CN109816598A - 一种图像降噪方法及*** - Google Patents
一种图像降噪方法及*** Download PDFInfo
- Publication number
- CN109816598A CN109816598A CN201811466117.3A CN201811466117A CN109816598A CN 109816598 A CN109816598 A CN 109816598A CN 201811466117 A CN201811466117 A CN 201811466117A CN 109816598 A CN109816598 A CN 109816598A
- Authority
- CN
- China
- Prior art keywords
- image
- wavelet
- noise reduction
- wavelet field
- noisy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理领域,尤其涉及一种图像降噪方法及***,该方法包括:S1:将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像;S2:对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波;S3:对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像;S4:将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。本发明通过增加小波域内图像局部滤波和对滤波后的图像进行线性参数化,来大幅提高降噪后的图像质量,并且可以有效处理非高斯和非类高斯的噪声。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像降噪方法及***。
背景技术
随着图像处理技术的迅速发展,图像在模式识别,行为检测方面取得了广泛的应用。但是图像在图像采集器形成以及传输过程中,不可避免会受到噪声的干扰。引起噪声的原因有很多,噪声的种类也很多,噪声的强度也***。因此,需要对图像进行降噪的预处理,便于更高层次的图像分析和理解。
根据噪声性质的不同,消除噪声主要分为均值滤波法,中值滤波法,傅里叶降噪法和小波变换法。均值滤波法和中值滤波法均对图像本身进行处理,存在将图像模糊化,对特定噪声类型无效等缺点,傅里叶降噪法和小波变换法属于对图像变换空间进行处理,傅里叶降噪法对局部范围降噪效果不好,现有的小波降噪法对于非高斯或者非类高斯的噪声处理效果不佳。
发明内容
为解决上述问题,本发明提出一种图像降噪方法及***,来大幅提高降噪后的图像质量,并且可以有效处理非高斯和非类高斯的噪声。
一种图像降噪方法,包括以下步骤:
S1:将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像;
S2:对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波;
S3:对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像;
S4:将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。
优选的,所述对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波包括:
设定带有噪声的图像为y=(yi)i∈[1,N],N表示带有噪声的图像中的像素点的总数;设定带有噪声的图像中彼此相邻的部分为Ωl,通过公式(1)对彼此相邻的部分Ωl进行线性滤波:
其中,yj表示小波域内的图像,wj表示相似度;J表示小波变换后小波域内的图像的层数;
通过循环迭代,使得值最小,得到wj和Ωl的具体数值。
优选的,所述对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像包括:
设定已经滤波的部分为zi,通过公式(2)对已经滤波的部分zi进行线性参数化,
其中,k、aj、T为常数;
得到降噪后小波域的图像
一种图像降噪***,包括:
图像采集器,用于图像的采集以及存储;
图像采集器,用于图像的采集以及存储;
降噪处理单元,用于将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像;对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波;对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像;将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。
优选的,所述对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波包括:
设定带有噪声的图像为y=(yi)i∈[1,N],N表示带有噪声的图像中的像素点的总数;设定带有噪声的图像中彼此相邻的部分为Ωl,通过公式(1)对彼此相邻的部分Ωl进行线性滤波:
其中,yj表示小波域内的图像,wj表示相似度;J表示小波变换后小波域内的图像的层数;
通过循环迭代,使得值最小,得到wj和Ωl的具体数值。
优选的,所述对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像包括:
设定已经滤波的部分为zi,通过公式(2)对已经滤波的部分zi进行线性参数化,
其中,k、aj、T为常数;
得到降噪后小波域的图像
通过使用本发明,可以实现以下效果:
通过增加小波域内图像局部滤波和对滤波后的图像进行线性参数化,来大幅提高降噪后的图像质量,并且可以有效处理非高斯和非类高斯的噪声。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例的整体流程示意图;
图2是本发明实施例与其他降噪方法的降噪效果对比图;
图3是本发明实施例的整体结构示意图。
具体实施方式
以下结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
本发明的主要思想是通过增加小波域内图像局部滤波和对滤波后的图像进行线性参数化,来大幅提高降噪后的图像质量,并且可以有效处理非高斯和非类高斯的噪声。
如图1所示,一种图像降噪方法,包括以下步骤:
S1:将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像;
设定图像为y=(yi)i∈[1,N],则小波域内的图像其中,J表示小波变换后小波域内的图像的层数,N表示带有噪声的图像中的像素点的总数。
离散小波变换是对基本小波的尺度和平移进行离散化。在图像处理中,常采用二进小波作为小波变换函数,即使用2的整数次幂进行划分,得到J层小波域内的图像。
S2:对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波;
通过公式(1)对带有噪声的图像yi中彼此相邻的部分为Ωl进行线性滤波:
通过循环迭代,使得值最小,得到wj和Ωl的具体数值。
通过步骤S2,可以将各种类型的噪声转换为类高斯噪声,从而有效的去除各种非高斯和非类高斯噪声。
S3:对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像;
已经滤波的部分为zi,通过公式(2)对已经滤波的部分zi进行线性参数化,
其中,k、aj、T为常数;
最后得到降噪后小波域的图像
