CN100471230C - 降噪方法和设备 - Google Patents

Abstract

提供一种通过使用线性和非线性小波阈值方法对图像降噪的降噪方法和设备。降噪方法包括：(a)在空间域对输入图像进行首次降噪；和(b)通过对首次降噪的输入图像执行小波变换而将输入图像分割成N块，然后通过将非线性阈值方法应用于分割的图像的不大于N/2的约整数值的块以及将线性阈值方法应用于分割的图像的剩余块，来对分割的输入图像进行二次降噪，其中，N是表示分割等级的正整数。因此，通过在空间域对图像执行预处理，并根据图像的分割等级对图像的块应用不同的阈值方法保持低频带的图像信号的同时可从图像中去除噪声。另外，可自然地再现图像的边缘部分。

Description

降噪方法和设备

技术领域

本发明涉及图像的降噪，更具体地讲，本发明涉及一种降噪方法和设备，该方法和设备通过使用线性和非线性小波阈值方法的组合对图像降噪。

背景技术

图像中可插有多种噪声，而且大多数噪声是白高斯噪声。白高斯噪声是几乎分布在频谱的所有频带上的噪声。最近，已提出了多种用于去除白高斯噪声的降噪方法。

多种降噪方法之一是基于小波变换的降噪方法。小波变换，与傅立叶变换类似，将图像信号分割并变换成一组基函数。当通过小波变换将图像分割成多个块时，这些块具有空间分量和频率分量，并且相互之间具有明显差异，这取决于它们各自的频带。在小波变换中，白高斯噪声可使用例如阈值方法而从图像中被去除。在阈值方法中，阈值被设置，并且基于图像的块的小波系数是否大于该阈值来对图像降噪。然而，阈值方法可导致图像的边缘部分的丢失，由此降低图像的品质。

另一种降噪方法，即使用最大似然估计量的基于局部自适应窗口的降噪方法(LAWML)。这里，最大似然估计量是维纳滤波的一种类型。在LAWML方法中，然而，小波噪声有可能偶然插入到输出图像中。存在另一种降噪方法，即基于小波变换的维纳滤波方法。基于小波变换的维纳滤波方法，与阈值方法类似，由于它使用阈值计算局部方差，可导致图像边缘部分的丢失。

发明内容

本发明提供一种降噪方法和设备，该方法和设备采用两个步骤对具有白高斯噪声的图像降噪，即第一步在空间域中降噪和第二步在小波域中降噪。

根据本发明的降噪方法可从图像中去除噪声，同时通过在空间域中对图像执行预处理，并根据图像的分割等级将不同的阈值方法应用到图像的块中，来保持低频带中的图像信号。另外，可再现比现有技术更自然的边缘部分。

根据本发明的一方面，提供一种降噪方法，包括：(a)通过在空间域滤波对输入图像进行首次降噪；和(b)通过对首次降噪的输入图像执行小波变换来将输入图像分割成N块，然后通过将非线性阈值方法应用于分割的图像的不大于N/2的约整数值的块以及将线性阈值方法应用于分割的图像的剩余块，来对分割的输入图像进行二次降噪，其中，N是表示分割等级的正整数。

步骤(a)可包括：(a1)计算输入图像所包括的噪声的等级；和(a2)通过使用(a1)中计算的噪声等级对输入图像执行基于象素的维纳(PWW)滤波。

步骤(a1)可包括：(a11)通过执行小波变换将输入图像分割成多个块，其分割等级为1；(a12)将水平和垂直分量均为高频分量的输入图像的一些块分割成多个子块；(a13)计算子块的小波系数的平均值；和(a14)确定一些具有大约为0的小波系数的子块为仅存在噪声的子块，并通过获得仅存在噪声的相应的子块的方差的均方根来计算噪声等级。

每个子块的大小可为8×8或16×16。

在步骤(a2)中，可通过使用(a1)中计算的噪声等级计算噪声方差，如果每个子块的边缘部分中不存在小波系数，则通过水平和垂直镜像每个子块的小波系数来计算每个子块的边缘部分中的局部均值和局部方差。

