[发明专利]基于LoG算子改进的自适应阈值小波去噪算法

摘要

本发明公开了一种改进的阈值去噪算法，针对去噪过程中图像边缘部分和非边缘部分去噪效果较差的问题，提出一种基于LoG算子改进的自适应阈值去噪算法。其步骤是第一步采用LoG算子提取图像的边缘轮廓信息；第二步对图像非边缘部分去噪，在软阈值函数的基础上添加一个阈值修正系数构建新的阈值函数；第三步对图像边缘部分去噪，将小波系数附近的能量和阈值相结合，构建新的阈值函数；第四步对图像R、G、B三个通道分别处理，保留图像所有的细节信息。实验结果表明，该算法有效保存了图像的边缘信息，且综合去噪效果明显提高。

主权项

一种基于LoG算子改进的自适应阈值小波去噪算法，其特征在于：包括如下步骤，步骤S01：采用LoG算子提取含噪图像的边缘轮廓信息：即先对含噪图像进行平滑处理，再采用拉普拉斯算子进行边缘检测，得到边缘图像；具体公式如下，g(x,y)＝h(x,y)*f(x,y)▿2g(x,y)=▿2[h(x,y)*f(x,y)]=▿2h(x,y)*f(x,y)]]>其中：x、y为含噪图像的尺寸，g(x,y)为平滑图像，f(x,y)为含噪图像，为平滑函数，为拉普拉斯算子；步骤S02：分离步骤S01得到的边缘图像的边缘部分和非边缘部分；步骤S03：利用非边缘部分改进的阈值函数以及边缘部分改进的阈值函数，分别处理图像的非边缘部分和边缘部分；对于图像非边缘部分，在软阈值函数的基础上加以改进：对大于阈值的小波系数，提出的改进阈值函数对阈值增加了一个阈值误差修正系数，利用其与修正阈值之间的差值对其进行误差修正，以减少失真；小于阈值的小波系数直接为0，非边缘部分改进后的阈值函数公式如下：W^j,k=Wj,k×|1-(Wj,k-λ×s)|,|Wj,k|≥λ0,|Wj,k|<λ]]>对于图像边缘部分，考虑小波系数附近的能量，比较其与修正阈值的关系，大于修正阈值的能量，直接求取小波系数附近能量与收缩阈值差的绝对值，再求取与1的差值，然后与小波系数相乘得到新的小波系数；小于修正阈值的小波系数直接为0，边缘部分改进后的阈值函数公式如下：W^j,k=Wj,k×|1-(Ej,k-a×λ)|,|Ej,k|≥s×λ0,|Ej,k|<s×λ]]>其中：j、k为图像的坐标，s为阈值误差修正系数，Wj,k为含噪图像经小波变换后得到的小波系数，λ为阈值，a为控制小波系数收缩程度，Ej,k为小波系数附近的能量；步骤S04：将步骤S03处理后的非边缘部分和边缘部分的小波系数各自对应相加，通过小波反变换得到整体的去噪后图像；步骤S05：对上述步骤S04得到的图像的R、G、B三个通道分别进行上述四个步骤的处理，以保留图像的所有细节信息，得到最终图像。