CN101425176A - 一种基于中值滤波的图像小波去噪方法 - Google Patents
一种基于中值滤波的图像小波去噪方法 Download PDFInfo
- Publication number
- CN101425176A CN101425176A CNA2008100515572A CN200810051557A CN101425176A CN 101425176 A CN101425176 A CN 101425176A CN A2008100515572 A CNA2008100515572 A CN A2008100515572A CN 200810051557 A CN200810051557 A CN 200810051557A CN 101425176 A CN101425176 A CN 101425176A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- coefficient
- threshold value
- image
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明提出了一种基于中值滤波的图像小波去噪方法,属于数字遥感图像处理领域。该方法首先对含噪图像进行中值预滤波,然后进行小波变换,阈值处理和去噪处理,最终进行小波逆变换,并输出滤波后的图像。本发明的优点:使用中值滤波方法对含噪图像进行预滤波,去除了大部分椒盐类的噪声,并避免了对图像高频部分的影响。然后采用了小波阈值方法结合小波系数尺度相关性的去噪方式,避免了单纯使用小波阈值方法信号系数与噪声系数的混淆,同时也减少了单纯采用小波系数尺度相关性去噪方法所需的巨大运算量。经试验证明采用本方法的去噪效果稳定,所需的运算量适中。
Description
技术领域:
本发明创造属于数字遥感图像处理领域,提出了一种基于中值滤波的图像小波去噪方法。
背景技术:
遥感图像的拍摄环境往往比较恶劣,受到的主要影响有:光学镜头的设计、装配,离焦量的控制,曝光量的控制,相移的补偿,探测器的性能,图传信道的信噪比等等。因此获得的图像是真实图像与以上不利因素引起的噪声的集合。为了更准确的恢复原图像,减少图像判读过程中由于噪声引起的图像误判、漏判,需要对获得的图像进行去噪。
传统的图像去噪算法主要从频域、空域两方面进行单独的分析、设计。空域滤波器容易损失图像的边缘信息,频域滤波器则无法处理噪声与信号频谱混叠的图像,因此采用以上两类算法图像去噪的效果有限。
发明内容:
为了克服上述两类算法图像去噪的局限性,本发明提出了一种基于中值滤波的图像小波去噪装置和方法。具体实现装置为图像输入、中值预滤波、小波变换、阈值处理、小波逆变换和图像输出等部分;
该方法步骤为:
1、对含噪图像进行中值预滤波;
2、计算中值滤波后信号的正交小波变换,然后进行小波变换;
3、对小波系数进行阈值处理和去噪处理;
4、判定该点是信号还是噪声;
5、最终进行小波逆变换,并输出滤波后的图像。
小波变换同时具有时、频局域性,小波分析具有检测信号奇异性和变结构优势,它能更准确的得到信号上特定点的奇异性信息。信号和噪声在小波变换下表现出截然不同的性质,所以小波分析能用于信号的去噪。由于航空图像中具有多种噪声,如单纯采取对图像进行小波变换的方式去噪,对图像中椒盐类的噪声去除效果不明显,且容易对小波系数阈值的选择产生干扰。
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理方法,中值滤波的原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代换。例如对于N×N的一个窗口,窗口中心位置的像素灰度用窗口内所有的像素灰度中值代替,N为大于零的奇数。
在有很强的椒盐干扰情况下,图像经中值滤波使干扰点与邻域像素的灰度值一样,针对航空图像则可有效去除由探测器、图传信道等引起的椒盐类干扰,更有利于接下来小波去噪,因此本发明在对图像进行小波去噪前需对图像进行中值预滤波。
经中值预滤波图像滤处了大部分椒盐类噪声,接下来的小波变换去噪法主要去除其它类噪声。基于小波变换的小波收缩去噪法的主要理论依据是,小波变换能够使信号的能量在小波系数域中集中在少量的大的小波系数中,而噪声却分布在整个小波域,可以采用阈值的办法把信号的小波系数保留,而使大部分噪声的小波系数减少为零。
其中,在小波收缩去噪法中最为重要的就是如何选择阈值。如果阈值太小,去噪后的图像仍然有噪声存在,相反如果阈值过大,重要的图像特征将被滤掉,引起偏差;从直观上讲,对于给定的小波系数,噪声越大,阈值就越大,所以大多数阈值选择过程是针对一组小波系数,即根据本组小波系数的统计特性,统计出一个阈值,如式1所示,其中N为采集到数据,σ为均值方差:
但任何的阈值选取方法不可避免的产生噪声与信号的混淆。例如在某一分解尺度下,大于阈值λ的小波系数判定为信号;小于该阈值的判定为噪声,该判决器必然会引起某些小波系数的误判:将小波系数判为噪声,或是将噪声判为小波系数。
