[发明专利]一种基于水平集曲率及小波变换的图像去噪方法

权利要求书

1.一种基于水平集曲率及小波变换的图像去噪方法，其特征在于，包括如下步骤：

S1对含噪音的高密度柔性基板图像进行小波变换分层处理；

S2对分层处理后的图像分别提取高频成分图像及低频成分图像；

S3对高频成分图像建立图像水平集曲率变分平滑模型，进行图像平滑；

S4对平滑后的高频图像与分层处理后的低频图像进行图像融合、重构得到去噪后的图像。

2.根据权利要求1所述的图像去噪方法，其特征在于，所述S1对含噪音的高密度柔性基板图像进行小波变换分层处理，具体为：

对图像分别进行低通滤波和高通滤波，对滤波后的图像进行小波变换分层，分两层，第一层的小波变换中，得到四个子频带：1个低频子带LL₁和3个高频子带HL₁、LH₁、HH₁；

低频子带LL₁是通过对含噪音的柔性基板图像进行水平和垂直方向的低通滤波后得到；

高频子带HL₁是通过对含噪音的柔性基板图像进行水平方向的高通滤波和垂直方向的低通滤波后得到；

高频子带LH₁是通过对含噪音的柔性基板图像进行水平方向的低通滤波和垂直方向的高通滤波后得到；

高频子带HH₁是通过对含噪音的柔性基板图像进行水平方向和垂直方向的高通滤波后得到，各个子带的分辨率为原始图像1/2；

小波变换的第二层是在低频子带LL₁上进行，分解后的各个子带上分辨率为原图像的1/4。

3.根据权利要求2所述的图像去噪方法，其特征在于，所述S2对分层处理后的图像分别提取高频成分图像及低频成分图像；具体为是对分解后的各个子带上的低频系数和高频系数进行阈值处理，然后根据阈值量化后的低频系数和高频系数进行图像重构，从而得到高频成分图像和低频成分图像。

4.根据权利要求1所述的图像去噪方法，其特征在于，所述图像水平集曲率变分平滑模型具体为：

其中，div为散度算子，为梯度算子，I₀为M×N维的初始含噪音图像，

其中，l为梯度阈值，具体公式如下：

其中，k为水平集曲率，具体公式如下：

其中i＝1,2,…,M,j＝1,2,…,N,a为设定系数,Ix，Iy图像像素点I(x,y)分别对x、y的偏导。

5.根据权利要求3所述的图像去噪方法，其特征在于，采用软阈值处理方式对分解后的各个子带上的低频系数和高频系数进行阈值处理。