如果子块不大于N/2的约整数值，而且子块的小波系数的绝对值小于用于预定的等级的阈值，则将子块的小波系数设置为0值，如果子块不大于N/2的约整数值，但子块的小波系数的绝对值不小于用于预定的等级的阈值，则输出从子块的小波系数的绝对值中减去该阈值的结果，保持子块的小波系数的符号不变，其中，N是表示分割等级的正整数。

如果一些子块大于N/2的约整数值，则输出它们的小波系数，其中，N是表示分割等级的正整数。

由于已通过在空间域PWW滤波对输入图像进行了首次降噪，所以阈值可基于中值进行计算，该中值通过检测多行的每一行中的高频分量的子块的小波系数中的最大值，然后平均从多行中分别检测到的最大小波系数而得到。

根据本发明的另一方面，提供一种降噪的方法，包括：(a)通过执行小波变换将输入图像分割成多个块，其分割等级为1；(b)将一些水平和垂直分量均为高频分量的输入图像的块分割成多个子块；(c)计算子块的小波系数的平均值；(d)确定一些具有大约为0的小波系数的子块为仅存在噪声的子块，并通过获得仅存在噪声的相应的子块的方差的均方根来计算噪声等级；和(e)通过使用(d)中计算的噪声等级来执行PWW滤波。

在步骤(e)中，可通过使用(d)中计算的噪声等级计算噪声方差，如果每个子块的边缘部分中不存在小波系数，则通过水平和垂直镜像每个子块的小波系数来计算每个子块的边缘部分中的局部均值和局部方差。

根据本发明的另一方面，提供一种降噪设备，包括：第一降噪单元，用于在空间域中对输入图像进行首次降噪；小波变换单元，用于通过对首次降噪的输入图像执行小波变换将输入图像分割成多个块；和第二降噪单元，用于通过将非线性阈值方法应用于分割的图像的不大于N/2的约整数值的块以及将线性阈值方法应用于分割的图像的剩余块，来对分割的输入图像进行二次降噪，其中，N是表示分割等级的正整数。

降噪设备还可包括逆小波变换单元，用于对二次降噪的输入图像执行逆小波变换。

第一降噪单元可包括：噪声等级计算器，用于计算输入图像所包括的噪声的等级；和PWW滤波执行器，用于通过使用噪声等级计算器计算的噪声等级对输入图像执行基于象素的维纳(PWW)滤波。

噪声等级计算器可包括：小波分割器，用于通过对输入图像执行小波变换将输入图像分割成多个块，其分割等级为1；子块分割器，用于将水平和垂直分量均为高频分量的输入图像的块分割为多个子块；均值计算器，用于计算子块的小波系数的平均值；确定器/计算器，用于确定具有大约为0的小波系数的子块为仅存在噪声的子块，并通过获得仅存在噪声的相应的子块的方差的均方根来计算噪声等级。

PWW滤波执行器可通过使用噪声等级计算噪声方差，如果每个子块的边缘部分中不存在小波系数，则通过水平和垂直镜像每个子块的小波系数来计算每个子块的边缘部分中的局部均值和局部方差。

如果子块不大于N/2的约整数值，而且子块的小波系数的绝对值小于用于预定的等级的阈值，则第二降噪单元设置该子块的小波系数，如果子块不大于N/2的约整数值，但子块的小波系数的绝对值不小于用于该预定的等级的阈值，则第二降噪单元输出从子块的小波系数的绝对值减去该阈值的结果，保持子块的小波系数的符号不变。

如果一些子块大于N/2的约整数值，则第二降噪单元输出它们的小波系数。

由于已通过在空间域PWW滤波对输入图像进行了首次降噪，所以阈值可基于中值进行计算，该中值通过检测多行的每一行中的高频分量的子块的小波系数中的最大值，然后平均从多行中分别检测到的最大小波系数而得到。

