[发明专利]基于邻域加窗的提升小波图像去噪方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种基于邻域加窗的提升小波图像去噪方法。

背景技术

目前图像去噪方法中，均值滤波是一种常用的图像滤波去噪方法，该方法运算简单，对高斯噪声具有良好的去噪能力。但均值滤波在消除噪声的同时也会对图像的高频细节成分造成破坏和损失，使图像模糊。为了解决均值滤波算法存在的图像模糊问题，也出现了许多改进的算法，如K邻点平均法、梯度倒数加权平滑法、最大均匀性平滑法、小斜面模型平滑法、自适应加权平滑法等，不过这些改进的均值滤波算法一般只是对某些类型的图像具有较好的去噪效果，对于不同类型的图像则需要调整其形状和参数，不具有普适性。

经典小波变换是一种时频域分析方法，和傅立叶变换一样，虽然存在快速计算方法，仍然存在计算量大、存储空间消耗大以及浮点计算的缺点。为此，Sweldens等提出了基于提升的小波变换，也称第二代小波变换，即提升小波，具有不依赖傅立叶变换而直接在空域完成计算、原位计算(不需要额外存储空间)、易实现整数到整数的变换以及计算量更小的特点，成为小波研究与应用领域的新热点。

发明内容

本发明是针对现有技术的上述不足，提供了一种基于邻域加窗的提升小波图像去噪方法。该方法充分考虑了小波系数的层内相关性，并根据其特性为各子带系数选择不同的加窗滤波模板，从而达到更好地恢复原图像，改善对图像的去噪性能。

本发明的基于邻域加窗的提升小波图像去噪方法，包括下列步骤：

步骤1：将含噪图像f(x，y)经过单尺度提升小波变换处理，分别获得四个子带系数：低频系数A、水平细节系数H、垂直细节系数V和对角细节系数D；

步骤2：将A保持不变，对水平细节系数H、垂直细节系数V和对角细节系数D分别采用垂直线形滤波模板、水平线形滤波模板和对角方向滤波模板进行均值滤波，滤波后为

步骤3：将A和去噪后的高频子带进行重构，即可得到去噪后图像f^=A+H^+V^+D^.]]>

上述的步骤2可以按照下列方法进行：

1)首先分别根据水平细节系数H、垂直细节系数V和对角细节系数D的频率特性分别选择相应的均值滤波模板w_ζ    ζ＝H，V，D；

2)为滤波模板分别进行加窗；

3)进行滤波操作：g(x,y)=1MΣ(x,y)∈Sf(x,y)wζw(n)]]>ζ＝H，V，D

其中S是以(x，y)为中心的邻域中点的集合，M是S内的点数，g(x，y)为滤波后子带系数。