[发明专利]空间域与变换域相融合的噪声图像重构方法

权利要求书

1.空间域与变换域相融合的噪声图像重构方法，其特征在于，在空间域采用双边滤波，在变换域采用小波变换和收缩，空间域双边滤波保持强对比度的图像边缘，变换域小波变换收缩保持弱对比度的图像细节；

本发明在对空间域双边滤波和变换域小波变换收缩分别改进优化的基础上，将改良后的二种方法相融合，流程步骤为：

第一步，对噪声图像进行空间域双边滤波处理，双边滤波处理后得到的图像为强对比度图像；

第二步，将强对比度图像与原噪声图像相减后得到弱对比度图像，

第三步，对弱对比度图像进行小波变换处理得到小波变换图像；

第四步，对小波变换图像进行小波收缩处理得到小波收缩图像；

第五步，对小波系数处理后进行重构得到小波重构图像；

第六步，将小波重构图像与强对比度图像相加得到最后的去噪图像，完成噪声图像的重构；

对整体算法过程进行三次迭代，将前一次得出的去噪图像当作引导图像，用前一次得出的去噪图像计算双边滤波的滤波核，供下一次迭代中的双边滤波使用。

2.根据权利要求1所述的空间域与变换域相融合的噪声图像重构方法，其特征在于，整个算法流程中，高斯白噪声标准差a＝26，双边滤波窗口半径b＝16，几何测度标准差a_s＝6.8，灰度测度标准差a_b＝{100，8.6，0.68}，小波变换采用db8小波作为小波函数，分解层数为3层，小波收缩临界值采用本发明提出的关联小波分解层数的小波收缩临界值，小波收缩临界值函数采用本发明提出的恒定无震荡临界值函数，算法流程迭代三次后可取得最好的图像去噪效果，每次迭代能在进一步去噪的同时，只引进微量偏差，迭代三次后继续增加迭代次数，图像去噪效果提升很小，反而增加算法计算复杂度。

3.根据权利要求1所述的空间域与变换域相融合的噪声图像重构方法，其特征在于，针对典型的高斯白噪声去噪，在对噪声图像进行双边滤波得到图像强对比度图像后，对低对比图进行小波变换和小波收缩，在小波收缩的临界值选取在，提出了一种关联小波分解层数的小波收缩临界值，弱化小波系数总数的影响，并且与小波分解层数关联；在选取小波收缩临界值函数时，在软临界值函数和硬临界值函数的基础上，提出了一种恒定无震荡临界值函数；最后对整个算法过程进行迭代，利用双边滤波消除小波收缩带来的振铃现象。

4.根据权利要求1所述的空间域与变换域相融合的噪声图像重构方法，其特征在于，第一步，对噪声图像进行空间域双边滤波处理中，双边滤波器以加权的方式实现，既考虑图像像素间的距离，也考虑像素间强度，双边滤波器的加权系数为两个滤波核的乘积，第一个滤波核函数由中心抽样像素的邻域像素之间的几何距离确定，称为空间几何测度；第二个滤波核函数由中心像素的灰度值和邻域像素灰度值之间的差异确定，称为灰度测度；

双边滤波器在平滑图像的同时充分保护图像边缘，当前处理的像素在滤波后灰度值为其邻域像素的加权平均，加权系数等于空间几何测度与灰度测度的乘积，只有空间距离近和灰度值差异很小的邻域像素才影响中心像素点的滤波输出。