在小波域利用進(jìn)化規(guī)劃進(jìn)行圖像去噪和增強(qiáng)的方法
【專利摘要】本發(fā)明提出在小波域利用進(jìn)化規(guī)劃進(jìn)行圖像去噪和增強(qiáng)的方法，目的是為了在小波域利用進(jìn)化規(guī)劃對(duì)無人機(jī)圖像進(jìn)行去噪和增強(qiáng)。該算法包括以下步驟：利用雙樹離散小波將圖像變換到小波域；在小波域使用進(jìn)化規(guī)劃估算去噪閾值，對(duì)高頻子帶中的高分辨率系數(shù)進(jìn)行軟閾值去噪；在小波域使用進(jìn)化規(guī)劃估計(jì)增強(qiáng)參數(shù)，對(duì)高頻子帶中的低分辨率系數(shù)進(jìn)行增強(qiáng)；進(jìn)行小波逆變換，獲得重構(gòu)圖像。本發(fā)明通過在小波域使用進(jìn)化規(guī)劃對(duì)無人機(jī)進(jìn)行去噪和增強(qiáng)，設(shè)計(jì)的算法不僅能夠得到視覺質(zhì)量非常優(yōu)秀的去噪圖像，而且能夠很好的保留邊緣和紋理細(xì)節(jié)信息。
【專利說明】在小波域利用進(jìn)化規(guī)劃進(jìn)行圖像去噪和增強(qiáng)的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】和智能計(jì)算領(lǐng)域，特別涉及一種基于雙樹離散小波包和進(jìn)化規(guī)劃相結(jié)合的自適應(yīng)圖像去噪和增強(qiáng)方法。
【背景技術(shù)】
[0002]在無人機(jī)圖像去噪中多尺度特征分析是非常重要的，同時(shí)小波處理也是非常必要的?；谛〔ǖ膱D像去噪和增強(qiáng)的基本方案如下:1)小波分解；2)在不同尺度對(duì)小波系數(shù)修正；3)根據(jù)修正的小波系數(shù)復(fù)原圖像?，F(xiàn)在一些圖像增強(qiáng)方法僅考慮細(xì)節(jié)增強(qiáng)，而忽略噪聲削減或者抑制。一些圖像增強(qiáng)方法僅考慮減少噪聲而忽略細(xì)節(jié)增強(qiáng)。一些圖像增強(qiáng)方法既考慮噪聲削減也注重細(xì)節(jié)增強(qiáng)。然而，他們大部分使用噪聲的靜態(tài)屬性來估算去噪閾值。實(shí)際上，這是非常困難的，因?yàn)榫_的噪聲靜態(tài)屬性不能被提前知道或者精確預(yù)計(jì)。此外，他們大部分通過用戶干預(yù)增強(qiáng)細(xì)節(jié)以便能獲得好的結(jié)果。這將限制他們?cè)趯?shí)際圖像增強(qiáng)中的廣泛應(yīng)用。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的旨在解決上述技術(shù)缺陷，改善雙樹離散小波去噪算法的效果以及更好地保護(hù)圖像的邊緣和細(xì)節(jié)信息。
[0004]為了達(dá)到上述目的，本發(fā)明提出一種基于雙樹離散小波和進(jìn)化規(guī)劃相結(jié)合的自適應(yīng)雙樹離散小波包的 圖像去噪和增強(qiáng)方法，包括以下幾個(gè)步驟:
[0005]S1:采用雙樹離散小波對(duì)含有噪聲的圖像g進(jìn)行L層分解，獲得第L分解層的低頻子帶(即近似系數(shù)矩陣)和第I~L分解層的高頻子帶(即細(xì)節(jié)系數(shù)矩陣)，其中細(xì)節(jié)系數(shù)矩陣又分為高分辨率系數(shù)矩陣和低分辨率系數(shù)矩陣；
[0006]S2:針對(duì)高分辨率系數(shù)矩陣采用小波閾值去噪方法進(jìn)行處理，獲得去噪后的高分辨率系數(shù)矩陣，具體如下:
[0007]S2.1:利用進(jìn)化規(guī)劃估算各高分辨率系數(shù)矩陣對(duì)應(yīng)的最優(yōu)去噪閾值。
[0008]S2.1.1:把各高分辨率系數(shù)矩陣對(duì)應(yīng)的初始去噪閾值作為初始群體的個(gè)體，隨機(jī)初始化群體并對(duì)所有的個(gè)體進(jìn)行適應(yīng)度計(jì)算，獲得每個(gè)個(gè)體的適應(yīng)度，其中，第s個(gè)分解層、第I個(gè)個(gè)體的適應(yīng)度計(jì)算公式如下:
【權(quán)利要求】
1.在小波域利用進(jìn)化規(guī)劃進(jìn)行圖像去噪和增強(qiáng)的方法，其特征在于包括以下步驟: 51:采用雙樹離散小波對(duì)含有噪聲的圖像g進(jìn)行L層分解，獲得第L分解層的低頻子帶，即近似系數(shù)矩陣和第I~L分解層的高頻子帶，即細(xì)節(jié)系數(shù)矩陣，其中細(xì)節(jié)系數(shù)矩陣又分為高分辨率系數(shù)矩陣和低分辨率系數(shù)矩陣； 52:針對(duì)高分辨率系數(shù)矩陣采用小波閾值去噪方法進(jìn)行處理，獲得去噪后的高分辨率系數(shù)矩陣，具體如下: S2.1:利用進(jìn)化規(guī)劃估算各高分辨率系數(shù)矩陣對(duì)應(yīng)的最優(yōu)去噪閾值； S2.1.1:把各高分辨率系數(shù)矩陣對(duì)應(yīng)的初始去噪閾值作為初始群體的個(gè)體，隨機(jī)初始化群體并對(duì)所有的個(gè)體進(jìn)行適應(yīng)度計(jì)算，獲得每個(gè)個(gè)體的適應(yīng)度，其中，第s個(gè)分解層、第I個(gè)個(gè)體的適應(yīng)度計(jì)算公式如下:
2.根據(jù)權(quán)利要求1所述的在小波域利用進(jìn)化規(guī)劃進(jìn)行圖像去噪和增強(qiáng)的方法，其特征在于，步驟S2.1中所用參數(shù)cF_表示第j代種群的中心位置，其計(jì)算公式如下:

【文檔編號(hào)】G06T5/00GK103903232SQ201410144096
【公開日】2014年7月2日 申請(qǐng)日期:2014年4月10日 優(yōu)先權(quán)日:2014年4月10日
【發(fā)明者】劉芳, 付鳳之, 鄧志仁, 馬玉磊 申請(qǐng)人:北京工業(yè)大學(xué)