一种图像降噪方法及系统专利检索-小波变换稀疏变换信号处理专利检索查询-专利查询网

一种图像降噪方法及系统

阅读：1发布：2020-07-05

专利汇可以提供一种图像降噪方法及系统专利检索，专利查询，专利分析的服务。并且本发明涉及图像处理领域，尤其涉及一种图像降噪方法及系统，该方法包括：S1：将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像；S2：对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波；S3：对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像；S4：将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。本发明通过增加小波域内图像局部滤波和对滤波后的图像进行线性参数化，来大幅提高降噪后的图像质量，并且可以有效处理非高斯和非类高斯的噪声。，下面是一种图像降噪方法及系统专利的具体信息内容。

权利要求

1.一种图像降噪方法，其特征在于，包括以下步骤：
S1：将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像；
S2：对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波；
S3：对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像；
S4：将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。
2.如权利要求1所述的图像降噪方法，其特征在于，所述对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波包括：
设定带有噪声的图像为y＝(yi)i∈[1,N]，N表示带有噪声的图像中的像素点的总数；设定带有噪声的图像中彼此相邻的部分为Ωl，通过公式(1)对彼此相邻的部分Ωl进行线性滤波：
其中，yj表示小波域内的图像，wj表示相似度；J表示小波变换后小波域内的图像的层数；
通过循环迭代，使得值最小，得到wj和Ωl的具体数值。
3.如权利要求1所述的图像降噪方法，其特征在于，所述对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像包括：
设定已经滤波的部分为zi，通过公式(2)对已经滤波的部分zi进行线性参数化，其中，k、aj、T为常数；
得到降噪后小波域的图像
4.一种图像降噪系统，其特征在于，包括：
图像采集器，用于图像的采集以及存储；
降噪处理单元，用于将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像；对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波；对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像；将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。
5.如权利要求4所述的图像降噪系统，其特征在于，所述对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波包括：
设定带有噪声的图像为y＝(yi)i∈[1,N]，N表示带有噪声的图像中的像素点的总数；设定带有噪声的图像中彼此相邻的部分为Ωl，通过公式(1)对彼此相邻的部分Ωl进行线性滤波：
其中，yj表示小波域内的图像，wj表示相似度；J表示小波变换后小波域内的图像的层数；
通过循环迭代，使得值最小，得到wj和Ωl的具体数值。
6.如权利要求4所述的图像降噪系统，其特征在于，所述对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像包括：
设定已经滤波的部分为zi，通过公式(2)对已经滤波的部分zi进行线性参数化，其中，k、aj、T为常数；
得到降噪后小波域的图像

说明书全文

一种图像降噪方法及系统

技术领域

[0001] 本发明涉及图像处理领域，尤其涉及一种图像降噪方法及系统。

背景技术

[0002] 随着图像处理技术的迅速发展，图像在模式识别，行为检测方面取得了广泛的应用。但是图像在图像采集器形成以及传输过程中，不可避免会受到噪声的干扰。引起噪声的原因有很多，噪声的种类也很多，噪声的强度也千变万化。因此，需要对图像进行降噪的预处理，便于更高层次的图像分析和理解。

[0003] 根据噪声性质的不同，消除噪声主要分为均值滤波法，中值滤波法，傅里叶降噪法和小波变换法。均值滤波法和中值滤波法均对图像本身进行处理，存在将图像模糊化，对特定噪声类型无效等缺点，傅里叶降噪法和小波变换法属于对图像变换空间进行处理，傅里叶降噪法对局部范围降噪效果不好，现有的小波降噪法对于非高斯或者非类高斯的噪声处理效果不佳。

发明内容

[0004] 为解决上述问题，本发明提出一种图像降噪方法及系统，来大幅提高降噪后的图像质量，并且可以有效处理非高斯和非类高斯的噪声。

[0005] 一种图像降噪方法，包括以下步骤：

[0006] S1：将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像；

[0007] S2：对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波；

[0008] S3：对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像；

[0009] S4：将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。

[0010] 优选的，所述对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波包括：

[0011] 设定带有噪声的图像为y＝(yi)i∈[1,N]，N表示带有噪声的图像中的像素点的总数；设定带有噪声的图像中彼此相邻的部分为Ωl，通过公式(1)对彼此相邻的部分Ωl进行线性滤波：