根据本发明的另一方面，提供一种降噪设备，包括：小波分割单元，用于通过执行小波变换将输入图像分割为多个块，其分割等级为1；子块分割单元，用于将一些水平和垂直分量均为高频分量的输入图像的块分割为多个子块；均值计算器，用于计算子块的小波系数的平均值；确定/计算单元，用于确定具有大约为0的小波系数的子块为仅存在噪声的子块，并通过获得仅存在噪声的相应的子块的方差的均方根计算噪声等级；和PWW滤波执行器，用于通过使用在确定/计算单元中计算的噪声等级来执行PWW滤波。

降噪设备还可包括：逆小波变换单元，用于对二次降噪的输入图像执行逆小波变换。PWW滤波执行器可通过使用噪声等级计算噪声方差，如果每个子块的边缘部分中不存在小波系数，则通过水平和垂直镜像每个子块的小波系数来计算每个子块的边缘部分中的局部均值和局部方差。

根据本发明的另一方面，提供一种计算机可读记录介质，可记录实现该降噪方法的程序。

附图说明

图1是根据本发明的示例性实施例的降噪方法的流程图；

图2是示出通过小波变换被分割成多个块的图像的示图；

图3是获得图像的噪声等级过程的详细的流程图；

图4是示出图1的操作S120中处理图像边缘部分的方法的示图；

图5是图1的降噪方法的二次降噪操作的详细的流程图；

图6A是示出输入图像值的变化的示图，其变化是由硬阈值方法产生，硬阈值方法是一种非线性阈值方法；

图6B是示出输入图像值的变化的示图，其变化是由软阈值方法产生，软阈值方法是一种线性临界方法；

图7是根据本发明的示例性实施例的降噪设备的方框图；

图8是图7的第一降噪器的详细的方框图；和

图9是图7的第二降噪器的详细的方框图。

本发明的实施方式

现在，将详细描述本发明的实施例，其示例在附图中示出，其中，相同的标号始终表示相同的部件。以下通过参考附图描述实施例来解释本发明。

图1是根据本发明示例性实施例的降噪方法的流程图。该降噪方法主要分为两个步骤，即第一降噪步骤，是作为预处理在小波变换前执行的降噪处理；和第二降噪步骤，是在小波变换期间执行的降噪处理。现在将对该降噪方法的第一和第二降噪步骤进行进一步的详细说明。

在操作S110中，当接收到含有噪声的图像时，获得图像的噪声等级。噪声等级表示图像中所含的噪声的标准偏差。其后，在操作S120中，使用操作S110中所得的噪声等级执行基于象素的维纳滤波处理。该降噪方法的第一降噪步骤包括操作S110和S120。通过执行操作S110和S120，白高斯噪声可完全从图像中去除，从而图像的频谱上仅残留有有色噪声。

其后，为去除图像中残留的有色噪声执行该降噪方法的第二降噪步骤。在操作S130中，通过对图像执行小波变换图像被分割成多个块。在操作S140中，使用线性或非线性阈值方法从图像中去除噪声成分。在操作S150中，通过对图像执行逆小波变换已去除噪声成分的图像被恢复。现在将对操作S110、S120、S130、S140和S150的每个进行更详细的说明。

图2是示出通过小波变换被分割成块的图像的示图。参考图2，图像的块基于它们各自的频带而相互之间不同。图像的每个块有空间域分量和频域分量。图像可被分割几次，图像被分割的次数被称为分割等级。当图像被分割一次时，可得到块210、块220、块230和块240，其中块210(LL1)的垂直和水平分量均为低频分量，块220(HL1)的垂直和水平分量分别为低频分量和高频分量，块230(LH1)的垂直和水平分量分别为高频分量和低频分量，块240(HH1)的垂直和水平分量均为高频分量。当图像再一次被分割时，块210(LL1)又被分割成块LL2、HL2、LH2和HH2。当图像再一次被分割时，块LL2又被分割成块LL3、HL3、LH3和HH3。图像可被分割无限定次数。这种分割称作倍频程分割。

