图像去噪方法中，易去掉图像边缘信息的问题。

本发明所采用的技术方案是，基于NSST和NLM滤波及硬阈值技术的图像去噪方法，包括以下步骤：

步骤1，设输入图像记做y，在空间域中对输入图像y进行NSST变换，将输入图像y变换到频域中，并分解为高频子带、中频子带、低频子带三部分；

步骤2，提取步骤1中高频子带和低频子带，进行逆NSST变换，随后使用非局部均值滤波进行去噪处理；

步骤3，提取步骤1中中频子带，进行硬阈值处理，随后使用非局部均值滤波进行去噪处理；

步骤4，将经步骤2处理后高频子带和低频子带、经步骤3处理后的中频子带直接相加，最终得到去噪后的图像。

本发明的特征还在于，

步骤1具体为：

步骤1.1，利用非下采样拉普拉斯算子，将输入图像y分解为低通图像、即低频子带，和高通图像、即高频子带两个部分；

步骤1.2，计算步骤1.1中高通图像和低通图像在伪极坐标上的傅里叶变换Q；

步骤1.3，利用窗函数G对步骤1.2中的傅里叶变换Q进行带通滤波；

步骤1.4，将步骤1.3滤波的结果做逆傅里叶变换并将数据排列在笛卡尔坐标，完成NSST变换。

步骤1.4中窗函数G具体为公式(1)：

公式(1)中，参数ψ₂是小波基函数，参数χD为锥，参数D₀是水平锥，参数D₁是垂直锥，参数j为分解层数且j≥0，参数ξ₁和ξ₂对应为二维空间内的坐标轴。