[发明专利]非下采样轮廓波变换域的图像降噪方法

说明书

技术领域

本发明涉及一种非下采样轮廓波(Nonsubsampled Contourlet)变换域的图像降噪方法，属于图像降噪技术领域。

背景技术

通常，我们得到的图像都受到不同程度的噪声污染，为了后续的进一步处理，很有必要进行降噪处理，滤除噪声，并尽可能保留图像的所有特征信息，以恢复图像的质量。目前，图像降噪的方法主要分为线性滤波和非线性滤波两大类。传统的大部分滤波方法属于前者，如卡尔曼(Kalman)滤波等。而在非线性滤波方法中，以基于小波变换的收缩阈值降噪方法最具代表性。由于信号经过小波变换后，信号主要集中在少数绝对幅值较大的小波系数上，而噪声则散布在一些绝对幅值较小的小波系数上，所以可以利用收缩阈值对小波系数进行降噪，达到降噪的目的。

小波变换能有效地表示信号的零维奇异特征，即反映奇异点的位置和特性，但是对于更高维的特征则显得力不从心，在二维图像中，由于边缘、轮廓和纹理等具有高维奇异性的几何特征包含了大部分信息，小波不再是表示图像的最优基，从而制约了小波降噪方法的性能。因此，人们致力于发展一种新的高维函数的最优表示方法，多尺度几何分析(Multiscale Geometric Analysis)的思想应运而生。

轮廓波(Contourlet)变换是一种多尺度几何分析工具，是真正意义上的图像的二维表示方法，具有良好的多分辨率、局部化和方向性等优良特性，它将小波的优点延伸到高维空间，能够更好地刻画高维信息的特征，更适合处理具有超平面奇异性的信息。但是由于采样操作，轮廓波变换不具备平移不变性，在利用它进行图像降噪时奇异点周围会引入伪吉布斯(Pseudo-Gibbs)现象。采用循环平移方法可以抑制轮廓波降噪方法产生的伪吉布斯现象，降噪性能明显提高，但是其所需的时间复杂度极高，难以满足实时图像降噪的要求。

非下采样轮廓波变换具有平移不变性，在利用它进行图像降噪时能有效抑制降噪时产生的伪吉布斯现象，降噪性能明显优于小波降噪方法与轮廓波降噪方法，在很大程度上提高了降噪方法的性能，且其时间复杂度大大小于循环平移方法。但是，实际情况表明，这种方法还不能完全去除噪声，降噪图像中仍然残留少量噪声，影响图像质量，需要采取进一步的降噪处理。

发明内容

本发明的目的在于针对现有图像降噪方法存在的不足，提供一种非下采样轮廓波变换域的图像降噪方法，用于去除图像中的噪声，提高图像质量。

本发明的目的是通过以下技术方案实现的，一种非下采样轮廓波变换域的图像降噪方法，其特征是，所述方法首先对输入的带噪图像经计算机进行周期延拓后，采用非下采样轮廓波变换对输入的图像进行多尺度、多方向的稀疏分解，并在非下采样轮廓波变换域运用尺度内模型，利用最大后验概率(MAP，Maximum a Posteriori)估计非下采样轮廓波域系数，然后通过非下采样轮廓波逆变换得到预降噪图像(ImD)，最后再采用卡尔曼滤波方法对预降噪图像进行进一步的降噪处理，得到最终的降噪图像(ImD_end)。

上述降噪方法的具体步骤如下：

1)、初始化设置，令i＝0，j＝0，设定非下采样轮廓波变换中拉普拉斯金字塔分解层数L和每层中的方向分解数D_L；

2)、对输入的含噪图像I进行周期延拓，得到周期延拓后的图像Im；

3)、对周期延拓后的图像Im进行多尺度、多方向的非下采样轮廓波稀疏分解，从而得到低频子带图像系数Im_L和一系列的具有不同分辨率的高频子带图像系数其中l∈(1，L)和d∈(1，D_L)标明子图像位于第l层拉普拉斯金字塔分解的第d个方向；

4)、运用尺度内模型，对非下采样轮廓波变换后的高频子带系数利用最大后验概率估计非下采样轮廓波域系数，得到降噪后的高频子带系数

5)、对由步骤4)得到的降噪后的所有高频子带系数和步骤3)得到的低频子带系数Im_L进行非下采样轮廓波逆变换，得到预降噪图像(ImD)；

6)、对由步骤5)得到的预降噪图像进行卡尔曼滤波处理，得到最终的降噪图像(ImD_end)。

本发明的优点在于：首先对输入的图像进行周期延拓后，采用非下采样轮廓波变换对输入的图像进行多尺度、多方向的稀疏分解，并在非下采样轮廓波变换域运用尺度内模型，利用最大后验概率估计非下采样轮廓波域系数，然后通过非下采样轮廓波逆变换得到预降噪图像，最后再采用卡尔曼滤波方法对预降噪图像进行进一步的降噪处理，得到最终的降噪图像，达到图像降噪的目的。具体特点和优点为：