[0012]

[0013] 其中，yj表示小波域内的图像，wj表示相似度；J表示小波变换后小波域内的图像的层数；

[0014] 通过循环迭代，使得值最小，得到wj和Ωl的具体数值。

[0015] 优选的，所述对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像包括：

[0016] 设定已经滤波的部分为zi，通过公式(2)对已经滤波的部分zi进行线性参数化，[0017]

[0018] 其中，k、aj、T为常数；

[0019] 得到降噪后小波域的图像

[0020] 一种图像降噪系统，包括：

[0021] 图像采集器，用于图像的采集以及存储；

[0022] 图像采集器，用于图像的采集以及存储；

[0023] 降噪处理单元，用于将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像；对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波；对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像；将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。

[0024] 优选的，所述对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波包括：

[0025] 设定带有噪声的图像为y＝(yi)i∈[1,N]，N表示带有噪声的图像中的像素点的总数；设定带有噪声的图像中彼此相邻的部分为Ωl，通过公式(1)对彼此相邻的部分Ωl进行线性滤波：

[0026]

[0027] 其中，yj表示小波域内的图像，wj表示相似度；J表示小波变换后小波域内的图像的层数；

[0028] 通过循环迭代，使得值最小，得到wj和Ωl的具体数值。

[0029] 优选的，所述对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像包括：

[0030] 设定已经滤波的部分为zi，通过公式(2)对已经滤波的部分zi进行线性参数化，[0031]

[0032] 其中，k、aj、T为常数；

[0033] 得到降噪后小波域的图像

[0034] 通过使用本发明，可以实现以下效果：

[0035] 通过增加小波域内图像局部滤波和对滤波后的图像进行线性参数化，来大幅提高降噪后的图像质量，并且可以有效处理非高斯和非类高斯的噪声。附图说明

[0036] 下面结合附图和具体实施方式对本发明作进一步详细的说明。

[0037] 图1是本发明实施例的整体流程示意图；

[0038] 图2是本发明实施例与其他降噪方法的降噪效果对比图；

[0039] 图3是本发明实施例的整体结构示意图。

具体实施方式

[0040] 以下结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

[0041] 本发明的主要思想是通过增加小波域内图像局部滤波和对滤波后的图像进行线性参数化，来大幅提高降噪后的图像质量，并且可以有效处理非高斯和非类高斯的噪声。

[0042] 如图1所示，一种图像降噪方法，包括以下步骤：

[0043] S1：将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像；

[0044] 设定图像为y＝(yi)i∈[1,N]，则小波域内的图像其中，J表示小波变换后小波域内的图像的层数，N表示带有噪声的图像中的像素点的总数。

[0045] 离散小波变换是对基本小波的尺度和平移进行离散化。在图像处理中，常采用二进小波作为小波变换函数，即使用2的整数次幂进行划分，得到J层小波域内的图像。

[0046] S2：对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波；

[0047] 通过公式(1)对带有噪声的图像yi中彼此相邻的部分为Ωl进行线性滤波：

[0048]

[0049] 通过循环迭代，使得值最小，得到wj和Ωl的具体数值。

[0050] 通过步骤S2，可以将各种类型的噪声转换为类高斯噪声，从而有效的去除各种非高斯和非类高斯噪声。

[0051] S3：对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像；

[0052] 已经滤波的部分为zi，通过公式(2)对已经滤波的部分zi进行线性参数化，[0053]

[0054] 其中，k、aj、T为常数；

[0055] 最后得到降噪后小波域的图像

[0056] 具体操作中，假设K＝6,下面的搜索方法将得到参数a1,a2…a6；假设Ai≤ai≤Bi,i∈[1,6]，其中Ai为ai的最小阈值，Bi为ai的最大阈值；设定常数V＝5,Ri＝|Bi-Ai|,i∈[1,6]，其中Ri为绝对值。

