基于Shearlet變換和非線性擴(kuò)散的圖像去噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于Shearlet變換和非線性擴(kuò)散 的圖像去噪方法。
【背景技術(shù)】
[0002] 圖像與人們的生活密切相關(guān)，然而圖像在生成和傳輸?shù)倪^(guò)程中會(huì)受到各種噪聲的 干擾，因此對(duì)圖像進(jìn)行去噪，提高圖像的主、客觀效果就顯得尤為重要。現(xiàn)有技術(shù)中關(guān)于圖 像去噪的方法和優(yōu)缺點(diǎn)如下：
[0003] 2010年02月05日，電子科技大學(xué)劉金華等人在申請(qǐng)?zhí)枮?01010107623. 0的中 國(guó)專利中公開了一種基于偏微分方程的雙樹復(fù)小波圖像去噪方法；2014年10月27日，劉 金華在申請(qǐng)?zhí)枮?01410584194. 4的中國(guó)專利中又公開了一種基于雙樹復(fù)小波變換的圖像 去噪方法，該專利申請(qǐng)公開了一種改進(jìn)的基于雙樹復(fù)小波變換和偏微分方程的圖像去噪方 法，此方法在小波域?qū)嵤┗谄⒎址匠痰姆蔷€擴(kuò)散格式，能夠很好移除噪聲，但是雙樹復(fù) 小波仍然缺乏足夠的方向選擇性，這限制了性能改進(jìn)空間。
[0004] 2014年7月23日，西安電子科技大學(xué)王桂婷等人在申請(qǐng)?zhí)枮?01210061837. 8 的中國(guó)專利中公開了一種基于二維Otsu的輪廓波域維納濾波圖像去噪方法，該方法首先 對(duì)含噪圖像進(jìn)行輪廓波分解，再對(duì)分解出的各個(gè)高頻子帶進(jìn)行二維OtSU分割，得到重要 系數(shù)和非重要系數(shù)；分別計(jì)算高頻子帶的橢圓窗口，根據(jù)橢圓窗口估計(jì)高頻子帶的信號(hào)方 差，對(duì)重要系數(shù)和非重要系數(shù)分別進(jìn)行維納濾波；對(duì)去噪后的高頻子帶進(jìn)行輪廓波逆變 換，得到去噪圖像FI;對(duì)FI進(jìn)行非局部均值濾波，得到去噪輸出。該專利表明，其性能優(yōu) 于如下三種現(xiàn)有方法：一是優(yōu)于X.Li在2010年于《IEEEInternationalConferenceon MechatronicsandAutomation(IEEE機(jī)械電子自動(dòng)化國(guó)際會(huì)議）》第114-118頁(yè)發(fā)表的 文章〈〈ImagedenoisingviadoublyWienerfilteringwithadaptivedirectional windowsandmeanshiftalgorithminwaveletdomain(基于自適應(yīng)方向窗和和均值 漂移算法的小波域雙維納濾波圖像去噪）》中提出的一種基于自適應(yīng)窗口的小波域雙維 納濾波去噪方法；二是優(yōu)于Z.F.Zhou等在2009年于《IEEEConferenceonIndustrial ElectronicsandApplicationsQEEE工業(yè)電子與應(yīng)用會(huì)議）》第3654-3657頁(yè)發(fā)表的文 章《Contourlet-basedimagedenoisingalgorithmusingadaptivewindows(用自適應(yīng) 窗的輪廓波域圖像去噪）》中提出的一種基于自適應(yīng)窗口的輪廓波域維納濾波去噪方法； 三是優(yōu)于Q.Zhao等在 2010 年于《JournalofComputationalInformationSystems(計(jì) 算信息系統(tǒng)雜志）》第6卷第2期第601-610頁(yè)發(fā)表的文章《Imagedenoisingbased onimprovednon-localmeansandnonsubsampledcontourlettransformWiener filtering(基于改進(jìn)的非局部均值和非下采樣輪廓波變換的維納濾波圖像去噪）》中提出 的一種基于非局部均值的非下采樣輪廓波域維納濾波去噪方法。
