[发明专利]一种基于中值滤波和小波变换的海底底质声呐图像处理方法

权利要求书

1.一种基于中值滤波和小波变换的海底底质声呐图像处理方法，其特征在于，具体步骤如下：

步骤一：针对某含有斑点噪声和高斯加性噪声的海底底质声呐原始图像，进行对数变换后将乘性噪声变为加性，得到含有近似高斯加性噪声的图像；

步骤二：采用极值中值滤波方法对含有近似高斯加性噪声的图像进行滤波；

具体为：用滤波窗口对含有近似高斯加性噪声的图像逐行遍历扫描，处理窗口中的每个像素时，判断该像素的灰度值是否为当前滤波窗口内像素灰度值的极大或极小值；

如果是极大或极小值，则该像素为噪声点，采用中值滤波处理该像素，即邻域像素的灰度中值作为该像素灰度值；否则，不予以处理，输出该点灰度值保持不变；

步骤三：对滤波后的图像进行指数变换，得到平滑图像；

步骤四：对平滑图像进行基于小波包分解的小波去噪处理，得到最终去噪图像；

具体步骤如下：

步骤4.1、对平滑图像进行图像小波包分解，得到各层的高频节点图像和低频节点图像；

步骤4.2、对每层的各高频节点图像对应的系数进行小波包阈值去噪，得到该层各个去噪后的高频系数：

首先，针对第j层，统计该层每个高频节点图像对应的各系数，计算该层的估计噪声标准方差；

噪声标准方差σ计算如下：

d_j(w)表示小波第j层中第w个高频节点的图像对应的一组系数，med是Matlab求中值的命令；

然后，利用噪声标准方差计算第j层的小波包去噪阈值λ；

N为小波第j层的第w个高频节点的图像尺寸；

最后，采用软阈值规则作为海底底质图像阈值去噪规则，判断第j层中每个高频节点的图像对应的系数组的绝对值跟去噪阈值λ的大小，进一步计算每个施加阈值后的小波系数w_λ值；

具体判断如下：对d_j(w)的每个系数进行阈值处理，若系数绝对值小于去噪阈值λ时，第j层中第w个高频节点对应的w_λ取值为0；否则，w_λ取值为减去去噪阈值，即：

sign(w)表示取系数d_j(w)的符号；

步骤4.3、针对每层，将该层每个去噪后的高频系数与该层的低频系数进行重构，获完整去噪图像：

针对最底层，将该层各个去噪后的高频系数与该层的各低频节点图像对应的系数进行重构，最底层的节点向上重构得到上一层的节点，以此类推，直至所有层子图重构为完整去噪图像。

2.如权利要求1所述的一种基于中值滤波和小波变换的海底底质声呐图像处理方法，其特征在于，所述的步骤一，得到含有近似高斯加性噪声的图像的具体方法如下：

首先，声呐原始图像的斑点噪声服从基于瑞利分布的乘性噪声模型，表示为：I＝RZ；

I为从原始图像中观测到的含斑信号；R为期望恢复的真实不含噪图像，Z为斑点噪声随机变量；

然后，利用对数变换将乘性噪声变为近似高斯加性噪声形式：lnI＝lnR+lnZ。

3.如权利要求1所述的一种基于中值滤波和小波变换的海底底质声呐图像处理方法，其特征在于，所述的步骤三，指数变换为对数变换逆运算。

4.如权利要求1所述的一种基于中值滤波和小波变换的海底底质声呐图像处理方法，其特征在于，所述的步骤4.1中，对平滑图像进行图像小波包分解的具体过程为：

首先，选择合适的小波基及分解层数；然后从第一层开始分解得到两个节点，成为第二层的两个树节点，分别对应高频树节点和低频树节点；然后将第二层的两个节点同时分解，分别再次得到高频子节点和低频子节点，成为第三行的四个节点；同理对第三层进行分解，得到第四层的八个节点，依次类推；

每层的高频树节点下对应的两个子节点分别为高频节点和低频节点；每层低频树节点下对应的子节点分别为高频节点和低频节点。