主权项 |
1.一种基于自适应小波阈值和双边滤波器的图像去噪方法,其特征在于包括以下步骤:S1:采用离散小波对含有噪声的图像g进行分解,获得多个子带及其对应的小波系数矩阵;S2:选取每个高频子带对应的随着小波分解尺度和子带变化而自适应变化的阈值,并对每个高频子带的小波系数矩阵进行阈值量化处理,具体如下:S2.1:根据获得的子带中高频子带的小波系数矩阵,计算所有高频子带的自适应阈值,其中,第k层高频子带的自适应阈值T<sup>k</sup>的计算公式如下:<![CDATA[<math><mrow><msup><mi>T</mi><mi>k</mi></msup><mo>=</mo><mfrac><mi>α</mi><mi>k</mi></mfrac><mi>σ</mi><msqrt><mn>2</mn><mi>ln</mi><mi>N</mi></msqrt></mrow></math>]]></maths>其中,k为高频子带的小波分解尺度,α为与第k层高频子带有关的可调参数,α的取值范围是(0,1],ln(·)是以数学常数e为底的对数函数,N是第k层高频子带的尺寸,σ为噪声标准差,且由高频子带HH<sub>1</sub>的鲁棒中值来估计;S2.2:根据获得的子带中高频子带的小波系数矩阵和选取的自适应阈值,采用软阈值函数,对所有高频子带的小波系数矩阵进行阈值量化处理,获得处理后的小波系数矩阵,其中,第k层高频子带在(i,j)处的小波系数通过下面的软阈值函数公式进行阈值量化处理:<![CDATA[<math><mrow><msubsup><mi>Y</mi><mi>ij</mi><mrow><mo>′</mo><mi>k</mi></mrow></msubsup><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mo>[</mo><mi>sign</mi><mrow><mo>(</mo><msubsup><mi>Y</mi><mi>ij</mi><mi>k</mi></msubsup><mo>)</mo></mrow><mo>]</mo><mrow><mo>(</mo><mo>|</mo><msubsup><mi>Y</mi><mi>ij</mi><mi>k</mi></msubsup><mo>|</mo><mo>-</mo><msup><mi>T</mi><mi>k</mi></msup><mo>)</mo></mrow><mo>,</mo></mtd><mtd><mo>|</mo><msubsup><mi>Y</mi><mi>ij</mi><mi>k</mi></msubsup><mo>|</mo><mo>≥</mo><msup><mi>T</mi><mi>k</mi></msup></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mo>|</mo><msubsup><mi>Y</mi><mi>ij</mi><mi>k</mi></msubsup><mo>|</mo><mo><</mo><msup><mi>T</mi><mi>k</mi></msup></mtd></mtr></mtable></mfenced></mrow></math>]]></maths>其中,<img file="FDA0000439935920000013.GIF" wi="69" he="81" />和<img file="FDA0000439935920000014.GIF" wi="73" he="85" />分别是上述含噪图像g的第k层高频子带在(i,j)处的小波系数和阈值量化处理后的第k层高频子带在(i,j)处的小波系数,sign(·)是符号函数,T<sup>k</sup>为上述选取的第k层高频子带的自适应阈值;S3:利用上述含噪图像g的低频子带LL<sub>J</sub>的小波系数和阈值量化处理后的所有高频子带的小波系数进行小波逆变换,获得重构图像u;S4:采用双边滤波器对重构图像u进行滤波,获得结果图像v。 |