專利名稱：基于雙樹(shù)離散小波包的圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種基于雙樹(shù)離散小波包的圖像去噪方法。
背景技術(shù)：
近年來(lái)，由于小波變換具有良好的時(shí)-頻局部化特性，在信號(hào)和圖像去噪領(lǐng)域得到了廣泛的應(yīng)用。傳統(tǒng)的小波域去噪方法是對(duì)小波系數(shù)進(jìn)行萎縮處理，如Donoho提出的硬閾值和軟閾值去噪法。現(xiàn)有的方法存在的缺點(diǎn)是一方面，硬閾值函數(shù)具有不連續(xù)性，重構(gòu)所得的信號(hào)會(huì)產(chǎn)生偽吉布斯效應(yīng)，而軟閾值方法估計(jì)后的小波系數(shù)和分解得到的小波系數(shù)總存在恒定的偏差，直接影響重構(gòu)信號(hào)與真實(shí)信號(hào)的逼近程度；另一方面，在某些動(dòng)態(tài)環(huán)境例如無(wú)人機(jī)自主飛行中，動(dòng)態(tài)獲取的圖像不僅包含大量的噪聲，同時(shí)自然場(chǎng)景下的圖像富含方向性特征， 更多得高頻細(xì)節(jié)和高頻噪聲很難區(qū)分，給小波去噪帶來(lái)了較大困難。

發(fā)明內(nèi)容
本發(fā)明的目的旨在至少解決上述技術(shù)缺陷之一。為達(dá)到上述目的，本發(fā)明提出一種基于雙樹(shù)離散小波包的圖像去噪方法，包括以下步驟構(gòu)造雙樹(shù)離散小波；根據(jù)所述雙樹(shù)離散小波對(duì)圖像進(jìn)行分解，獲得多個(gè)子頻帶以及所述子頻帶的小波系數(shù)；計(jì)算各個(gè)子頻帶的小波系數(shù)的自相關(guān)系數(shù)，并選取所述小波系數(shù)的自相關(guān)系數(shù)小于預(yù)定的第一閾值的子頻帶進(jìn)行小波包分解，獲得第二層雙樹(shù)離散小波包；以及基于所述第二層雙樹(shù)離散小波包將所述圖像變換到小波域中，并計(jì)算所述小波系數(shù)的鄰域相關(guān)性，以及根據(jù)所述小波系數(shù)的鄰域相關(guān)性對(duì)所述圖像進(jìn)行去噪和圖像增強(qiáng)。根據(jù)本發(fā)明實(shí)施例的基于雙樹(shù)離散小波包的圖像去噪方法，通過(guò)利用小波系數(shù)之間的相似性關(guān)系分析圖像的噪聲分布特征特性，設(shè)計(jì)出的小波包構(gòu)造方案在實(shí)現(xiàn)自然場(chǎng)景去噪的情況下，能夠同時(shí)實(shí)現(xiàn)圖像增強(qiáng)。而且，本發(fā)明的方法只對(duì)源圖像進(jìn)行處理，不需要任何先驗(yàn)知識(shí)，通用性強(qiáng)。本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本發(fā)明的實(shí)踐了解到。


本發(fā)明上述的和/或附加的方面和優(yōu)點(diǎn)從下面結(jié)合附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中圖1為本發(fā)明實(shí)施例的基于雙樹(shù)離散小波包的圖像去噪方法的流程圖；圖2為本發(fā)明一個(gè)實(shí)施例的三級(jí)雙樹(shù)離散小波變換結(jié)構(gòu)示意圖；以及圖3為本發(fā)明一個(gè)實(shí)施例的滿樹(shù)小波包分解結(jié)構(gòu)示意圖。