具体操作中,假设K=6,下面的搜索方法将得到参数a1,a2…a6;假设Ai≤ai≤Bi,i∈[1,6],其中Ai为ai的最小阈值,Bi为ai的最大阈值;设定常数V=5,Ri=|Bi-Ai|,i∈[1,6],其中Ri为绝对值。
对于每个参数ai,设定由此产生56个参数集;
对于每个参数集,计算出降噪后小波域的图像
离散小波逆变换来得到离散小波逆变换后的图像
基于以下条件搜索离散小波逆变换后的图像
根据离散小波逆变换后的图像和算出a1(i),a2(i)…a6(i)和a1(j),a2(j)…a6(j),并且重新设置Ri=|Bi-Ai|,i∈[1,6]
重复上述10次以上,得到最后的参数a1(i),a2(i)…a6(i)。
通过步骤S3,降低了离散小波滤波后图像质量与原图(没有噪声的图像)的差异上确界,使得处理后的图像与原图更加接近,从而大幅提高了降噪后的图像质量。
S4:将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。
图2是本发明实施例与其他降噪方法的降噪效果对比图。其中,(a)是没有噪声的图像;(b)是加了噪声后的图像;(c)是使用局部自适应小波阈值(SAWT)方法后的降噪图像;(d)是使用BDM方法后的降噪图像;(e)是直接离散小波逆变换后的降噪图像;(f)是使用本发明方法后的降噪图像。通过上述图的对比可以看出,本发明对图像的降噪效果更好。
相应的,本实施例还涉及一种图像降噪***,如图3所示,包括:
图像采集器,用于图像的采集以及存储;
降噪处理单元,用于将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像;对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波;对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像;将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。
其中,对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波为:
设定带有噪声的图像为y=(yi)i∈[1,N],N表示带有噪声的图像中的像素点的总数;设定带有噪声的图像中彼此相邻的部分为Ωl,通过公式(1)对彼此相邻的部分Ωl进行线性滤波:
其中,yj表示小波域内的图像,wj表示相似度;J表示小波变换后小波域内的图像的层数;
通过循环迭代,使得值最小,得到wj和Ωl的具体数值。
其中,对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像为:
设定已经滤波的部分为zi,通过公式(2)对已经滤波的部分zi进行线性参数化,
其中,k、aj、T为常数;
得到降噪后小波域的图像
降噪处理单元的降噪方法在一种图像降噪方法中已经详细说明,所以在此并不对其重复说明。
本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种图像降噪方法,其特征在于,包括以下步骤:
S1:将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像;
S2:对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波;
S3:对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像;
S4:将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。
2.如权利要求1所述的图像降噪方法,其特征在于,所述对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波包括:
设定带有噪声的图像为y=(yi)i∈[1,N],N表示带有噪声的图像中的像素点的总数;设定带有噪声的图像中彼此相邻的部分为Ωl,通过公式(1)对彼此相邻的部分Ωl进行线性滤波:
其中,yj表示小波域内的图像,wj表示相似度;J表示小波变换后小波域内的图像的层数;
通过循环迭代,使得值最小,得到wj和Ωl的具体数值。
3.如权利要求1所述的图像降噪方法,其特征在于,所述对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像包括:
设定已经滤波的部分为zi,通过公式(2)对已经滤波的部分zi进行线性参数化,
其中,k、aj、T为常数;
得到降噪后小波域的图像
4.一种图像降噪***,其特征在于,包括:
图像采集器,用于图像的采集以及存储;
降噪处理单元,用于将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像;对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波;对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像;将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。
5.如权利要求4所述的图像降噪***,其特征在于,所述对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波包括:
设定带有噪声的图像为y=(yi)i∈[1,N],N表示带有噪声的图像中的像素点的总数;设定带有噪声的图像中彼此相邻的部分为Ωl,通过公式(1)对彼此相邻的部分Ωl进行线性滤波:
其中,yj表示小波域内的图像,wj表示相似度;J表示小波变换后小波域内的图像的层数;
通过循环迭代,使得值最小,得到wj和Ωl的具体数值。
6.如权利要求4所述的图像降噪***,其特征在于,所述对已经滤波的部分进行线性参数化,得到降噪后小波域内的图像包括:
设定已经滤波的部分为zi,通过公式(2)对已经滤波的部分zi进行线性参数化,
其中,k、aj、T为常数;
得到降噪后小波域的图像
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811466117.3A CN109816598A (zh) | 2018-12-03 | 2018-12-03 | 一种图像降噪方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811466117.3A CN109816598A (zh) | 2018-12-03 | 2018-12-03 | 一种图像降噪方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109816598A true CN109816598A (zh) | 2019-05-28 |
Family
ID=66601946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811466117.3A Pending CN109816598A (zh) | 2018-12-03 | 2018-12-03 | 一种图像降噪方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816598A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130294669A1 (en) * | 2012-05-02 | 2013-11-07 | University Of Louisville Research Foundation, Inc. | Spatial-spectral analysis by augmented modeling of 3d image appearance characteristics with application to radio frequency tagged cardiovascular magnetic resonance |
