基于小波变换的DR图像去噪方法及系统

摘要

本发明公开了一种基于小波变换的DR图像去噪方法，包括以下步骤：步骤一：读取待处理的图像数据；步骤二：确定小波和小波分解的层数，计算含噪声信号的小波分解系数；步骤三：对每层系数选择一个阈值，采用改进的软阈值对图像进行处理；步骤四：进行小波重构得到第一层A1、H1、V1、D1；步骤五：对第一层H1、V1、D1进行经典硬阈值滤波；步骤六：使用滤波后的系数再次重构，得到最终的图像。本发明提出的改进方法更加灵活，通过平滑函数与硬阈值滤波可以克服硬阈值函数和软阈值函数的缺点，不但能够去除噪声，而且能够很好地保留图像的边缘信息，改善了图像的信噪比，是一种较好的处理方案。

主权项

基于小波变换的DR图像去噪方法，其特征在于：所述方法包括以下步骤：步骤一：读取待处理的图像数据；步骤二：确定小波和小波分解的层数，计算含噪声信号的小波分解系数；步骤三：对每层系数选择一个阈值，采用改进软阈值对图像进行处理，改进软阈值的收缩函数表达式如下：$\eta \left(w\right)=\left\{\begin{array}{cc}w+T-\frac{T}{2k+1}& w<-T\\ \frac{1}{(2k+1)T^{2k}}{w}^{2k+1}& \left|w\right|\le T\\ w-T+\frac{T}{2k+1}& w>T\end{array}\right.;$式中w为含噪信号的小波变换系数；T为阈值，k为正整数，根据信号的噪声估计水平选择阶数的高低；步骤四：进行小波重构得到第一层A1、H1、V1、D1；A1为近似分量，H1、V1、D1为细节分量，H1为水平细节分量，V1为垂直细节分量，D1为对角细节分量；步骤五：对第一层H1、V1、D1进行经典硬阈值滤波；步骤六：使用滤波后的系数再次重构，得到最终的图像。