[发明专利]基于双树离散小波包和信噪比估计的图像去噪方法

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和信噪比估计的图像去噪方法。

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

本发明的目的旨在解决上述技术缺陷。

为达到上述目的，本发明提出一种基于双树离散小波包和信噪比估计的图像去噪方法，包括以下步骤：

S1：对含噪声的图像进行双树离散小波分解，获得第一层多个子带以及各子带对应的小波系数；

S2：估计各个子带的小波系数的信噪比；

S3：利用小波系数的信噪比构造多层双树离散小波包结构，具体包括：从第一层小波子带开始，判断每一个小波子带是否需要继续分解，如果小波子带信噪比小于所设阈值，则对该小波子带继续进行小波包分解，获得下一层双树离散小波包，否则不分解；依此类推获得多层双树离散小波包；

S4：采用最优阈值选择算法对获得的多层双树离散小波包中所有高频子带小波系数进行阈值选取，根据阈值选取后的小波系数进行图像重构，得到去噪后的图像；所述的最优阈值选择算法选取子带小波系数的计算公式如下：

其中，是含噪图像的第i层j子带的第k个小波系数，是修正后的含噪图像的第i层j子带的第k个小波系数；

对于含噪图像的第i层j子带的自适应阈值β^i,j的计算方法如下：

β^i,j＝a*b*i*j*R^i,j*σ^i,j_η

其中R^i,j是含噪图像的第i层j子带的信噪比，σ^i,j_η是含噪图像的第i层j子带的噪声标准差，参数a由分解级数决定，参数b由相应层级的子带决定。

步骤S1进一步包括：

使用q-shift方案构造所述双树离散小波；以及

使用q-shift滤波器将所述含躁图像分解为方向子带；以及

使用通用滤波器对所述方向子带进行各向异性分解，获得所述多个子带以及所述子带的小波系数。

步骤S2中所述的小波系数的信噪比的计算公式如下：

Ri,j=σi,jXσi,jη]]>

其中R^i,j是含躁图像第i层j子带的信噪比，σ^i,j_η是含躁图像第i层j子带的噪声标准差，σ^i,j_X是不含噪图像第i层j子带系数的标准差。

σ^i,j_η用鲁棒中值估计量来估计它：