CN104657942A (zh) * | 2014-12-08 | 2015-05-27 | 浙江工业大学 | 基于改进阈值的小波变换和引导滤波器的医学超声图像去噪方法 |
CN105976822A (zh) * | 2016-07-12 | 2016-09-28 | 西北工业大学 | 基于参数化超增益波束形成器的音频信号提取方法及装置 |
CN107966287A (zh) * | 2017-11-22 | 2018-04-27 | 桂林电子科技大学 | 一种自适应机电装备微弱故障特征提取方法 |
-
2018
- 2018-12-03 CN CN201811466117.3A patent/CN109816598A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130294669A1 (en) * | 2012-05-02 | 2013-11-07 | University Of Louisville Research Foundation, Inc. | Spatial-spectral analysis by augmented modeling of 3d image appearance characteristics with application to radio frequency tagged cardiovascular magnetic resonance |
CN104657942A (zh) * | 2014-12-08 | 2015-05-27 | 浙江工业大学 | 基于改进阈值的小波变换和引导滤波器的医学超声图像去噪方法 |
CN105976822A (zh) * | 2016-07-12 | 2016-09-28 | 西北工业大学 | 基于参数化超增益波束形成器的音频信号提取方法及装置 |
CN107966287A (zh) * | 2017-11-22 | 2018-04-27 | 桂林电子科技大学 | 一种自适应机电装备微弱故障特征提取方法 |
Non-Patent Citations (4)
Title |
---|
FLORIAN LUISIER ET AL.: "A New SURE Approach to Image Denoising:Interscale Orthonormal Wavelet Thresholding", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
JIN QUAN ET AL.: "A New Wavelet based Image Denoising Method", 《2012 DATA COMPRESSION CONFERENCE》 * |
何艳敏等: "《基于稀疏表示的图像压缩和去噪理论与应用》", 30 November 2016 * |
栾丽华等: "基于线性变换与多种平滑去噪的爆堆图像增强方法", 《***》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dabov et al. | Image restoration by sparse 3D transform-domain collaborative filtering | |
CN109035163B (zh) | 一种基于深度学习的自适应图像去噪方法 | |
CN110659621A (zh) | 一种基于变分模态分解和排列熵的联合降噪方法 | |
CN103854264A (zh) | 一种基于改进型阈值函数的小波变换图像去噪方法 | |
CN104103040B (zh) | 一种图像增强的方法 | |
CN103093428A (zh) | 一种时空联合的图像序列多尺度几何变换去噪方法 | |
Berger et al. | Adaptive regularized constrained least squares image restoration | |
Onur | Improved image denoising using wavelet edge detection based on Otsu’s thresholding | |
CN105490516B (zh) | Atem发射机发射电流pwm噪声的去噪方法 | |
CN106204487A (zh) | 一种基于稀疏约束的超声图像去噪方法 | |
CN109816598A (zh) | 一种图像降噪方法及*** | |
Kaur et al. | Image de-noising techniques: a review paper | |
CN105701781A (zh) | 一种基于多分辨率奇异值分解的图像去噪方法 | |
CN116912115A (zh) | 一种水下图像自适应增强方法、***、设备及存储介质 | |
Bahendwar et al. | Efficient algorithm for denoising of medical images using discrete wavelet transforms | |
CN104156925A (zh) | 对超声图像去除散斑和边界增强的处理方法及*** | |
Wang et al. | Image edge detection algorithm based onwavelet fractional differential theory | |
Pei et al. | A local adaptive threshold noise detection linear interpolation filter (LALIF) for stripe noise removal in infrared images | |
JPH05346956A (ja) | 画像信号の処理装置 | |
Barbu | Additive noise removal using a nonlinear hyperbolic PDE-based model | |
Barbu | A nonlinear fourth-order PDE-based image denoising technique | |
Alawsi et al. | Performance Analysis of Noise Removal Techniques For Digital Images | |
Zhao et al. | An improved Roberts edge detection algorithm based on mean filter and wavelet denoising | |
Li et al. | Adaptive image denoising by a new thresholding function | |
Ilango et al. | New hybrid filtering techniques for removal of speckle noise from ultrasound medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |
|
RJ01 | Rejection of invention patent application after publication |