图3是获得图像的噪声等级的过程的详细流程图。参考图3，在操作S310中，通过执行小波变换分割图像，其分割等级为1。因此，如图2所示，图像被分割成4个块，即LL1 210、HL1 220、LH1 230和HH1 240，它们基于其各自的频带而相互之间不同。由于图像所含的噪声大多数存在于高频带，因此可通过使用块240(HH1)得到图像的噪声等级。因此，在操作S320中，块240(HH1)被分割成多个子块。子块的大小可任意确定。比如，如果图像大小为256×256，则块240(HH1)的每个子块的大小可为8×8。如果图像的大小为512×512，则块240(HH1)的每个子块的大小可为16×16。块240(HH1)的每个子块可为仅存在噪声的子块、存在无噪声的原始图像数据的子块和同时存在原始图像数据和噪声的子块之一。因此，在操作S330中，平均块240(HH1)的子块的小波系数，以确定每个子块是仅存在噪声的子块、存在原始图像数据的子块还是同时存在原始图像数据和噪声的子块。

在操作S340中，如果在操作S330中所得的小波系数均值的绝对值非常接近0，则确定块240(HH1)的子块为仅存在噪声的子块。比如，如果在操作S330中所得的小波系数均值的绝对值不大于0.2，则可确定块240(HH1)的子块为仅存在噪声的子块。参考值是将与块240(HH1)的子块的小波系数均值进行比较的值，用于确定子块是仅存在噪声的子块、存在原始图像数据的子块还是同时存在原始图像数据和噪声的子块。可通过利用白高斯噪声均值为0和小波变换具有线性特性的事实来确定参考值。在操作S350中，通过计算块240(HH1)的被确定为仅存在噪声的子块的方差的均方根来计算噪声等级。

图4是示出图1的操作S120中处理图像边缘部分的方法。参考图4，在图1的操作S120中，通过根据图像的边缘部分上的象素所属的局部子块的大小、镜像其象素值，来获得局部均值μ和局部方差

然后使用图3的操作S350中计算的噪声等级来计算噪声方差。使用如下方程(1)计算局部均值μ和局部方差

$\mathrm{\μ}=\frac{1}{\mathrm{MN}}\mathrm{\Σy}(i,j)\·\·\·\left(1\right)$

${\mathrm{\σ}}_1^2=\frac{1}{\mathrm{MN}}\mathrm{\Σ}{y}^2(i,j)-{\mathrm{\μ}}^2$

其中，MN表示局部块的大小，y表示输入图像值。

通过对输入图像值y执行PWW滤波而得到输出图像值y_p，可使用如下方程(2)计算：

$y_p(i,j)=\mathrm{\μ}+\frac{{\mathrm{\σ}}_l^2-{\mathrm{\σ}}_n^2}{{\mathrm{\σ}}_l^2}(y(i,j)-\mathrm{\μ})\·\·\·\left(2\right)$

$y_p(i,j)=\mathrm{\μ}+\frac{\max (0,{\mathrm{\σ}}_l^2-{\mathrm{\σ}}_n^2)}{\max ({\mathrm{\σ}}_l^2,{\mathrm{\σ}}_n^2)}(y(i,j)-\mathrm{\μ})$

其中σ_n表示图3的操作350中所得的噪声等级。

图5是图1的降噪方法的第二降噪操作的详细流程图。参考图5，作为PWW滤波的结果，在预定的等级平均噪声被保持，但功率谱密度表明图像中仍然残留的噪声不是白高斯噪声，而是有色噪声。因此，需根据图像的分割等级通过应用线性阈值方法或非线性阈值方法去除图像中仍然残留的噪声成分。更具体地讲，在操作S510中分割图像，其分割等级为N。这里，N可根据图像的大小来确定。比如，如果图像的大小为256×256，N可被设置为4。如果图像的大小为512×512，N可被设置为5。其后，在操作S520中，使用线性或非线性阈值方法对被分割成块的图像降噪。更具体地讲，将非线性阈值方法用于不大于约整数(N/2)的图像的块，将线性阈值方法用于图像的其他块。

