[发明专利]一种基于Renyi熵的小波软阈值图像去噪方法

说明书

本发明涉及一种基于Renyi熵的小波软阈值图像去噪方法，属于图像去噪以及小波变换技术领域。包括：1:将RGB彩色图像拆分为单一颜色的三幅子图像；2:对步骤1输出的三幅子图像进行离散小波变换，输出第J层、第J‑1层以及第J‑2层高频系数；其中，小波母函数为bior2.2以及sym4中的一种；3：对2输出的第J层、第J‑1层以及第J‑2层高频系数二维Renyi熵值对应的区间边界为最优分割阈值；4.构造第J层、J‑1层以及J‑2层的调整阈值，将该调整阈值作为软阈值对第J层高频系数进行小波去噪；对图像经过重构，完成二维离散小波反变换，得到去噪图像。所述方法可有效对图像信号中的点噪声与图像信号进行分离。

技术领域

本发明涉及一种基于Renyi熵的小波软阈值图像去噪方法，属于图像去噪以及小波变换技术领域。

背景技术

光波在水中会由于吸收而快速衰减，因此传统的光学捕捉图像方法，在拍摄水底目标经常模糊不清。另一常用水下成像方法：声呐成像，由于在成像时分辨率低，噪声问题十分严重，导致水下目标识别困难。

在众多去噪算法中，小波去噪算法可在有效去除噪声的同时保留边缘信息，去噪效果较好。小波变换广泛应用在图像去噪领域，小波阈值去噪的算法由于其用时短、效果佳的特性，得到全面而广泛的研究。

使用小波变换进行去噪大致分为三种方法：模极大值去噪、阈值法去噪与相关性去噪。典型又性能优异的小波去噪方法有两种：1)基于中值滤波和小波滤波联合对于声呐图像去噪，2)基于HMT模型小波对声呐图像完成去噪过程。

其中，小波变换中的离散小波变换由Mallat提出，其原理是通过小波母函数，构造各层滑动位置的小波函数，进一步将小波函数与待处理信号卷积，得到不同大小的窗口在位置上的滑动卷积结果。

Renyi熵是测量信号信息的一种有效方法，香农熵是Renyi熵的特例。现有技术中，有将Renyi熵作为参数应用到图像特征提取，也有使用Renyi熵进行图像中渗出液的分割。

关于Renyi熵去噪，已有将小波熵与软阈值相结合处理语音信号，再对小波系数的信息量进行定量计算。然而当前研究大多是对一维信号进行分解并去噪，对图像的去噪大多停留在空间域范围,如均值滤波，中值滤波。而对于图像在空频范围内目前常用离散傅里叶变换及小波去噪法。其中，小波软阈值去噪中自适应阈值去噪方法处理效果较好。

然而基于小波变换及Renyi熵结合去噪，没有相应现有技术。我们致力于基于小波变换及Renyi熵结合，探索对图像去噪的新方法。

使用小波阈值法需要确定噪声与物体的像素阈值，常用方法为硬阈值和软阈值。在提出的方法中，本方法没有直接将硬阈值或软阈值应用于分割，而是选择了一种新的方法来估计分解系数的阈值。

发明内容

本发明的目的在于针对小波方法从信号中分离噪声的现有技术中，在峰值信噪比以及平均结构相似性两方面有进一步提升空间，提出了一种基于Renyi熵的小波软阈值图像去噪方法,先对图像进行小波变换，从系数矩阵中提取图像的高频分量即细节信息，再通过计算系数矩阵的最大Renyi熵得出阈值，基于此阈值对系数矩阵进行软阈值去噪，进而实现将Renyi熵和小波变换相结合,从信号中分离噪声。

所述基于Renyi熵的小波软阈值图像去噪方法，包括如下步骤：

步骤1:将RGB彩色图像拆分为单一颜色的三幅子图像；

其中，三幅子图像，分别记为I_R、I_G以及I_B，每幅子图像的维度为M*N；

步骤2:对步骤1输出的三幅子图像进行离散小波变换，输出第J层、第J-1层以及第J-2层高频系数，具体包括如下子步骤：

步骤2.1)通过小波母函数，构造各尺度因子及滑动位置的小波函数；