[发明专利]基于二维Otsu的轮廓波域维纳滤波图像去噪方法

摘要

本发明公开了一种基于二维Otsu的轮廓波域维纳滤波图像去噪方法，主要解决现有去噪方法去噪效果不佳的问题。其实现步骤是：(1)对含噪图像TI进行轮廓波分解；(2)分别对分解出的各个高频子带进行二维Otsu分割，得到重要系数和非重要系数；(3)分别计算高频子带的椭圆窗口，根据椭圆窗口估计高频子带的信号方差，对重要系数和非重要系数分别进行维纳滤波；(4)对去噪后的高频子带进行轮廓波逆变换，得到去噪图像FI；(5)对FI进行非局部均值滤波，得到去噪输出。本发明能有效去除含有高斯白噪声的自然图像中的噪声，可用于变化检测，目标识别时对图像的预处理。

主权项

1.一种基于二维Otsu的轮廓波域维纳滤波图像去噪方法，包括如下步骤：(1)对大小为A×B的含噪图像TI先进行轮廓波分解，分解层数为3，第一层分解得到16个高频子带，第二层分解得到8个高频子带，第三层分解得到8个高频子带，再采用绝对值中值法估计含噪图像TI的噪声noise_TI；(2)采用二维Otsu分别对以上分解出的各个高频子带进行分割，将高频子带中的系数分为重要系数和非重要系数；(3)用含噪图像TI的噪声noise_TI分别估计各个高频子带的噪声方差并计算各个高频子带的椭圆窗口P；(4)对各个高频子带进行维纳滤波：(4a)根据椭圆窗口P计算高频子带中点(i，j)处的信号方差：σk2(i,j)=max(0,1MsΣ(u,v)∈Ns(W(u,v)-mk)2-σn2)]]>其中N_s为以点(i，j)为中心，形状与椭圆窗口P相同的窗口，M_s为窗口N_s内重要系数的个数，m_k为窗口N_s内所有重要系数的均值，(u，v)是窗口N_s内任意点的坐标，W(u，v)是高频子带在点(u，v)处的系数值，为点(i，j)处的信号方差，为高频子带的噪声方差；(4b)根据步骤(2)中高频子带系数的分割，若高频子带中的点(i，j)为重要系数点，按下式进行维纳滤波，否则进入步骤(4c)：x(i,j)=mk+σk2(i,j)σk2(i,j)+σn2(W(i,j)-mk)]]>其中W(i，j)为高频子带在点(i，j)处的系数值，m_k为窗口N_s内所有重要系数的均值，为点(i，j)处的信号方差，为高频子带的噪声方差，x(i，j)为点(i，j)处滤波后的系数值；(4c)若高频子带中的点(i，j)为非重要系数点，则按下式进行维纳滤波：x(i,j)=σk2(i,j)σk2(i,j)+σn2W(i,j)]]>其中为点(i，j)处的信号方差，为高频子带的噪声方差，W(i，j)为高频子带在点(i，j)处的系数值，x(i，j)为点(i，j)处滤波后的系数值；(5)对32个经过维纳滤波的高频子带进行轮廓波逆变换，得到大小为A×B的去噪图像FI；(6)采用绝对值中值法估计去噪图像FI的噪声noise_FI，然后对大小为A×B的去噪图像FI进行非局部均值滤波，得到最终的去噪图像SI。