基于群-輪廓小波變換斷口圖像去噪和增強(qiáng)方法
【專利摘要】一種基于群-輪廓小波變換斷口圖像去噪和增強(qiáng)方法，其核心技術(shù)是利用Grouplet變換將斷口圖像分解為低頻和高頻兩部分，用方向?yàn)V波器組對(duì)高頻子帶進(jìn)行方向分解，經(jīng)帶通濾波器得到各個(gè)方向的子帶，其低頻子帶重復(fù)上述過程進(jìn)行迭代，直到達(dá)到預(yù)定的分解級(jí)數(shù)。本發(fā)明的特色在于利用Grouplet變換代替Contourlet變換中的拉普拉斯塔形分解，既克服了小波變換只能獲取斷口圖像有限的方向信息，不能充分利用圖像本身的幾何正則性的不足；又避免了Contourlet變換中的冗余性，可以最大限度地利用圖像的幾何特征。該方法在圖像處理中前景廣闊。
【專利說明】基于群-輪廓小波變換斷口圖像去噪和增強(qiáng)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理的方法，特別涉及一種基于Grouplet-Contourlet (群-輪 廓）小波變換的金屬斷口圖像去噪和增強(qiáng)方法。

【背景技術(shù)】
[0002] 金屬斷口圖像在獲取與傳輸過程中，往往因?yàn)橥獠凯h(huán)境和系統(tǒng)本身噪聲源的干 擾，對(duì)于人們從斷口圖像中提取有用信息造成嚴(yán)重的影響。因此，為了提高斷口圖像的質(zhì) 量，必須先對(duì)斷口圖像進(jìn)行去噪處理。目前，在對(duì)圖像進(jìn)行去噪的方法中，低通濾波雖然能 將圖像的高頻濾去，達(dá)到降噪的目的，然而，也破壞了圖像的細(xì)節(jié)分量。小波變換在這方面 取得了巨大的成功，但其本身也有其局限性，只能獲取圖像有限的方向信息，不能充分地利 用圖像本身的幾何正則性。
[0003] 圖像增強(qiáng)是通過一定手段對(duì)原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像 中感興趣的特征或者抑制圖像中某些不需要的特征，使圖像與視覺響應(yīng)特性相匹配，以改 善圖像質(zhì)量。目前，對(duì)圖像增強(qiáng)提出了多種方法，如灰度變換法、直方圖均衡、小波變換法 等。然而，各種方法的應(yīng)用都存在一些不足。如灰度變換法和直方圖均衡會(huì)引起圖像中重 要的邊界信息和細(xì)節(jié)結(jié)構(gòu)丟失，小波變換不能有效地利用圖像的幾何正則性。
[0004] 針對(duì)小波變換在圖像處理中不能充分利用數(shù)據(jù)本身所特有的幾何特征，挖掘圖像 中邊緣方面的信息，參考文獻(xiàn)[1]提出了一種Contourlet變換，并成功應(yīng)用到圖像處理中。 參考文獻(xiàn)[2]給出了基于Contourlet變換域的圖像濾噪算法，參考文獻(xiàn)[3]給出了無采 樣的Contourlet變換的圖像增強(qiáng)算法，利用Contourlet變換域系數(shù)的萎縮實(shí)現(xiàn)濾噪。參 考文獻(xiàn)[4]給出了基于Contourlet的圖像壓縮算法。參考文獻(xiàn)[5]給出了基于去頻譜混 疊Contourlet變換的層內(nèi)局部相關(guān)性圖像降噪新方法。參考文獻(xiàn)[6]將Contourlet變 換應(yīng)用到金屬斷口圖像消噪中，取得了比較好的效果。然而，這些基于Contourlet變換的 圖像消噪和增強(qiáng)方法存在一個(gè)致命弱點(diǎn)，即低頻變換產(chǎn)生冗余性，也就是說，Contourlet變 換中的拉普拉斯分解是有冗余的。由于Contourlet變換的拉普拉斯塔形分解（Laplacian pyramid, LP)具有冗余性，冗余度為4/3,因此，必須尋找有效的正交變換方法來減少甚至 消除其冗余。