[0005] 盡管"基于二維Otsu的輪廓波域維納濾波圖像去噪方法"取得了好的效果，但是 該方法卻需要對(duì)小波系數(shù)進(jìn)行分類，實(shí)施維納濾波去噪后，還需要進(jìn)行非局部均值濾波，實(shí) 施復(fù)雜。
[0006] 為了解決以上問題，西安電子科技大學(xué)苗啟廣等人在申請(qǐng)?zhí)枮?01210364581.8 的中國(guó)專利中公開了一種基于Shearlet變換和維納濾波的圖像去噪方法，該方法首先對(duì) 輸入源圖像進(jìn)行對(duì)稱延拓，然后使用剪切變換，接著使用小波包分解，對(duì)分解系數(shù)使用傳統(tǒng) 維納濾波，用處理后的系數(shù)得到重構(gòu)圖像，最后進(jìn)行對(duì)稱變換和圖像融合，得到最終去噪圖 像；該方法利用了Shearlet變換具有多方向性和維納濾波能夠根據(jù)圖像的區(qū)域方差調(diào)整 濾波器輸出等優(yōu)點(diǎn)，克服了現(xiàn)有技術(shù)中小波變換不能很好表達(dá)圖像的各向異性信息的缺 點(diǎn)，以及使用單一閾值對(duì)不同方向上系數(shù)進(jìn)行相同處理而導(dǎo)致的去噪效果不理想的問題， 從而能夠在圖像的不同方向上的高頻系數(shù)中更準(zhǔn)確的分析圖像細(xì)節(jié)信息，但是由于維納濾 波的生成圖像存在假細(xì)節(jié)，影響了去噪性能的提升。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明所要解決的技術(shù)問題在于針對(duì)上述現(xiàn)有技術(shù)中的不足，提供一種基于 Shearlet變換和非線性擴(kuò)散的圖像去噪方法，其方法步驟簡(jiǎn)單，實(shí)現(xiàn)方便，能夠十分有效 地把信號(hào)和噪聲區(qū)別開來(lái)，并且在移除噪聲的同時(shí)保護(hù)圖像的細(xì)節(jié)特征，性能優(yōu)良，實(shí)用性 強(qiáng)，使用效果好，便于推廣使用。
[0008] 為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：一種基于Shearlet變換和非線 性擴(kuò)散的圖像去噪方法，其特征在于該方法包括以下步驟：
[0009] 步驟一、將含噪圖像輸入圖像處理器；
[0010] 步驟二、圖像處理器對(duì)含噪圖像進(jìn)行多尺度Shearlet變換，得到低頻Shearlet系 數(shù)和高頻Shearlet系數(shù)，并將高頻Shearlet系數(shù)記為初始含噪Shearlet系數(shù)；
[0011] 步驟三、圖像處理器連續(xù)使用A次局部維納濾波對(duì)初始含噪Shearlet系數(shù)進(jìn)行 擴(kuò)散去噪處理；其中，A為自然數(shù)且A的取值為2~15 ;
[0012] 步驟四、圖像處理器采用Shearlet逆變換對(duì)低頻Shearlet系數(shù)和經(jīng)過(guò)步驟三擴(kuò) 散去噪處理后的初始含噪Shearlet系數(shù)進(jìn)行信號(hào)重構(gòu)，得到重構(gòu)圖像；
[0013] 步驟五、圖像處理器對(duì)重構(gòu)圖像進(jìn)行基于偏微分方程的非線性擴(kuò)散后處理，去除 重構(gòu)圖像的假細(xì)節(jié)；
[0014] 步驟六、輸出去噪后的圖像。
[0015] 上述的基于Shearlet變換和非線性擴(kuò)散的圖像去噪方法，其特征在于：步驟二中 圖像處理器對(duì)含噪圖像進(jìn)行五層多尺度Shearlet變換，第一層和第二層兩級(jí)高頻子帶各 有16個(gè)方向，第三層和第四層兩級(jí)高頻子帶各有8個(gè)方向，第五層為低頻子帶。
