[发明专利]一种基于小波信息冗余的红外图像去噪算法

权利要求书

1.一种基于小波信息冗余的红外图像去噪算法，其特征在于，包括如下步骤：

（1）对红外图像进行离散小波分解，分解过程中分别以不同的下采样方式获取多组含有相似冗余信息的小波系数；

（2）对小波系数进行噪声估计；

（3）对高频小波系数进行非线性变换，以步骤（2）中噪声估计得到的噪声估计参数作为非线性变换函数阈值的基础；

（4）利用变换后的小波系数进行反变换重构多副图像，利用含相似冗余信息的多副图像加权进一步去除高频噪声。

2.根据权利要求1所述的红外图像去噪算法，其特征在于，所述步骤（1）中的下采样方式有四种，分别为：取偶数行及偶数列方式、取奇数行及偶数列方式、取偶数行及奇数列方式，取奇数行及奇数列方式。

3.根据权利要求1所述的红外图像去噪算法，其特征在于，所述步骤（2）中的噪声估计方法采用噪声方差估计方法。

4.根据权利要求1所述的红外图像去噪算法，其特征在于，所述步骤（3）中，利用不完全贝塔函数对高频小波系数进行非线性变换，其中函数阈值选用噪声估计参数的倍数，倍数选择范围为3-6。

5.根据权利要求1所述的红外图像去噪算法，其特征在于，所述步骤（4）中，利用含相似冗余信息的多副图像对齐通过均值进一步去除高频噪声。

6.根据权利要求1所述的红外图像去噪算法，其特征在于，所述步骤（1）-（4）中均采用多层处理。

7.根据权利要求6所述的红外图像去噪算法，其特征在于，采用三层处理。

8.根据权利要求1所述的红外图像去噪算法，其特征在于，具体步骤包括：

（1）利用低频滤波器Lo_D及高频滤波器Hi_D对图像I(x,y)进行小波分解，通过不同的下采样方式获取四组含有相似信息的小波系数：分别以下标ee、oe、eo及oo表示；

A(x,y)=Lo_D*_v(Lo_D*_hI(x,y))  H(x,y)=Lo_D*_v(Hi_D*_hI(x,y))

V(x,y)=Hi_D*_v(Lo_D*_hI(x,y))  D(x,y)=Hi_D*_v(Hi_D*_hI(x,y))  （1）

其中*h表示行卷积，*v表示列卷积；

则一组小波系数为取偶数行及偶数列方式的下采样，即：

LL_ee=A([x/2]×2,[y/2]×2)  LH_ee=H([x/2]×2,[y/2]×2)

HL_ee=V([x/2]×2,[y/2]×2)  HH_ee=D([x/2]×2,[y/2]×2)    （2）

另取奇数行及偶数列、偶数行及奇数列，奇数行及奇数列可得到另三组小波系数：

LL_oe=A([x/2]×2+1,[y/2]×2)  LH_oe=H([x/2]×2+1,[y/2]×2)

HL_oe=V([x/2]×2+1,[y/2]×2)  HH_oe=D([x/2]×2+1,[y/2]×2)    （3）

LL_eo=A([x/2]×2,[y/2]×2+1)  LH_eo=H([x/2]×2,[y/2]×2+1)

HL_eo=V([x/2]×2,[y/2]×2+1)  HH_eo=D([x/2]×2,[y/2]×2+1)    （4）

LL_oo=A([x/2]×2+1,[y/2]×2+1)  LH_oo=H([x/2]×2+1,[y/2]×2+1)

HL_oo=V([x/2]×2+1,[y/2]×2+1)  HH_oo=D([x/2]×2+1,[y/2]×2+1)    （5）

（2）输入图像I中含有理想图像及噪声：

I=I_ideal+N    （6）

其中N为噪声，I_ideal为理想图像；

利用均值滤波f_average对I进行平滑近似I_ideal，然后从输入图像I中减去近似I_ideal，得到噪声估计；

N~=I-faverage*I---(7)]]>

对进行l层离散小波变换，获取多层小波系数，利用各层的HL、LH及HH小波系数方差衡量噪声等级；

δHLl=Σi,jHl,Wl1Hl*Wl(HLi,jl-HLl‾)2]]>

δLHl=Σi,jHl,Wl1Hl*Wl(LHi,jl-LHl‾)2]]>

δHHl=Σi,jHl,Wl1Hl*Wl(HHi,jl-HHl‾)2---(8)]]>

其中H^l,W^l为不同层的小波系数二维分布的高度及宽度；

（3）不完全贝塔函数如下式：

IB(x;a,b)=1B(a,b)∫0xta-1(1-t)b-1dt---(9)]]>

其中为归一化系数，a与b分别影响前段及后段曲线斜率；

利用不完全贝塔函数对小波系数进行非线性变换：

HLshrinkl,r=sign(HLl,r)*IB(abs(HLl,r)/THLl)*THLlHLl,r≤THLlHLl,rHLl,r>THLl]]>

LHshrinkl,r=sign(LHl,r)*IB(abs(LHl,r)/TLHl)*TLHlLHl,r≤TLHlLHlLHl,r>TLHl]]>

HHshrinkl,r=sign(HHl,r)*IB(abs(HHl,r)/THHl)*THHlHHl,r≤THHlHHl,rHHl,r>THHl---(10)]]>

其中分别为l层LH,HL,HH的压缩阈值，取为各层LH,HL,HH估计噪声的倍数，即：

THLl=g×δHLl,TLHl=g×δLHl,THHl=g×δHHl---(11)]]>

sign(·)表示取·的符号位，abs表示取绝对值，l=1,2,3表示小波分解层数，r=1,2,3,4分别表示ee,eo,oe,oo四组采样形式；

（4）对一层小波变换来说，四组经过压缩后的小波系数，通过反变换可得到四组具有像素位差的LLR图像，通过相应位移对齐后，对四副具有相似冗余信息的图像进行平均进一步去噪，通过三层计算最后得到即为最终的去噪结果图像；

LLnewl-1=(LLReel-1+Shifteo(LLReol-1)+Shiftoe(LLRoel-1)+Shiftoo(LLRool-1))/4---(12)]]>

其中LLReel-1=IDWT(LLnewl,1+LHshrinkl,1+HLshrinkl,1+HHshrinkl,1)]]>为偶数行及偶数列小波反变换结果；LLReol-1=IDWT(LLnewl,2+LHshrinkl,2+HLshrinkl,2+HHshrinkl,2)]]>为偶数行及奇数列小波反变换结果；LLRoel-1=IDWT(LLnewl,3+LHshrinkl,3+HLshrinkl,3+HHshrinkl,3)]]>为奇数行及偶数列小波反变换结果；LLRool-1=IDWT(LLnewl,4+LHshrinkl,4+HLshrinkl,4+HHshrinkl,4)]]>为奇数行及奇数列小波反变换结果；l=1,2,3代表三层小波，l=3时，LLnewl,1=LLl,1;LLnewl,2=LLl,2;LLnewl,3=LLl,3;LLnewl,4=LLl,4;]]>Shift_eo(·),Shift_oe(·),Shift_oo(·)分别表示对·在水平方向循环左移一个像素、在垂直方向循环上移一个像素及在对角线上向左上循环移一个像素。

9.根据权利要求1-8任一项所述的红外图像去噪算法，其特征在于，所述算法在单片FPGA中进行实现。