在N分割等级，使用如下方程(3)来计算阈值t：

$t=\mathrm{\γ}\·\mathrm{\σ}\·\sqrt{2\log n/n}$

其中σ表示噪声等级，γ表示中值，由于图像已通过PWW滤波被降噪，所以通过检测图像中多行的每一行中的仅图像的高频块的小波系数均值中的最大值，然后平均从图像的多行中分别检测到的这样的最大值而得到中值。

非线性阈值方法分为硬阈值方法和软阈值方法，现在将参考图6A和图6B进行更详细地描述。线性阈值方法是仅输出大于预定的分割等级的输入值的方法，而不需设置阈值。认为预定的频率等级为低频等级。

图6A是示出关于小波系数输入图像值的变化的示图，该变化通过使用硬阈值方法获得。参考图6A，在硬阈值方法中，将预定的值设置为阈值。其后，将小于阈值的输入图像值确定为噪声，并因此将其设置为0值。其他不小于阈值的输入图像值照原样输出。

图6B是示出关于小波系数输入图像值的变化的示图，该变化通过使用软阈值方法获得。参考图6B，在软阈值方法中，与硬阈值方法类似，由于认为小于阈值的输入图像值为噪声，因此将其设置为0值。然而，在软阈值方法中，与硬阈值方法不同，不小于阈值的其他输入图像值并不照原样输出，而是输出阈值和它们各自的小波系数的差。

图7是根据本发明示例性实施例的降噪设备的方框图。参考图7，该降噪设备包括第一降噪单元710、小波变换单元720、第二降噪单元730和逆小波变换单元740。第一降噪单元710对含有噪声成分的输入图像执行图1的降噪方法的第一降噪操作。小波变换单元720执行小波变换。第二降噪单元730执行图1的降噪方法的第二降噪操作。逆小波变换单元740对去除噪声成分的输入图像执行逆小波变换。

图8是第一降噪单元710的详细方框图。参考图8，第一降噪单元710包括：噪声等级计算器810，用于计算输入图像所包括的噪声的等级；和PWW滤波执行器820，使用噪声等级计算器810计算的噪声等级对输入图像执行PWW滤波。噪声等级计算器810包括小波分割器811、子块分割器812、均值计算器813和确定器/计算器814。小波分割器811通过对输入图像执行小波变换来分割输入图像，其分割等级为1。子块分割器812进一步将水平和垂直分量均为高频分量的输入图像的块分割为多个预定大小的子块。比如，每个子块的大小可为8×8或16×16。均值计算器813计算子块的小波系数的均值。确定器/计算器814将一些具有大约为0的小波系数的子块确定为仅存在噪声的子块，然后通过计算相应的子块的方差的平方根来计算噪声等级。

图9是第二降噪单元739的详细方框图。参考图9，第二降噪单元730包括确定器910、线性阈值方法应用器920和非线性阈值方法应用器930。

第二降噪单元730通过将线性阈值方法或非线性阈值方法应用到输入图像的块上而对输入图像降噪，输入图像的块通过对输入图像执行小波变换而得到。确定器910确定对输入图像的块是应用非线性阈值方法还是应用线性阈值方法。确定器910对一些不大于N/2的约整数值的输入图像的块应用非线性阈值方法，对输入图像的其他块应用线性阈值方法。线性阈值方法应用器920通过应用线性阈值方法对输入图像降噪，非线性阈值方法应用器930通过应用非线性阈值方法对输入图像降噪。以上已对线性和非线性阈值方法进行了描述，因此将略去它们的详细描述。

本发明可被实现为写在计算机可读记录介质上的计算机可读代码。计算机可读记录介质包括几乎所有以计算机系统可读的这样的方式存储数据的记录设备。比如，计算机可读记录介质包括ROM、RAM、CD-ROM、磁带、软盘、光学数据储存器和载波(如经互联网的数据传输)。计算机可读记录介质可分布在与网络连接的多个计算机系统中，这样其上写的数据可以以分散的方式执行。

虽然本发明已参考其示例性实施例进行了详细显示和说明，但本领域的技术人员应该理解，在不脱离由所附权利要求限定的本发明的原则和精神的情况下，可对该实施例进行各种形式和细节的修改。