[0057] 对于每个参数ai，设定由此产生56个参数集；

[0058] 对于每个参数集，计算出降噪后小波域的图像

[0059] 离散小波逆变换来得到离散小波逆变换后的图像

[0060] 基于以下条件搜索离散小波逆变换后的图像

[0061]

[0062] 根据离散小波逆变换后的图像和算出a1(i),a2(i)…a6(i)和a1(j),a2(j)…a6(j)，并且重新设置Ri＝|Bi-Ai|,i∈[1,6]

[0063] 重复上述10次以上，得到最后的参数a1(i),a2(i)…a6(i)。

[0064] 通过步骤S3，降低了离散小波滤波后图像质量与原图(没有噪声的图像)的差异上确界，使得处理后的图像与原图更加接近，从而大幅提高了降噪后的图像质量。

[0065] S4：将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。

[0066] 图2是本发明实施例与其他降噪方法的降噪效果对比图。其中，(a)是没有噪声的图像；(b)是加了噪声后的图像；(c)是使用局部自适应小波阈值(SAWT)方法后的降噪图像；(d)是使用BDM方法后的降噪图像；(e)是直接离散小波逆变换后的降噪图像；(f)是使用本发明方法后的降噪图像。通过上述图的对比可以看出，本发明对图像的降噪效果更好。

[0067] 相应的，本实施例还涉及一种图像降噪系统，如图3所示，包括：

[0068] 图像采集器，用于图像的采集以及存储；

[0069] 降噪处理单元，用于将从图像采集器中采集到的带有噪声的图像进行离散小波变换得到小波域内的图像；对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波；对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像；将降噪后小波域内的图像进行离散小波逆变换得到降噪后的图像。

[0070] 其中，对带有噪声的图像中彼此相邻的部分在小波域中进行线性滤波为：

[0071] 设定带有噪声的图像为y＝(yi)i∈[1,N]，N表示带有噪声的图像中的像素点的总数；设定带有噪声的图像中彼此相邻的部分为Ωl，通过公式(1)对彼此相邻的部分Ωl进行线性滤波：

[0072]

[0073] 其中，yj表示小波域内的图像，wj表示相似度；J表示小波变换后小波域内的图像的层数；

[0074] 通过循环迭代，使得值最小，得到wj和Ωl的具体数值。

[0075] 其中，对已经滤波的部分进行线性参数化，得到降噪后小波域内的图像为：

[0076] 设定已经滤波的部分为zi，通过公式(2)对已经滤波的部分zi进行线性参数化，[0077]

[0078] 其中，k、aj、T为常数；

[0079] 得到降噪后小波域的图像

[0080] 降噪处理单元的降噪方法在一种图像降噪方法中已经详细说明，所以在此并不对其重复说明。

[0081] 本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

标题	发布/更新时间	阅读量
一种基于小波变换的正交频分复用自由空间光通信系统	2020-07-09	1
一种基于多尺度小波阈值去噪的目标检测方法	2021-08-01	2
一种磁共振参数匹配方法、装置及医疗图像处理设备	2020-12-30	2
一种基于联合稀疏和先验约束的压缩感知图像重构方法	2021-06-16	0
一种基于小波变换的图像主观视觉效果增强方法	2020-07-23	2
心肺音信号分类方法、检测方法、装置、介质和计算机设备	2020-09-25	2
System and method for performing wavelet and inverse wavelet transformations of digital data using semi-orthogonal wavelets	2022-10-30	0
Method and apparatus for recognizing speech by using wavelet transform and transient response therefrom	2023-08-02	2
디에스피와 웨이블렛 변환을 이용한 특징점 추출 첨단시스템	2022-07-08	2
便携式无创血糖检测设备及方法	2020-08-15	1

一种图像降噪方法及系统

一种图像降噪方法及系统

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：