[发明专利]基于改进小波阈值函数的图像去噪算法

说明书

本发明公开了一种基于改进小波阈值函数的图像去噪算法，属于图像去噪技术领域，S1、将待去噪的图像信号进行小波基分解，S2、对分解层内的多层小波信号进行去噪处理，S3、通过小波阈值保留大尺度低分辨率下的全部小波系数，S4、得到修整后的小波系数，S5、对去噪后的图像进行插值对比。本发明中，保证对图像的去噪处理精度，通过多重处理优化实现对图像的精确去噪处理，相较于现有去噪算法具有较高的处理精度，同时能够通过对神经网络模型的训练学习实现对输出层输出向量的反推导实现对小波函数的阈值优化判断，继而能够有效提高对小波阈值的调节计算，从而能够确保对图像噪声优化的阀值精度调整。

技术领域

本发明属于图像去噪技术领域，尤其涉及一种基于改进小波阈值函数的图像去噪算法。

背景技术

数字图像是通过数字信号实现对图像展示的技术手段，由于数字图像受到外部成像设备和外部环境干燥的多种影响，不可避免的会产生各种噪声，小波分析作为频域方法信号处理的主要途径，利用小波分析低熵性、去相关性和多分辨率分析和选基灵活的优点，实现对图像的去噪处理。

通过小波阈值函数对图像进行去噪时，函数阈值的判断是最主要的标准现有的图像去噪算法多缺乏对小波阈值函数的阈值系数的精确判断，中国专利公告号102663695A，公开了基于小波变换的DR图像去噪方法及系统，该方法将改进的阈值函数与硬阈值函数相结合，先采用改进型软阈值处理，重构后对第一层细节分量采用硬阈值方法再次处理，改善了图像的信噪比，其不足在于，在硬阈值处理单元中，硬阈值函数由于不连续带来的振荡依然可能存在，仍缺乏对大量数据的适配改进，函数阈值的处理精度不佳，导致影响到对图像的去噪精度，不能很好的满足对图像的去噪需要。

发明内容

本发明的目的在于：为了解决在硬阈值处理单元中，硬阈值函数由于不连续带来的振荡依然可能存在，仍缺乏对大量数据的适配改进，函数阈值的处理精度不佳，导致影响到对图像的去噪精度的问题，而提出的一种基于改进小波阈值函数的图像去噪算法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于改进小波阈值函数的图像去噪算法，具体包括以下步骤：

S1、将待去噪的图像信号进行小波基分解，得到分解层数，同时将待去噪的图像信号进行灰度值平均测算，得到源图像信号平均灰度值；

S2、对分解层内的多层小波信号进行去噪处理，通过小波阈值函数对分解层内图像信号的小波信号阈值进行因子修正调节；

S3、通过小波阈值保留大尺度低分辨率下的全部小波系数，对于各尺度高分辨率下的小波系数设定阈值；

S4、得到修整后的小波系数，对修整后的小波系数进行小波重构，得到优化后的最佳去噪后的图像；

S5、对去噪后的图像进行插值对比，判断最终优化效果，处理图像不满足时将降噪阈值发送至阈值模型进行再次判断，重复优化阈值后，输出降噪图像，当满足优化效果后，输出降噪后的图像。

作为上述技术方案的进一步描述：

所述S2中小波阈值模型通过神经网络算法实现对阈值的调节计算，具体包括在隐藏层神经元内输入对应的小波函数因子，并通过输入层神经元内去噪数字图像的输入得到输出向量的优化数字图像，并通过数字图像的优化数值对比通过BP算法反向推导阈值公式权重因子，得到阈值的最优解。

作为上述技术方案的进一步描述：

所述S3中幅值低于该阈值的小波系数数值为0时，高于该阈值的小波系数完整保留或相应收缩。

作为上述技术方案的进一步描述：

所述S5中插值对比包括对优化后图像进行灰度处理，并通过平均灰度系数，判断边缘平滑度以及等效视数，通过边缘平滑度判断高频信息的丢失，并通过等效视数判断图像噪声水平。