具體實(shí)施例方式下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能解釋為對(duì)本發(fā)明的限制。如圖1所示，根據(jù)本發(fā)明實(shí)施例的基于雙樹(shù)離散小波包的圖像去噪方法，包括以下步驟步驟S101，構(gòu)造雙樹(shù)離散小波。在本發(fā)明的一個(gè)實(shí)施例中，使用q-shift設(shè)計(jì)方案構(gòu)造雙樹(shù)離散小波。如圖2所示為一個(gè)示例的三級(jí)雙樹(shù)離散小波變換結(jié)構(gòu)，其中，hob(n) = h0a(N-l-n)，N為濾波器長(zhǎng)度為偶數(shù)，即hQb(n)是Iltla(Ii)的反轉(zhuǎn)。自然地，hob(n)和Iltla(Ii)的傅里葉變換長(zhǎng)度相等，但是兩者不能達(dá)到半樣本延遲， 即|Η0“ω) I = |H0a(co)Z hob (η) = Z Htla (ω) - (N-I) ω。為了實(shí)現(xiàn)半樣本延遲，令 Zhtlb (η) =-ZHcia(G) )-0.5 ω，則有Z Ηθ3(ω)-0. 5ω = - Z Ηθ3(ω)-(Ν"1) ωZ Ηθ3(ω) =-0.5 (Ν_1) ω +0. 25 ω也就是說(shuō)，Htla (ω)是近似線性相位濾波器，它的對(duì)稱中心是η = 0. 5 (N-I) -0. 25， 其比一般線性相位濾波器的對(duì)稱點(diǎn)偏移了四分之一個(gè)樣本。雙樹(shù)離散小波近似地實(shí)現(xiàn)了兩路濾波器的半樣本點(diǎn)延遲，獲得了近似解析的復(fù)小波變換，有諸多優(yōu)點(diǎn)，是應(yīng)用最為廣泛的解析復(fù)小波變換，并且解析精度隨分解級(jí)數(shù)的增加而增加。但是，雙樹(shù)離散小波分解與普通的離散小波變換一樣，分解的時(shí)候采用二進(jìn)式分解，對(duì)高頻子帶不做進(jìn)一步分解，通過(guò)對(duì)低頻子帶進(jìn)行迭代分解，信號(hào)被分解為一個(gè)低頻子帶和一系列高頻子帶。分片線性光滑信號(hào)主要包含低頻成分，所以雙樹(shù)離散小波能非常緊致地表示這一類信號(hào)除了低頻子帶之外，高頻子帶僅在信號(hào)的奇異點(diǎn)附近產(chǎn)生較大的系數(shù)。但是，許多信號(hào)如自然圖像、遙感圖像、生物醫(yī)學(xué)圖像等，不僅包含顯著的低頻分量，同時(shí)也包含了大量的高頻信號(hào)，雙樹(shù)離散小波難以高效地表達(dá)這類信號(hào)。為了克服雙樹(shù)離散小波這一缺點(diǎn)，考慮將小波包方法和雙樹(shù)離散小波方法結(jié)合起來(lái)，對(duì)高頻子帶和低頻子帶都進(jìn)行分解。與雙樹(shù)離散小波相比，雙樹(shù)離散小波包能夠提供更精細(xì)的頻域表示，繼承了雙樹(shù)離散小波的方向選擇性，并增加了小波方向的數(shù)目，同時(shí)能夠根據(jù)輸入信號(hào)的特性自適應(yīng)地優(yōu)選分解結(jié)構(gòu)。步驟S102，根據(jù)雙樹(shù)離散小波對(duì)圖像進(jìn)行分解，獲得多個(gè)子頻帶以及所述子頻帶的小波系數(shù)。具體地，首先采用q-shift濾波器將圖像分解為方向子帶后，再采用普通濾波器進(jìn)行各向異性分解，從而保證所得的小波具有方向選擇性。由于在各向異性分解中，DDWT(Distributed Discrete Wavelet Transform 分散式離散小波變換)子帶作為復(fù)子帶進(jìn)行分解，因此虛部和實(shí)部具有相同的分解結(jié)構(gòu)。由于各DDWT子帶獨(dú)立地進(jìn)行自適應(yīng)各向異性分解，因此ADDWP (adaptive dual-tree discrete wavelet packet自適應(yīng)雙樹(shù)離散小波包)在基函數(shù)優(yōu)選中需要搜索的分解結(jié)構(gòu)數(shù)目為各DDWT子帶分解結(jié)構(gòu)數(shù)目之和為0029]
權(quán)利要求