如能准确的判定阈值附近的小波系数为噪声或是图像信号,则可进一步增强图像的去噪效果。信号与噪声的小波系数在各个尺度下具有不同的传播特性,即信号的小波系数随着尺度的增大而增强,而噪声的小波系数随着尺度的增大而减小,根据信号与噪声的小波系数在不同尺度上的特点,可以通过将相邻尺度的小波系数直接相乘来增强信号,抑制噪声。但该种方式运算量过大,即需要对所有的小波系数进行上述相乘运算。本方法对小波系数在阈值λ附近的点(±20%范围内),进行空间尺度上的追溯,进一步判定该点是信号还是噪声。采用这种方法即降低了大量的运算量,又增强了判别的准确性。
本发明的优点:使用中值滤波方法对含噪图像进行预滤波,去除了大部分椒盐类的噪声,并避免了对图像高频部分的影响。然后采用了小波阈值方法结合小波系数尺度相关性的去噪方式,避免了单纯使用小波阈值方法信号系数与噪声系数的混淆,同时也减少了单纯采用小波系数尺度相关性去噪方法所需的巨大运算量。经试验证明采用本方法的去噪效果稳定,所需的运算量适中。
附图说明:
图1是本发明的实施例框图。
具体实施方式:
如图1所示,本发明具体实现装置包括图像输入、中值预滤波、小波变换、阈值处理、小波逆变换和图像输出模块;主要方法步骤为:
(1)对获得的含噪图像进行中值预滤波;
(2)计算中值滤波后信号的正交小波变换,得到低分辨率L(0≤L<J)下的尺度系数,及各分辨率下的小波系数,J为最大分解尺度;
(3)对小波系数进行阈值处理,其中λ为小波系数阈值,即将含噪信号的小波系数与阈值系数λ进行比较,大于1.2λ的点收缩为该点与阈值的差值,小于-1.2λ收缩为该点值与阈值的和
(4)同时对小波系数在阈值λ附近的点(±20%范围内)进行空间尺度上的追溯,进一步判定该点是信号还是噪声。如是噪声,该小波系数收缩为零;如是信号,则对该系数不做操作。
(5)进行小波逆变换:由所有的低频尺度系数、高频尺度系数做逆小波变换,恢复出去噪后的原始图像。
Claims (1)
1、基于中值滤波的图像小波去噪方法,其特征在于由中值预滤波、小波变换、阈值处理、小波逆变换模块组成图像小波去噪装置,利用该装置进行的图像小波去噪方法包括如下步骤:
(1)对获得的含噪图像进行中值预滤波;
(2)计算中值滤波后信号的正交小波变换,得到低分辨率L(0≤L<J)下的尺度系数,及各分辨率下的小波系数,J为最大分解尺度;
(3)对小波系数进行阈值处理,其中λ为小波系数阈值,即将含噪信号的小波系数与阈值系数λ进行比较,大于1.2λ的点收缩为该点与阈值的差值,小于-1.2λ收缩为该点值与阈值的和;
(4)同时对小波系数在阈值λ附近即±20%范围内的点,进行空间尺度上的追溯,进一步判定该点是信号还是噪声;如是噪声,该小波系数收缩为零;如是信号,则对该系数不做操作;
(5)进行小波逆变换:由所有的低频尺度系数、高频尺度系数做逆小波变换,恢复出去噪后的原始图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100515572A CN101425176A (zh) | 2008-12-09 | 2008-12-09 | 一种基于中值滤波的图像小波去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100515572A CN101425176A (zh) | 2008-12-09 | 2008-12-09 | 一种基于中值滤波的图像小波去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101425176A true CN101425176A (zh) | 2009-05-06 |
Family
ID=40615771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008100515572A Pending CN101425176A (zh) | 2008-12-09 | 2008-12-09 | 一种基于中值滤波的图像小波去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101425176A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853496A (zh) * | 2010-06-10 | 2010-10-06 | 西北工业大学 | 一种基于目标尺度的混合图像滤波方法 |
CN101957984A (zh) * | 2010-08-30 | 2011-01-26 | 西安电子科技大学 | 基于非局部萎缩因子参数估计的图像去噪方法 |
CN102073994A (zh) * | 2010-12-31 | 2011-05-25 | 哈尔滨工业大学 | 基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法 |
CN102158637A (zh) * | 2011-04-01 | 2011-08-17 | 西安电子科技大学 | 基于Surfacelet变换域的空间自适应阈值视频去噪方法 |
CN102196155A (zh) * | 2011-04-01 | 2011-09-21 | 西安电子科技大学 | 基于Surfacelet变换的系数自适应收缩视频去噪方法 |
GB2482938A (en) * | 2010-08-19 | 2012-02-22 | Kenneth Stanley Jones | Video Image Median Pre-Filter Encoder |
