[发明专利]双树复小波域的邻域自适应贝叶斯收缩图像去噪方法

摘要

一种基于双树复小波域的邻域自适应贝叶斯收缩的图像去噪方法，步骤如下：1）对含噪图像进行双树复小波变换，将其进行3级分解后得到多个子带系数；2）用鲁棒中值器估计出噪声方差；3）对除低通子带系数之外的其他的每个子带系数均进行如下处理：a）对每个DT-CWT系数，计算出相应邻域窗口内含噪图像的方差；b）对所有系数相应的含噪图像方差，求其平均来估计出这个子带的含噪图像的邻域方差；c）假设图像的DT-CWT系数的统计模型服从GGD模型，通过最小化贝叶斯风险函数估计出最优阈值；进而软化子带内小波系数；4）对小波系数进行双树复小波反变换重构得到去噪后的图像。本发明去噪性能优良、具有良好的自适应性。

主权项

1.一种双树复小波域的邻域自适应贝叶斯收缩图像去噪方法，其特征在于：所述图像去噪方法包括以下步骤：1）对含噪图像进行双树复小波变换，将其进行三级分解后得到K+1个子带系数；2）用鲁棒中值器估计出噪声方差：用Y_ij表示第一级分解的子带中第i行第j列系数的实部，用表示图像的噪声方差，该噪声方差采用鲁棒中值估计器估计为：σ^n=Median(|Yij|)/0.6745---(1)]]>3）对除低通子带系数之外的其他K个子带系数进行如下处理：a）对每个DT-CWT系数，计算出相应邻域窗口内含噪图像的方差；b）对所有系数相应的含噪图像方差，求其平均来估计出这个子带的含噪图像的邻域方差；c）假设图像的DT-CWT系数的统计模型服从GGD模型，通过最小化贝叶斯风险函数估计出最优阈值；进而软化子带内小波系数；4）对小波系数进行双树复小波反变换重构得到去噪后的图像。