[发明专利]一种基于邻域相关性的自适应小波阈值去噪方法

说明书

技术领域

本发明属于图像预处理中的图像去噪技术领域，特别涉及一种基于领域相关性的自适应小波阈值去噪方法。

背景技术

噪声是影响图像质量的一个重要因素，在采集、传输、获取图像的过程中，由于成像设备或外部环境的干扰会不可避免地引入图像噪声。噪声的加入会给图像的后续处理带来很大的麻烦，因此在图像使用之前，有必要进行去噪处理，提高信噪比。其中图像去噪的目的是去除绝大部分噪声的同时尽可能保护图像的边缘信息以减少噪声对后续处理的影响。图像去噪对于图像工程的处理有很大的帮助，因此，图像去噪极具研究价值和应用价值。

为了满足图像去噪的实际要求，目前图像去噪有了很大的发展，去噪方法也多种多样，最直观传统的方法是根据图像和噪声在频域表现出来的不同特性进行信噪分离，图像频谱一般分布在有限的频带内且频率较低，而噪声一般集中在高频区域，因此可以采用滤波的方法进行图像去噪，如低通滤波、均值滤波、中值滤波、维纳滤波等，这些方法在一定程度上能够减少了噪声带来的影响，但同时也使图像边缘和细节信息变模糊。传统的滤波方法要求图像与噪声的重叠越小越好，当频谱重叠部分较多，去噪效果就不是很理想。

针对传统方法的不足，小波分析作为一种新的时频工具，克服了传统傅里叶变化具有固定分辨率的缺陷。小波分析具有多分辨分析的特点，在时域和频域都能很好地刻画信号的局部特性，被称为数学显微镜。因此小波分析在图像去噪领域非常实用和受欢迎。对于小波域图像去噪，其基本思想是在小波域对小波变换后的小波系数进行相应处理，将噪声的小波系数去除，保留信号的小波系数，以达到去噪的目的。目前对于小波去噪主要有三种方法；其一，膜极大值去噪；其二，利用尺度相关性对信号进行滤波达到去噪的效果；其三，小波阈值去噪。由于前两者计算量相当大，去噪效果不是很理想，因此实用性不强。

经小波变换后的图像，其本身的能量对应着幅值较大的小波系数，主要集中在低频；噪声能量则对应着幅值较小的小波系数，并分散在小波变换后的整个小波域中。小波阈值去噪方法根据该特征，设置一个阈值，认为大于该阈值的小波系数主要成份为有用信号，给予收缩后保留，小于该阈值的小波系数主要成份为噪声，予以剔除，这样就可以达到去噪的目的。目前最常用的小波阈值去噪方法是硬阈值去噪和软阈值去噪。其中硬阈值函数为：

wj,k^=wj,k,|wj,k|≥λ0,|wj,k|<λ;]]>

软阈值函数为：