[发明专利]一种基于非线性Curvelet扩散的噪声图像增强方法

说明书

技术领域

本发明涉及一种基于非线性Curvelet扩散的噪声图像增强方法，是一种基于非线性Curvelet扩散的噪声图像增强方法。

背景技术

图像增强是图像处理中的一个经典问题，通过对图像中感兴趣特征进行有选择的增强，同时衰减其次要信息，从而提高图像可读性并增强图像解译能力，为图像后续处理奠定基础。传统的图像增强方法主要有直方图均衡化、反锐化掩模等空域法，以及通过傅里叶变换增强感兴趣频率成分的频域法。这些方法增强图像对比度的同时也会放大噪声，使得图像细节信息被噪声淹没。

小波变换增强算法是近年来广泛流行的图像增强方法。虽然基于多尺度小波变换的子带系数增强方法在抑制噪声和增强特征和对比度方面比传统的单尺度方法有很大改进，但研究表明，由于小波基各向同性的特点，它只能反映奇异“点”的位置和特性，而难以表达更高维(如线)的特征。针对小波变换的上述缺陷，Candès等人提出了Curvelet变换理论，其各向异性特征非常有利于图像边缘的高效表示。文献“Gray and color image contrast enhancement by the curvelet transform，IEEE Trans.on Image Process.，2003，12(6)：706-717.”公开了一种基于Curvelet变换的灰度和彩色图像增强方法。该方法利用Curvelet变换的各向异性特征有利于图像边缘的高效表示的特点，首先对输入自然图像进行Curvelet变换，并对得到的Curvelet系数根据增益函数进行增强，最后，对增强的系数进行Curvelet逆变换重构出增强的图像。虽然该方法比基于小波变换的方法在性能上有明显改善，但是只适用于无噪或噪声很小的图像。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于非线性Curvelet扩散的噪声图像增强方法。

技术方案

一种基于非线性Curvelet扩散的噪声图像增强方法，其特征在于步骤如下：

步骤1：对噪声图像灰度值矩阵进行ME-Curvelet正变换，得到不同分解尺度下各个方向的ME-Curvelet系数矩阵；

步骤2：根据改进增益函数对步骤1得到的所有ME-Curvelet系数矩阵分别进行非线性变换，得到非线性变换后不同分解尺度下各个方向的ME-Curvelet系数矩阵；

所述的改进增益函数为：