[发明专利]基于小波分析的图像去噪方法

说明书

本发明公开基于小波分析的图像去噪方法，涉及图像处理技术领域；根据信号源，进行小波变换，选取小波基函数，利用小波基函数进行小波分解，确定分解层数，选择适合的小波系数的阈值，对分解后的各层系数进行阈值化处理，利用处理后的小波系数通过小波逆变换重构图像获得去噪后的图像。

技术领域

本发明公开图像去噪方法，涉及图像处理技术领域，具体地说是基于小波分析的图像去噪方法。

背景技术

随着技术发展,社会进步,图像信息逐渐地成为了人们工作学习生活的中重要的信息来源之一,但数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,使图像本身信息受到破坏,图像质量被影响。目前的图像去噪的方法中中值滤波对于去除椒盐噪声效果明显，是因为椒盐噪声只在画面上的部分点随机出现，而中值滤波根据数据排序，将未被污染的点代替噪声点的值的概率较大，所以抑制效果好。但对点、线和尖顶较多的图像不宜采用中值滤波，因为一些细节点可能被当成噪声点；而Wiener维纳滤波算法对于去除高斯噪声效果明显，但去除其他噪声效果不明显。

发明内容

本发明针对现有技术的问题，提供基于小波分析的图像去噪方法，能对图像提供较精确的时域定位,也能提供较精确的频域定位。经过小波变换的图像具有频谱划、方向选择、多分辨率分析和天然塔式数据结构特点。

本发明提出的具体方案是：

基于小波分析的图像去噪方法，根据信号源，进行小波变换，选取小波基函数，利用小波基函数进行小波分解，确定分解层数，选择适合的小波系数的阈值，对分解后的各层系数进行阈值化处理，利用处理后的小波系数通过小波逆变换重构图像获得去噪后的图像。

优选的，所述的基于小波分析的图像去噪方法中基本小波经伸缩和平移后得到小波序列，利用小波序列进行连续小波变换。

优选的，所述的基于小波分析的图像去噪方法中根据支撑长度、消失矩、对称性、正则性以及相似性进行小波基函数选取。

优选的，所述的基于小波分析的图像去噪方法中根据固定阈值估计方法、极值阈值估计方法、无偏似然估计方法或者启发式估计方法进行小波系数的阈值选择。

基于小波分析的图像去噪系统，包括变换模块、分解模块、处理模块及去噪模块，

变换模块根据信号源，进行小波变换，分解模块选取小波基函数，利用小波基函数进行小波分解，确定分解层数，处理模块选择适合的小波系数的阈值，对分解后的各层系数进行阈值化处理，去噪模块利用处理后的小波系数通过小波逆变换重构图像获得去噪后的图像。

优选的，所述的基于小波分析的图像去噪系统中，变换模块利用基本小波经伸缩和平移后得到小波序列，利用小波序列进行连续小波变换。

优选的，所述的基于小波分析的图像去噪系统中，分解模块根据支撑长度、消失矩、对称性、正则性以及相似性进行小波基函数选取。

优选的，所述的基于小波分析的图像去噪系统中处理模块根据固定阈值估计方法、极值阈值估计方法、无偏似然估计方法或者启发式估计方法进行小波系数的阈值选择。

基于小波分析的图像去噪装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行所述的基于小波分析的图像去噪方法。

本发明的有益之处是：