[发明专利]空间域与变换域相融合的噪声图像重构方法

说明书

本发明提供的空间域与变换域相融合的噪声图像重构方法，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，不仅能够很好的去除图像噪声，还能够保留图像的细节信息和边缘特征，同时不会产生振铃现象。经过多次试验论证，3次迭代是算法最佳迭代次数，本发明算法得到的结果取得了比BM3D算法更好的图像去噪效果，并且存在更少的低频噪声，算法实现更加简单，在保留图像边缘特征信息的同时增强了图像细节信息，大幅提高了图像的辨识度，噪声图像得到高质量的去噪重构，重构图像有更好的视觉效果。

技术领域

本发明涉及一种噪声图像重构方法，特别涉及空间域与变换域相融合的噪声图像重构方 法，属于噪声图像去噪重构技术领域。

背景技术

随着计算机和网络信息技术的高速发展，当前社会已进入一个高度信息化的大数据阶段， 信息的形式包括了数据、图像、视频等各种形式。据统计，人类获取的各种信息数据中，65％ 来源于图像。数字图像技术取得了巨大的发展并延伸到各个领域，发挥着至关重要的作用。 例如，医生通过B超图像对患者进行疾病诊断，地质勘探队通过卫星遥感图像分析矿产分布， 交警通过监控视频监控和管理城市交通等。当前，数字图像处理已成为人们当前的研究热点 和热门应用技术。

但数字图像在传输和接收过程中容易受各种因素的影响，使得采集的图像大部分含有噪 声。图像获取过程中会因为传感器受到环境影响而引进噪声，而图像在传输过程中会由于所 用的传输信道受到干扰而引进噪声，成像系统也会由于自身的成像机制而引进噪声。图像噪 声不仅会使数字图像变得模糊，严重降低图像质量，也最终影响人们对图像信息的获取。同 时数字图像去噪作为图像的预处理步骤，去噪效果不好的话，也影响图像处理的一些后续步 骤和进一步的应用，例如图像分割、图像识别、图像描述。所以，对数字图像的去噪处理特 别重要，它可以帮助我们更加准确的取得所需要的图像特征信息，使其能够应用到地学、医 学、航天、物理和城市管理等各个领域。因此，有效的降低图像噪声，增强视觉效果，提高 数字图片质量，有着重要的技术研究和实际应用价值。

图像噪声是数字图像在获取和传输过程中受到的随机信号干扰，妨碍人们对信源图像信 息的理解。数字图像在获取的各个环节，会受到器材及周围环境等各种因素的影响，受到噪 声污染。图像噪声不可预测，它是一种随机误差，对图像噪声分析可以把它看成是一种多维 随机过程，可以用概率分布函数和概率密度分布函数对噪声进行描述，但这只是理论想法， 实际应用中非常复杂，于是我们用相对简单的均值方差和相关函数对噪声进行描述。噪声极 大的影响了人们从图像中提取信息，因此在对图像处理前进行去噪非常必要。目前的数字图 像系统，通过对输入图像冻结和扫描将二维图像信号转换成一维图像信号处理、存储、传输 等操作，最后在终端上显示，期间噪声与图像一样经过了复杂的变化。

在图像的获取传输过程中受各种因素影响是数字图像噪声的来源关键，通过传感器获取 图像过程中，周围的环境条件比如空气湿度、光照强度、传感器质量都会对图像的获取产生 巨大影响，给图像中带入大量噪声。图像传输过程中，传输通道是产生噪声的最大因素，传 输通道受光照或大气因素的干扰都会对传输的图像产生很大影响。一些电子元件也会引起噪 声，比如电阻、真空器件、光电管等会产生热噪声、散粒噪声等各种不同的图像噪声。还有 图像中的光学噪声是由各种光学现象引起的。图像噪声的来源十分广泛，又难以避免。

人们根据图像和噪声的不同特征，提出了各种不同的图像去噪算法。例如现有技术的中 值滤波算法、均值滤波算法、基于独立分量分析的去噪算法、基于偏微分方程的方法和基于 小波变换的去噪算法等。根据算法处理空间的不同，可以将图像去噪算法大致分为两类：基 于空间域的算法和基于变换域的算法。