[发明专利]一种变阈值的小波去噪方法

说明书

本发明公开一种变阈值的小波去噪方法，包括五步。步骤一，输入原始图像并加入相应的高斯噪声；步骤二，选择小波基函数并确定小波分解的层数O：对噪声图像S分解得到第一层低频系数A1、水平及垂直高频系数H1及V1、对角高频系数D1；对A1分解得到第二层低频系数A2、水平及垂直高频系数H2及V2、对角高频系数D2；对A2分解得到第三层低频系数A3、水平及垂直高频系数H3及V3和对角高频系数D3；依次分解到第O层；步骤三、选取合的小波阈值及以直线为渐进线的小波阈值函数对小波系数进行处理；步骤四，对阈值量化后的小波系数进行小波重构；步骤五，输出去噪后的图像。本发明能提高小波变换处理噪声信号的精度，有效提升图像的去噪效果，获得高质量去噪图像。

技术领域

本发明涉及数字图像处理的去噪领域，尤其涉及一种变阈值的小波去噪方法。

背景技术

图像在形成、记录、处理和传输过程中，易受到噪声的影响，而导致图像质量下降，使图像变得模糊，甚至淹没图像特征，这给后面的图像区域分割、目标识别、边缘提取等工作带来了困难。因此，在对图像进行处理之前，去除噪声是一关键的预处理环节。为了获取高质量数字图像，很有必要对图像进行降噪处理，尽可能的保持原始信息完整性(即主要特征)的同时，又能够去除信号中无用的信息。所以，降噪处理一直是图像处理的热点。

小波去噪一般分为三类，第一类是利用小波变换模极大值方法进行图像去噪；第二类是对含噪声信号作小波变换后，通过计算相邻尺间小波系数的相关性，根据相关性大小对小波系数进行取舍，最后重构得到去噪信号；第三类是阈值去噪，它是根据小波变换后信号和噪声的小波系数分布不同，对小波系数进行不同的处理实现的。其中小波阈值去噪方法运算量小，实现简单，得到广泛应用。

专利“基于小波变换的DR图像去噪方法及系统”(专利号：102663695A)，采用改进的软阈值函数对图像进行处理，小波重构得到第一层的高频系数和低频系数,对第一层高频系数再采用硬阈值函数进行处理，然后再次重构。该方法将软、硬阈值函数有机结合在一起，取得了较好的去噪效果，改善了图像的信噪比，但是仍然不能解决软、硬阈值函数本身具有的缺点。

本发明与“基于小波变换的DR图像去噪方法及系统”相比，其优点为：

(1)本发明的小波阈值函数以直线为渐进线，解决了硬阈值函数在阈值点处不连续，及软阈值函数之间的恒定偏差带来的边缘模糊的问题。

(2)本发明提出的小波阈值具有自适应性，符合图像信号在分解过程中的噪声信号不断减小和图像信号不断增大的特点。在分解层数i＝1时，与全局阈值一样，随着分解层数的增加阈值在不断减小。

(3)本发明提出的小波阈值可以根据图像分解层数的不同能够自适应的更新阈值，使之适应每一层小波变换系数的特点。

本发明的目的在于提供一种小波阈值及小波阈值函数，能提高小波变换处理噪声信号的精度，有效提升图像的去噪效果，获得高质量去噪图像。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种变阈值的小波去噪方法，以提高图像的去噪效果。

本发明涉及一种变阈值的小波去噪方法，其特征在于，具体按照以下步骤进行：

步骤一，输入原始图像并加入相应的高斯噪声；

步骤二，选择一个适当的小波基函数并确定小波分解的层数O，然后对含噪图像进行O层小波分解：

(a)对噪声图像S进行分解得到第一层低频系数A1、第一层水平高频系数H1、第一层垂直高频系数V1、第一层对角高频系数D1；

(b)对第一层低频系数A1进行分解得到第二层低频系数A2、第二层水平高频系数H2、第二层垂直高频系数V2、第二层对角高频系数D2；