[发明专利]一种基于改进小波阈值函数的图像去噪方法

说明书

本发明公开了一种基于改进小波阈值函数的图像去噪方法，其包括以下步骤：S1、将待去噪的图像信号进行二维离散小波变换，得到小波系数；S2、通过改进小波阈值函数对得到的小波系数进行修正，得到修正后的小波系数；S3、对修正后的小波系数进行小波重构，得到去噪后的图像。本发明中采用的改进小波阈值函数连续性强于现有阈值函数，本方法解决了现有技术中的固定偏差问题和伪吉布斯现象，使得本发明相对于现有去噪方法去噪效果更好。

技术领域

本发明涉及图像处理领域，具体涉及一种基于改进小波阈值函数的图像去噪方法。

背景技术

图像去噪是图像处理过程中必不可少的一部分。其目的是去除图像信号在传输过程中所加入的噪声，尽可能的保留图像的原始特征和细节信息，以便图像信号的后续处理。随着人们对图像处理理论的深入研究，越来越多的图像去噪方法被提出来。小波变换因为具有多分辨率的特点，且在时域和频域都有表征信号局部信息的能力，因此成为了近年来图像去噪的研究热点之一。

常用的小波去噪方法有：小波阈值去噪、小波相关性去噪以及小波模极大值去噪。而运用最为广泛的是小波阈值去噪。小波阈值去噪是1992年D.L.Donoho和I.M.Johnstone提出的，该方法的基本思想是：当含有噪声的图像经过小波分解后，图像本身的能量存在于部分小波分解系数当中，而噪声的能量分布在所有小波分解系数当中，经过多层小波分解的含噪图像，其本身的小波系数模值大于噪声信号小波变换的系数模值。该方法中的噪声信号一般存在于高频系数当中，此时，设定一个阈值，对大于和小于该阈值的高频小波系数模值分别进行阈值化处理。最后，将经过处理的小波系数进行小波反变换，得到去噪后的新图像。决定小波阈值去噪算法去噪效果的因素主要是阈值函数的选取。传统的小波阈值去噪函数有硬阈值函数和软阈值函数两种，但这两种方法都有一定缺陷：硬阈值函数在阈值处不连续，导致重构图像出现振铃和伪吉布斯效应；软阈值函数虽然在阈值处连续，但处理后的小波系数与真实小波系数之间存在恒定偏差，导致小波系数重构精度降低，使得去噪效果差。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于改进小波阈值函数的图像去噪方法解决了现有基于小波函数图像去噪方法去噪效果差的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于改进小波阈值函数的图像去噪方法，其包括以下步骤：

S1、将待去噪的图像信号进行二维离散小波变换，得到小波系数；

S2、通过改进小波阈值函数对得到的小波系数进行修正，得到修正后的小波系数；

S3、对修正后的小波系数进行小波重构，得到去噪后的图像。

进一步地，步骤S1的具体方法为：

S1-1、根据MATLAB中的wavedec2函数对待去噪的图像f(x,y)进行二维离散小波变换，得到小波系数行向量C：

C＝[A(N)|H(N)|V(N)|D(N)|H(N-1)|V(N-1)|D(N-1)|...|H(1)|V(1)|D(1)]

其中A(N)代表第N层低频系数，H(N)|V(N)|D(N)代表第N层高频系数且分别是水平高频系数、垂直高频系数和对角高频系数；

S1-2、将行向量C中的高频系数记为小波系数w_j,k，即

w_j,k＝[H(N)|V(N)|D(N)|H(N-1)|V(N-1)|D(N-1)|...|H(1)|V(1)|D(1)]。

进一步地，步骤S2的具体方法为：

根据公式