CN102622597A (zh) * | 2011-01-29 | 2012-08-01 | 中国第一汽车集团公司 | 自适应正交中值混合滤波方法 |
CN104020136A (zh) * | 2014-06-25 | 2014-09-03 | 中国科学院重庆绿色智能技术研究院 | 小波中值近红外光谱去噪方法和装置 |
CN104878679A (zh) * | 2015-05-25 | 2015-09-02 | 上海翌森信息科技有限公司 | 一种车载车辙实时检测系统及检测方法 |
CN105046665A (zh) * | 2015-07-22 | 2015-11-11 | 哈尔滨工业大学深圳研究生院 | 一种针对高通量基因测序图像的小波去噪方法 |
CN105625123A (zh) * | 2015-12-04 | 2016-06-01 | 中国铁路总公司 | 一种无砟轨道ca砂浆层病害检测方法及装置 |
CN105701456A (zh) * | 2016-01-05 | 2016-06-22 | 北京理工大学 | 一种基于小波分析的角加速度计信号自适应去噪方法 |
CN105787900A (zh) * | 2016-03-14 | 2016-07-20 | 哈尔滨工程大学 | 一种基于小波图像分解的侧扫声纳电源周期性噪声的去噪方法 |
CN104182935B (zh) * | 2014-08-11 | 2017-02-15 | 同济大学 | 一种基于层次分析法选取小波基的图像去噪方法 |
CN108805893A (zh) * | 2018-06-06 | 2018-11-13 | 甘肃农业大学 | 苹果图像分割方法及装置 |
CN109551530A (zh) * | 2018-12-07 | 2019-04-02 | 宁波宝尼尔厨具电器有限公司 | 弯头式电动剃须刀 |
CN110322407A (zh) * | 2019-06-03 | 2019-10-11 | 辽宁师范大学 | 基于深度残差网络的图像椒盐噪声去除方法 |
-
2008
- 2008-12-09 CN CNA2008100515572A patent/CN101425176A/zh active Pending
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853496A (zh) * | 2010-06-10 | 2010-10-06 | 西北工业大学 | 一种基于目标尺度的混合图像滤波方法 |
GB2482938A (en) * | 2010-08-19 | 2012-02-22 | Kenneth Stanley Jones | Video Image Median Pre-Filter Encoder |
GB2482938B (en) * | 2010-08-19 | 2017-03-01 | Stanley Jones Kenneth | Video image median 'pre-filter' for digital TV and HDTV data compression |
CN101957984A (zh) * | 2010-08-30 | 2011-01-26 | 西安电子科技大学 | 基于非局部萎缩因子参数估计的图像去噪方法 |
CN101957984B (zh) * | 2010-08-30 | 2012-03-28 | 西安电子科技大学 | 基于非局部萎缩因子参数估计的图像去噪方法 |
CN102073994B (zh) * | 2010-12-31 | 2013-01-09 | 哈尔滨工业大学 | 基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法 |
CN102073994A (zh) * | 2010-12-31 | 2011-05-25 | 哈尔滨工业大学 | 基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法 |
CN102622597A (zh) * | 2011-01-29 | 2012-08-01 | 中国第一汽车集团公司 | 自适应正交中值混合滤波方法 |
CN102622597B (zh) * | 2011-01-29 | 2016-05-04 | 中国第一汽车集团公司 | 自适应正交中值混合滤波方法 |
CN102196155A (zh) * | 2011-04-01 | 2011-09-21 | 西安电子科技大学 | 基于Surfacelet变换的系数自适应收缩视频去噪方法 |
CN102158637B (zh) * | 2011-04-01 | 2012-12-05 | 西安电子科技大学 | 基于Surfacelet变换域的空间自适应阈值视频去噪方法 |
CN102158637A (zh) * | 2011-04-01 | 2011-08-17 | 西安电子科技大学 | 基于Surfacelet变换域的空间自适应阈值视频去噪方法 |
CN104020136B (zh) * | 2014-06-25 | 2016-08-31 | 中国科学院重庆绿色智能技术研究院 | 小波中值近红外光谱去噪方法和装置 |
