[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

摘要

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。

主权项

1.一种基于改进二维经验模态分解算法的图像去噪方法，其特征在于，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)：步骤6)，根据以下公式对待去噪图像I(x,y)最后k‑J+1个本征模态函数、残余分量Ir(x,y)及图像信号I_P(x,y)中所含有用信息进行重构，得到图像有用信息序列I_m(x,y)：步骤7)，根据实际噪声序列I_n(x,y)、图像有用信息序列I_m(x,y)计算出噪声压缩后的图像信号步骤8)，使用传统二维经验模态分解方法对图像信号进行自适应分解，得到k阶本征模态函数和一个残余分量Ir(x,y)；步骤9)，对图像信号的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；步骤10)，根据噪声的衰减规律估计出图像信号各阶噪声主导模态函数的去噪阈值T_i；步骤11)，对于图像信号的各阶噪声主导模态函数中的每一个像素点，如果其幅值大于其对应主导模态函数的去噪阈值T_i，保留该点，否则认为该点为噪声并将该点幅值置0；步骤12)，对进行阈值降噪处理得到图像I_Q(x,y)，降噪后图像I_Q(x,y)表示为：其中，f(·)为阈值降噪处理函数。