一种基于非线性Curvelet扩散的噪声图像增强方法

摘要

本发明涉及一种基于非线性Curvelet扩散的噪声图像增强方法，技术特征在于：利用各向同性扩散过程源于自然界中的热扩散，以基于偏微分方程(Partial Differential Equation，PDE)的方法，避免各向同性扩散中出现的边缘模糊和定位问题。该方法可同步实现噪声消除和边缘保持，但对噪声非常敏感。本发明针对噪声图像，提出一种结合镜像扩展Curvelet(Mirror-extended Curvelet，ME-Curvelet)变换和非线性扩散的增强方法，该方法在对图像的边缘特征和对比度增强的同时，对其中的噪声进行抑制，并能有效消减伪Gibbs效应，进一步提高图像质量。

主权项

1.一种基于非线性Curvelet扩散的噪声图像增强方法，其特征在于步骤如下：步骤1：对噪声图像灰度值矩阵进行ME-Curvelet正变换，得到不同分解尺度下各个方向的ME-Curvelet系数矩阵；步骤2：根据改进增益函数对步骤1得到的所有ME-Curvelet系数矩阵分别进行非线性变换，得到非线性变换后不同分解尺度下各个方向的ME-Curvelet系数矩阵；所述的改进增益函数为：$y=\left\{\begin{array}{cc}0& x<T_1\\ \frac{x-T_1}{T_1}{\left(\frac{T_3}{T_2}\right)}^p+\frac{T_2-x}{T_1}& T_1\le x<T_2\\ {\left(\frac{T_3}{x}\right)}^p& T_2\le x<T_3\\ {\left(\frac{T_3}{x}\right)}^s& x\ge T_3\end{array}\right.$其中，x为输入，y为输出；p∈(0，1]，s∈(0，1]；T₂＝s₃T₁，T₃＝s₄T₂；其中，j为分解尺度，σ为按σ＝median(|S_HH|)/0.6745计算得到的SAR图像灰度值矩阵的对数矩阵的噪声标准差，median(·)表示取中值，|·|表示取模，S_HH是对噪声图像灰度值矩阵进行一级小波分解得到的对角方向高频子带小波系数矩阵；σ_x为输入x的二范数；s₁∈[1，5]，s₂∈[1，5]，s₃∈[2，3]，s₄∈[1.5，2.5]；步骤3：对步骤2得到的ME-Curvelet系数矩阵进行ME-Curvelet逆变换，得到ME-Curvelet逆变换结果矩阵，逆变换的尺度参数与正变换的尺度参数一致；步骤4：对步骤3得到的ME-Curvelet逆变换结果矩阵进行ME-Curvelet扩散，得到最终的去噪和增强图像灰度值矩阵；所述ME-Curvelet扩散过程步骤为：步骤a：对ME-Curvelet逆变换结果矩阵进行ME-Curvelet正变换，得到不同分解尺度下不同方向的ME-Curvelet系数矩阵；步骤b：利用逆阈值化函数对步骤(1)得到的ME-Curvelet系数矩阵进行逆阈值化处理，得到不同分解尺度下不同方向的ME-Curvelet系数矩阵，逆阈值化函数为$r(x,T)=\left\{\begin{array}{cc}0,& x\ge T_1\\ 1,& x<T_1\end{array}\right.;$步骤c：对步骤b得到的ME-Curvelet系数矩阵进行ME-Curvelet逆变换，得到逆变换结果矩阵；步骤d：将步骤3得到的ME-Curvelet逆变换结果矩阵与步骤c的逆变换结果矩阵相减，得到差图像灰度值矩阵；步骤f：以步骤c得到的ME-Curvelet逆变换结果矩阵为初始条件进行非线性各向异性扩散，得到平滑后的图像灰度值矩阵；步骤g：将步骤d得到的差图像灰度值矩阵与步骤f得到的平滑图像灰度值矩阵相叠加，得到最终的ME-Curvelet扩散后的图像灰度值矩阵。