【發(fā)明內(nèi)容】

[0005] 基于上述【背景技術(shù)】，本發(fā)明所要解決的技術(shù)問題是消除Contourlet變換的冗余 性，提出了一種無冗余的金屬斷口圖像去噪和增強(qiáng)方法?？紤]到Grouplet變換是基于 圖像幾何流最佳稀疏表示的正交變換，可以最大限度的利用圖像的幾何特征，在此，結(jié)合 Grouplet變換和Contourlet變換各自的優(yōu)點(diǎn)，提出了一種基于Grouplet-Contourlet的 圖像去噪和增強(qiáng)方法，提出的方法利用Grouplet變換代替Contourlet變換中的拉普拉斯 塔形分解，消除Contourlet變換的冗余性，最大限度地利用圖像的幾何特征；并將提出的 方法分別與小波和Contourlet圖像去噪和增強(qiáng)的方法進(jìn)行對(duì)比分析，仿真和實(shí)驗(yàn)結(jié)果驗(yàn) 證提出的方法的有效性。
[0006] 本發(fā)明采用以下技術(shù)方案實(shí)現(xiàn)上述目的，基于群-輪廓小波變換斷口圖像去噪和 增強(qiáng)方法，在結(jié)合金字塔分解和方向?yàn)V波器形成的Contourlet變換中，用Grouplet變換代 替Contourlet變換中的拉普拉斯塔形分解，實(shí)現(xiàn)正交變換，消除了 Contourlet的低頻變換 的冗余；
[0007] 具體過程為：
[0008] 1)給定斷口圖像，利用Grouplet變換將斷口圖像分解為低頻和高頻兩部分；
[0009] 2)用方向?yàn)V波器組對(duì)斷口圖像的高頻子帶進(jìn)行方向分解，經(jīng)帶通濾波器可以得到 各個(gè)方向的子帶；
[0010] 3)斷口圖像的低頻子帶重復(fù)步驟1)和步驟2)進(jìn)行迭代，直到達(dá)到預(yù)定的分解級(jí) 數(shù)；
[0011] 4)對(duì) Grouplet-Contourlet 變換系數(shù)進(jìn)行處理；
[0012] 若要達(dá)到消噪的目的，按事先設(shè)定的閾值T，進(jìn)行閾值去噪；
[0013] 若要達(dá)到增強(qiáng)的目的，則事先估計(jì)輸入圖像的噪聲標(biāo)準(zhǔn)差和每個(gè)細(xì)節(jié)子帶的噪聲 方差，然后，計(jì)算每個(gè)細(xì)節(jié)子帶的均值和最大值，并對(duì)于每一個(gè)像素進(jìn)行分類；然后，選取一 個(gè)非線性映射函數(shù)來修改每個(gè)像素對(duì)應(yīng)的Grouplet-Contourlet變換系數(shù)，函數(shù)式為：
[0014]

【權(quán)利要求】
1.基于群-輪廓小波變換斷口圖像去噪和增強(qiáng)方法，其特征在于：在結(jié)合金字塔分解 和方向?yàn)V波器形成的Contourlet變換中，用Grouplet變換代替Contourlet變換中的拉普 拉斯塔形分解，實(shí)現(xiàn)正交變換，消除了Contourlet的低頻變換的冗余； 具體過程為： 1)給定斷口圖像，利用Grouplet變換將斷口圖像分解為低頻和高頻兩部分； 2) 用方向?yàn)V波器組對(duì)斷口圖像的高頻子帶進(jìn)行方向分解，經(jīng)帶通濾波器可以得到各個(gè) 方向的子帶； 3)斷口圖像的低頻子帶重復(fù)步驟1)和步驟2)進(jìn)行迭代，直到達(dá)到預(yù)定的分解級(jí)數(shù)； 4)對(duì)Grouplet-Contourlet變換系數(shù)進(jìn)行處理； 若要達(dá)到消噪的目的，按事先設(shè)定的閾值T，進(jìn)行閾值去噪； 若要達(dá)到增強(qiáng)的目的，則事先估計(jì)輸入圖像的噪聲標(biāo)準(zhǔn)差和每個(gè)細(xì)節(jié)子帶的噪聲方 差，然后，計(jì)算每個(gè)細(xì)節(jié)子帶的均值和最大值，并對(duì)于每一個(gè)像素進(jìn)行分類；然后，選取一個(gè) 非線性映射函數(shù)來修改每個(gè)像素對(duì)應(yīng)的Grouplet-Contourlet變換系數(shù)，函數(shù)式為：
其中，X為Grouplet-Contourlet變換系數(shù)；0<p< 1是放大倍數(shù)，c的值范圍為1?5,〇為系數(shù)子帶的噪聲標(biāo)準(zhǔn)偏差，對(duì)變換系數(shù)進(jìn)行處理； 5)根據(jù)修改后的系數(shù)，進(jìn)行Grouplet-Contourlet逆變換，重構(gòu)圖像。
【文檔編號(hào)】G06T5/00GK104240201SQ201410448695
【公開日】2014年12月24日 申請(qǐng)日期:2014年9月4日 優(yōu)先權(quán)日:2014年9月4日
【發(fā)明者】李志農(nóng), 梁鵬, 閆敬文 申請(qǐng)人:南昌航空大學(xué)