[发明专利]基于Shearlet收缩和改进TV模型的图像去噪方法

权利要求书

1.一种基于Shearlet收缩和改进TV模型的图像去噪方法，其特征在于步骤如下：

步骤1：对原始含噪图像进行Shearlet变换分解，得到各个尺度的高频、低频系数，并对高频子带进行划分；

步骤2：对各尺度子带用Monte-Carlo方法估计噪声方差σ，然后对各尺度的高频系数进行硬阈值处理，，从而得到去噪后的高频系数。其中，阈值选取为λ×σ×E_jw，其中E_jw表示Shearlet变换第j个尺度下第w个方向的系数矩阵的二范数，j≥2；λ一般取1～3；

步骤3：将步骤2得到的高频系数和步骤1得到的低频系数进行Shearlet逆变换得到重构的初次去噪后的图像；

步骤4：结合改进的全变差模型对初次去噪图像进行二次去噪，得到最终去噪图像。所述改进的全变差模型为：

∂u∂t=▿·(▿u|▿u|α)+λ(TWA-1θTWA(u0)-u)]]>

其中：u₀表示原始图像，u表示要得到的图像，T_WA和T_WA^-1表示波原子正变换和逆变换，θh(x)=x,|x|>threshold0,|x|≤threshold]]>表示硬阈值收缩函数。

2.根据权利要求1所述基于Shearlet收缩和改进TV模型的图像去噪方法，其特征在于：所述步骤4循环N次，N为10～30。

3.根据权利要求1所述基于Shearlet收缩和改进TV模型的图像去噪方法，其特征在于：所述步骤2中计算噪声标准差σ的方法如下：

σ＝MAD/0.6745

其中MAD是对图像进行小波变换后得到的HHl子带系数幅度的中值。

4.根据权利要求1所述基于Shearlet收缩和改进TV模型的图像去噪方法，其特征在于：所述硬阈值处理中的阈值选取为λ×σ×E_jw，其中E_jw表示Shearlet变换第j个尺度下第w个方向的系数矩阵的二范数，j≥2；λ取1～3。