[0016] 上述的基于Shearlet變換和非線性擴(kuò)散的圖像去噪方法，其特征在于：步驟三中 圖像處理器連續(xù)使用A次局部維納濾波對(duì)初始含噪Shearlet系數(shù)進(jìn)行擴(kuò)散去噪處理的 具體過(guò)程為：將初始含噪Shearlet系數(shù)作為第一次維納濾波的輸入信號(hào)，將當(dāng)前維納濾 波的輸出信號(hào)作為下一次維納濾波的輸入信號(hào)；第r次維納濾波在子帶位置（x，y)處恢復(fù) 得到的高頻Shearlet系數(shù)記為Z1Xx,y)且Z1Xx,y) =W1Xx,y)zrJx，y)，其中，r的取值為 1~A的自然數(shù)，Zi^(x，y)為用第r-l次維納濾波在子帶位置（x，y)處恢復(fù)得到的高頻 Shearlet系數(shù)，Z(j(x，y)為在子帶位置（X，y)處的初始含噪系數(shù)，W1Xx,y)為第r次維納濾
分，五{?,2(x,j):}為以x，y)的方差且取五W(W)卜"滬/A，n為噪聲方差調(diào)整參數(shù)且n為實(shí)數(shù)，J2為子帶內(nèi)初始噪聲方差且由Monte-Carlo方法估計(jì)得到！S1Xx,y)為在子 帶位置（x，y)處要恢復(fù)的信號(hào)成分，五k2(x，j)}為SlXx，y)的方差且^s;2(x，j)丨根據(jù)公 式
估計(jì)得到，為％ 的方差，S為s(x，y)的方差的調(diào)整參數(shù)，且S為非負(fù) 實(shí)數(shù)，R為常數(shù)且為正整數(shù)，11和12均為整數(shù)變量且取值為-R~R，ZrJx-ll,y-12)為用第r-1次維納濾波在子帶位置（x-11,y-12)處恢復(fù)得到的高頻Shearlet系數(shù)，z。(x-11,y-12) 為在子帶位置（x-ll，y-12)處的初始含噪系數(shù)。
[0017] 上述的基于Shearlet變換和非線性擴(kuò)散的圖像去噪方法，其特征在于：n的取值 為1~1. 5的實(shí)數(shù)。
[0018] 上述的基于Shearlet變換和非線性擴(kuò)散的圖像去噪方法，其特征在 于：步驟五中圖像處理器對(duì)重構(gòu)圖像進(jìn)行基于偏微分方程的非線性擴(kuò)散后處理， 去除重構(gòu)圖像的假細(xì)節(jié)的具體過(guò)程為：假設(shè)重構(gòu)圖像為I，對(duì)I用偏微分方程
其中，GI仏./)(〃 =H丄4)為位置在（i，j)的北、南、東、西四個(gè)方向的像素灰度值，K為 梯度閾值且K的取值為1~10,Ik(i,j)為位置在（i,j)處的第k次擴(kuò)散去噪后的像素灰 度值，Iki(i，j)為位置在（i，j)處的第k_l次擴(kuò)散去噪后的像素灰度值，I〇(i，j)為位置在 (i，j)處的重構(gòu)圖像I的像素灰度值，k為迭代數(shù)且k的取值為1到7之間的正整數(shù)。
[0019] 本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：
[0020] 1、本發(fā)明的方法步驟簡(jiǎn)單，實(shí)現(xiàn)方便。
[0021] 2、相比現(xiàn)有技術(shù)，本發(fā)明能夠十分有效地把信號(hào)和噪聲區(qū)別開來(lái)，并且在移除噪 聲的同時(shí)保護(hù)圖像的細(xì)節(jié)特征，從而得到原圖像的最佳恢復(fù)。
[0022] 3、本發(fā)明選用的Shearlet具有足夠的方向選擇性，可以很好的捕捉圖像的幾何 特征；在去噪過(guò)程中，不僅在Shearlet變換域?qū)嵤┗谛薷牡木S納濾波的擴(kuò)散萎縮，也在 重構(gòu)后的圖像上實(shí)施基于偏微分方程的非線性擴(kuò)散，用以移除重構(gòu)圖像所生成的假細(xì)節(jié)， 性能優(yōu)良。
[0023] 4、