1.一種基于雙樹(shù)離散小波包的圖像去噪方法，其特征在于，包括以下步驟51構(gòu)造雙樹(shù)離散小波；52根據(jù)所述雙樹(shù)離散小波對(duì)圖像進(jìn)行分解，獲得多個(gè)子頻帶以及所述子頻帶的小波系數(shù)；53計(jì)算各個(gè)子頻帶的小波系數(shù)的自相關(guān)系數(shù)，并選取所述小波系數(shù)的自相關(guān)系數(shù)大于預(yù)定的閾值的子頻帶進(jìn)行小波包分解，獲得第二層雙樹(shù)離散小波包，以此類推獲得多層雙樹(shù)離散小波包；S4:基于所述多層雙樹(shù)離散小波包將所述圖像變換到小波域中，并計(jì)算所述小波系數(shù)的鄰域相關(guān)性，以及根據(jù)所述小波系數(shù)的鄰域相關(guān)性對(duì)所述圖像進(jìn)行去噪和圖像增強(qiáng)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟Sl進(jìn)一步包括 使用q-shift方案構(gòu)造所述雙樹(shù)離散小波。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟S2進(jìn)一步包括 使用q-shift濾波器將所述圖像分解為方向子帶；以及使用濾波器對(duì)所述方向子帶進(jìn)行各向異性分解，獲得所述多個(gè)子頻帶以及所述子頻帶的小波系數(shù)。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S3進(jìn)一步包括m η m ηΣΣΣΣ ( - )( -%)^^ /=1 /=1 /=1 /2=1 q -----1 m η m ηm ηΣΣΣΣΣΣΚ/=1 j=\ /=1 h=\ /=1 /=1根據(jù)所述子頻帶的小波系數(shù)，通過(guò)以下的公式，計(jì)算所述小波系數(shù)的自相關(guān)系數(shù)，其中，Wu^lh為所述小波系數(shù)，m是 和Wlh的行數(shù)，η是、和Wlh的列數(shù)，Wy是 為中心的一個(gè)窗口的小波系數(shù)的均值，q是自相關(guān)系數(shù)，μ是空間鄰接矩陣且if Wij 和 Wlh鄰接 Mya =i O if %和％不鄰接 O if Wlj 就是wlh
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S4進(jìn)一步包括541根據(jù)所述小波系數(shù)，通過(guò)以下的公式，計(jì)算所述小波系數(shù)的鄰域相關(guān)性，W2 n2 m2 n2f _ γ _、Σ Σ Σ Σ - ^V^wIh -TnlTn2UlH2 m2 η2 m2 η2m2 η2ΣΣΣΣ ^ijih ΣΣ(^-%·)4/=W1 j=nx I=Tnl Ii=Yil/=W1 ]=ηλ其中，Hipnpn^n2為以Wij為中心的窗口的頂點(diǎn)坐標(biāo)值；542根據(jù)所述小波系數(shù)的鄰域相關(guān)性，通過(guò)以下的公式對(duì)所述小波系數(shù)進(jìn)行修正，ιw = w amlnlm2n2 mlnlm2n2 mlnlm2n全文摘要
本發(fā)明提出一種基于雙樹(shù)離散小波包的圖像去噪方法，包括以下步驟構(gòu)造雙樹(shù)離散小波；根據(jù)雙樹(shù)離散小波對(duì)圖像進(jìn)行分解，獲得多個(gè)子頻帶及其小波系數(shù)；計(jì)算各個(gè)子頻帶的小波系數(shù)的自相關(guān)系數(shù)，并選取自相關(guān)系數(shù)小于預(yù)定的閾值的子頻帶進(jìn)行小波包分解，獲得第二層雙樹(shù)離散小波包，依此類推獲得多層雙樹(shù)離散小波包；基于多層雙樹(shù)離散小波包將圖像變換到小波域中，并計(jì)算小波系數(shù)的鄰域相關(guān)性，以及根據(jù)鄰域相關(guān)性對(duì)圖像進(jìn)行去噪和圖像增強(qiáng)。本發(fā)明通過(guò)利用小波系數(shù)之間的相似性關(guān)系分析圖像的噪聲分布特征特性，設(shè)計(jì)出的小波包構(gòu)造方案在實(shí)現(xiàn)自然場(chǎng)景去噪的情況下，能夠同時(shí)實(shí)現(xiàn)圖像邊緣和細(xì)節(jié)的增強(qiáng)。
文檔編號(hào)G06T5/00GK102236888SQ20111020743
公開(kāi)日2011年11月9日 申請(qǐng)日期2011年7月22日 優(yōu)先權(quán)日2011年7月22日
發(fā)明者劉芳, 戴瓊海 申請(qǐng)人:清華大學(xué)