[发明专利]基于双树离散小波包的图像去噪方法

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于双树离散小波包的图像去噪方法。

背景技术

近年来，由于小波变换具有良好的时-频局部化特性，在信号和图像去噪领域得到了广泛的应用。传统的小波域去噪方法是对小波系数进行萎缩处理，如Donoho提出的硬阈值和软阈值去噪法。

现有的方法存在的缺点是：一方面，硬阈值函数具有不连续性，重构所得的信号会产生伪吉布斯效应，而软阈值方法估计后的小波系数和分解得到的小波系数总存在恒定的偏差，直接影响重构信号与真实信号的逼近程度；另一方面，在某些动态环境例如无人机自主飞行中，动态获取的图像不仅包含大量的噪声，同时自然场景下的图像富含方向性特征，更多得高频细节和高频噪声很难区分，给小波去噪带来了较大困难。

发明内容

本发明的目的旨在至少解决上述技术缺陷之一。

为达到上述目的，本发明提出一种基于双树离散小波包的图像去噪方法，包括以下步骤：构造双树离散小波；根据所述双树离散小波对图像进行分解，获得多个子频带以及所述子频带的小波系数；计算各个子频带的小波系数的自相关系数，并选取所述小波系数的自相关系数小于预定的第一阈值的子频带进行小波包分解，获得第二层双树离散小波包；以及基于所述第二层双树离散小波包将所述图像变换到小波域中，并计算所述小波系数的邻域相关性，以及根据所述小波系数的邻域相关性对所述图像进行去噪和图像增强。

根据本发明实施例的基于双树离散小波包的图像去噪方法，通过利用小波系数之间的相似性关系分析图像的噪声分布特征特性，设计出的小波包构造方案在实现自然场景去噪的情况下，能够同时实现图像增强。而且，本发明的方法只对源图像进行处理，不需要任何先验知识，通用性强。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例的基于双树离散小波包的图像去噪方法的流程图；

图2为本发明一个实施例的三级双树离散小波变换结构示意图；以及

图3为本发明一个实施例的满树小波包分解结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

如图1所示，根据本发明实施例的基于双树离散小波包的图像去噪方法，包括以下步骤：

步骤S101，构造双树离散小波。

在本发明的一个实施例中，使用q-shift设计方案构造双树离散小波。

如图2所示为一个示例的三级双树离散小波变换结构，其中，

h_0b(n)＝h_0a(N-1-n)，N为滤波器长度为偶数，即h_0b(n)是h_0a(n)的反转。

自然地，h_0b(n)和h_0a(n)的傅里叶变换长度相等，但是两者不能达到半样本延迟，即：

|H_0b(ω)|＝|H_0a(ω)|

∠h_0b(n)＝∠H_0a(ω)-(N-1)ω。

为了实现半样本延迟，令∠h_0b(n)＝-∠H_0a(ω)-0.5ω，则有：

∠H_0a(ω)-0.5ω＝-∠H_0a(ω)-(N-1)ω

∠H_0a(ω)＝-0.5(N-1)ω+0.25ω

也就是说，H_0a(ω)是近似线性相位滤波器，它的对称中心是n＝0.5(N-1)-0.25，其比一般线性相位滤波器的对称点偏移了四分之一个样本。