Claims (23)

1、一种降噪方法，包括：

(a)通过在空间域滤波对输入图像进行首次降噪；和

(b)通过对首次降噪的输入图像执行小波变换而将输入图像分割成N块，然后通过将非线性阈值方法应用于分割的图像的不大于N/2的约整数值的块以及将线性阈值方法应用于分割的图像的剩余块，来对分割的输入图像进行二次降噪，其中，N是表示分割等级的正整数。

2、如权利要求1所述的降噪方法，其中，(a)包括：

(a1)计算包括在输入图像中的噪声的等级；和

(a2)通过使用(a1)中计算的噪声等级对输入图像执行基于象素的维纳滤波。

3、如权利要求2所述的降噪方法，其中，(a1)包括：

(a11)通过执行小波变换将输入图像分割成多个块，其分割等级为1；

(a12)将一些水平和垂直分量均为高频分量的输入图像的块分割为多个子块；

(a13)计算子块的小波系数的平均值；和

(a14)将一些具有大约为0的小波系数的子块确定为仅存在噪声的子块，并通过得到仅存在噪声的相应的子块的方差的均方根计算噪声等级。

4、如权利要求3所述的降噪方法，其中，每个子块的大小为8×8或16×16。

5、如权利要求3所述的降噪方法，其中，在(a2)中，使用(a1)中计算的噪声等级计算噪声方差，如果每个子块的边缘部分中不存在小波系数，则通过水平和垂直地镜像每个子块的小波系数来计算每个子块的边缘部分中的局部均值和局部方差。

6、如权利要求1所述的降噪方法，其中，如果子块不大于N/2的约整数值，而且子块的小波系数的绝对值小于预定的等级的阈值，则将子块的小波系数设置为0值，如果子块不大于N/2的约整数值，但子块的小波系数的绝对值不小于该预定的等级的阈值，则输出从子块的小波系数的绝对值减去该阈值的结果，保持子块的小波系数的符号不变。

7、如权利要求1所述的降噪方法，其中，如果一些子块大于N/2的约整数值，则输出它们的小波系数。

8、如权利要求6所述的降噪方法，其中，基于中值计算阈值，由于已通过在空间域基于像素的维纳滤波对输入图像进行了首次降噪，所以该中值通过检测多行的每一行中的高频分量的子块的小波系数中的最大值、然后平均从多行中分别检测到的最大小波系数而得到。

9、如权利要求6所述的降噪方法，其中，通过使用如下方程基于中值计算阈值，由于已通过在空间域基于像素的维纳滤波对输入图像进行了首次降噪，所以该中值通过检测多行的每一行中的高频分量的子块的小波系数中的最大值，然后平均从多行中分别检测到的最大小波系数而得到：

$t=\mathrm{\γ}\·\mathrm{\σ}\·\sqrt{2\log n/n}$

其中t表示参考点，n表示分割等级，σ表示噪声等级，γ表示中值。

10、一种降噪方法，包括：

(a)通过执行小波变换将输入图像分割成多个块，其分割等级为1；

(b)将一些水平和垂直分量均为高频分量的输入图像的块分割成多个子块；

(c)计算子块的小波系数的平均值；

(d)将一些具有大约为0的小波系数的子块确定为仅存在噪声的子块，并通过获得仅存在噪声的相应的子块的方差的均方根来计算噪声等级；和

(e)使用(d)中计算的噪声等级执行基于像素的维纳滤波。

11、如权利要求10所述的降噪方法，其中，在(e)中，通过使用(d)中计算的噪声等级计算噪声方差，如果每个子块的边缘部分中不存在小波系数，则通过水平和垂直地镜像每个子块的小波系数来计算每个子块的边缘部分中的局部均值和局部方差。

