一种面向游牧服务的多尺度图像处理方法

摘要

一种面向游牧服务的多尺度图像处理方法。该方法包括：将自然图像进行多尺度小波分解，将分解后各尺度上的高频分量进行球坐标变换，得到球坐标下不同尺度的分量，然后利用本方法设计的新的自适应收缩函数和自适应收缩阈值将球坐标变换得到的不同尺度的径向分量进行收缩处理，不同尺度下小波系数的特点不同，所采用的收缩函数和收缩阈值不同，然后将修正后分量进行球坐标逆变换，最后进行图像重构。该方法保留了球坐标系下方法简单、工作量小的特点，提高了重构图像的峰值信噪比，比传统的小波收缩方法的去噪效果好，在一定程度上提高了去噪后的图像质量，可广泛运用该方法对采集和传输的图像进行去噪处理。

主权项

1.一种面向游牧服务的多尺度图像处理方法，其特征在于该方法主要包括如下步骤：第1步、将自然图像做离散二维小波变换，得到小波域图像；第2步、将第1步所得图像的水平高频、垂直高频、对角高频三个高频分量均进行球坐标变换，得到球坐标系下的3个高频分量，分别是径向分量R、球坐标系两个角度分量θ和第3步、将第2步所得的径向分量R进行曲线收缩：经小波变换后，图像的能量集中在少数小波系数上，高斯白噪声在高频部分集中且是均匀分布的；随着小波分解级数的增加，小波系数方差不断增大，噪声标准差是一定的，随着小波变换中变换比例尺度的增大，噪声对系数的影响不断减小，对径向分量的影响相应降低；噪声在不同变换比例尺度下对径向分量的干扰不同，采用不同的收缩函数进行处理：第3.1步、在小波一次分解时，噪声对径向分量的干扰比较强烈，采用自适应收缩函数R^*(i,j)进行处理，$R^{*}(i,j)=\left\{\begin{array}{cc}\rho ·\left(\right|R(i,j)|-{(1+\log (1+|R(i,j)|-T))}^{-1}·T)& R(i,j)\ge T\\ 0& R(i,j)<T\end{array}\right.$其中，为曲线收缩函数的矫正因子，i＝1,2，...,N′，j＝1,2,…M，其中N′,M为图像的维数；R(i,j)为进行球坐标变换时所得径向分量；T为收缩阈值；第3.2步、在小波二次分解时，噪声对径向分量的影响下降，采用收缩阈值为T的Donoho软阈值法进行收缩处理；第3.3步、在进行三次以上分解时，噪声的影响很小，进行球坐标变换的目的是降低小波系数之间的相关性，采取收缩阈值为T的Donoho硬阈值法对径向分量进行收缩处理；第3.1步至第3.3步中三种收缩处理的收缩阈值T均采用自适应收缩阈值T_k，$T_k={\eta }_k\left(\sqrt{6}\right|R_k|/N)k=\mathrm{1,2,3},···$其中，k为分解次数，η_k=1/4^k-1为比例因子，R_k为不同次数分解时所得径向分量，N为图像像素数；第4步、若经第3步收缩处理后所得径向分量R为零，则将球坐标系下其他两个角度分量θ和的值也置为零；第5步、若经第3步收缩处理后所得径向分量R不为零，将收缩后径向分量R和球坐标下其他两个角度分量θ和进行球坐标逆变换，得到修正后水平高频，垂直高频和对角高频三个分量；第6步、将修正后水平高频，垂直高频和对角高频三个分量和小波分解后的低频部分进行小波重构，得到重构图像。