12、一种降噪设备，包括：

第一降噪单元，用于在空间域对输入图像首次降噪；

小波变换单元，用于通过对首次降噪的输入图像执行小波变换而将输入图像分割成N块；和

第二降噪单元，用于通过将非线性阈值方法应用于分割的图像的不大于N/2的约整数值的块以及将线性阈值方法应用于分割的图像的剩余块，来对分割的输入图像进行二次降噪，其中，N是表示分割等级的正整数。

13、如权利要求12所述的降噪设备，还包括：

逆小波变换，用于对二次降噪的输入图像执行逆小波变换。

14、如权利要求12所述的降噪设备，其中，第一降噪单元包括：

噪声等级计算器，用于计算输入图像所包括的噪声的等级；和

基于像素的维纳滤波执行器，用于通过使用噪声等级计算器计算的噪声等级对输入图像执行基于象素的维纳滤波。

15、如权利要求14所述的降噪设备，其中，噪声等级计算器包括：

小波分割器，用于通过对输入图像执行小波变换，将输入图像分割成多个块，其分割等级为1；

子块分割器，用于将一些水平和垂直分量均为高频分量的输入图像的块分割成多个子块；

均值计算器，用于计算子块的小波系数的平均值；

确定器/计算器，用于将一些具有大约为0的小波系数的子块确定为仅存在噪声的子块，并通过获得仅存在噪声的相应的子块的方差的均方根来计算噪声等级。

16、如权利要求15所述的降噪设备，其中，基于像素的维纳滤波执行器通过使用噪声等级计算噪声方差，如果每个子块的边缘部分中不存在小波系数，则通过水平和垂直地镜像每个子块的小波系数来计算每个子块的边缘部分中的局部均值和局部方差。

17、如权利要求12所述的降噪设备，其中，如果子块不大于N/2的约整数值，而且子块的小波系数的绝对值小于预定的等级的阈值，则第二降噪单元设置子块的小波系数，如果子块不大于N/2的约整数值，但子块的小波系数的绝对值不小于该预定的等级的阈值，则第二降噪单元输出从子块的小波系数的绝对值减去阈值的结果，保持子块的小波系数的符号不变。

18、如权利要求12所述的降噪设备，其中，如果一些子块大于N/2的约整数值，则第二降噪单元输出它们的小波系数，其中，N是表示分割等级的正整数。

19、如权利要求17所述的降噪设备，其中，基于中值计算阈值，由于已通过在空间域基于像素的维纳滤波对输入图像进行了首次降噪，所以该中值通过检测多行的每一行中的高频分量的子块的小波系数中的最大值，然后平均从多行中分别检测到的最大小波系数而得到。

20、如权利要求17所述的降噪设备，其中，通过使用如下方程基于中值计算阈值，由于已通过在空间域基于像素的维纳滤波对输入图像进行了首次降噪，所以该中值通过检测多行的每一行中的高频分量的子块的小波系数中的最大值，然后平均从多行中分别检测到的最大小波系数而得到：

$t=\mathrm{\γ}\·\mathrm{\σ}\·\sqrt{2\log n/n}$

其中t表示参考点，n表示分割等级，σ表示噪声等级，γ表示中值。

21、一种降噪设备，包括：

小波分割单元，用于通过执行小波变换将输入图像分割成多个块，其分割等级为1；

子块分割单元，用于将一些水平和垂直分量均为高频分量的输入图像的块分割成多个子块；

均值计算器，用于计算子块的小波系数的平均值；

确定和计算单元，用于将一些具有大约为0的小波系数的子块确定为仅存在噪声的子块，并通过获得仅存在噪声的相应的子块的方差的均方根来计算噪声等级；和

基于像素的维纳滤波执行器，用于通过使用在确定和计算单元中计算的噪声等级来执行基于像素的维纳滤波。

22、如权利要求20所述的降噪设备，还包括：

逆小波变换单元，用于对二次降噪的输入图像执行逆小波变换。

23、如权利要求21所述的降噪设备，其中，基于像素的维纳滤波执行器通过使用噪声等级来计算噪声方差，如果每个子块的边缘部分中不存在小波系数，则水平和垂直地镜像每个子块的小波系数来计算每个子块的边缘部分中的局部均值和局部方差。

Images