CN104020136A (zh) * | 2014-06-25 | 2014-09-03 | 中国科学院重庆绿色智能技术研究院 | 小波中值近红外光谱去噪方法和装置 |
CN104182935B (zh) * | 2014-08-11 | 2017-02-15 | 同济大学 | 一种基于层次分析法选取小波基的图像去噪方法 |
CN104878679A (zh) * | 2015-05-25 | 2015-09-02 | 上海翌森信息科技有限公司 | 一种车载车辙实时检测系统及检测方法 |
CN104878679B (zh) * | 2015-05-25 | 2017-06-13 | 上海翌森信息科技有限公司 | 一种车载车辙实时检测系统及检测方法 |
CN105046665A (zh) * | 2015-07-22 | 2015-11-11 | 哈尔滨工业大学深圳研究生院 | 一种针对高通量基因测序图像的小波去噪方法 |
CN105046665B (zh) * | 2015-07-22 | 2018-04-24 | 哈尔滨工业大学深圳研究生院 | 一种针对高通量基因测序图像的小波去噪方法 |
CN105625123A (zh) * | 2015-12-04 | 2016-06-01 | 中国铁路总公司 | 一种无砟轨道ca砂浆层病害检测方法及装置 |
CN105625123B (zh) * | 2015-12-04 | 2018-04-13 | 中国铁路总公司 | 一种无砟轨道ca砂浆层病害检测方法及装置 |
CN105701456A (zh) * | 2016-01-05 | 2016-06-22 | 北京理工大学 | 一种基于小波分析的角加速度计信号自适应去噪方法 |
CN105787900A (zh) * | 2016-03-14 | 2016-07-20 | 哈尔滨工程大学 | 一种基于小波图像分解的侧扫声纳电源周期性噪声的去噪方法 |
CN108805893A (zh) * | 2018-06-06 | 2018-11-13 | 甘肃农业大学 | 苹果图像分割方法及装置 |
CN109551530A (zh) * | 2018-12-07 | 2019-04-02 | 宁波宝尼尔厨具电器有限公司 | 弯头式电动剃须刀 |
CN110322407A (zh) * | 2019-06-03 | 2019-10-11 | 辽宁师范大学 | 基于深度残差网络的图像椒盐噪声去除方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101425176A (zh) | 一种基于中值滤波的图像小波去噪方法 | |
CN103873743B (zh) | 一种基于结构张量和卡尔曼滤波的视频去噪方法 | |
CN101727662B (zh) | Sar图像非局部均值去斑方法 | |
CN101647215B (zh) | 用于信号处理系统中分析噪声的方法和装置 | |
CN104793253A (zh) | 基于数学形态学的航空电磁数据去噪方法 | |
CN103854264A (zh) | 一种基于改进型阈值函数的小波变换图像去噪方法 | |
CN101303764A (zh) | 基于非下采样轮廓波的多传感器图像自适应融合方法 | |
CN104698459B (zh) | 一种应用于缺失数据的条带sar压缩感知成像方法 | |
CN102663695A (zh) | 基于小波变换的dr图像去噪方法及系统 | |
US10090872B2 (en) | Method and apparatus for estimating a frequency domain representation of a signal | |
CN105974376A (zh) | 一种sar射频干扰抑制方法 | |
CN105785324A (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
CN102945548A (zh) | 一种基于方向金字塔滤波的图像处理方法及装置 | |
CN105913402B (zh) | 一种基于ds证据理论的多幅遥感图像融合去噪方法 | |
US20100027848A1 (en) | Structure-independent analysis of 3-D seismic random noise | |
CN101540039B (zh) | 单帧图象超分辨方法 | |
CN103606133A (zh) | 一种基于解析稀疏表示的图像去噪方法 | |
Jicheng et al. | Seismic data random noise reduction using a method based on improved complementary ensemble EMD and adaptive interval threshold | |
CN102750675A (zh) | 一种斑点噪声污染图像的非局部均值滤波方法 | |
CN104851079B (zh) | 基于噪声/模糊图像对的低照度车牌图像恢复方法 | |
CN110148149A (zh) | 基于局部对比度累积的水中航行器热尾迹分割方法 | |
CN106570889A (zh) | 一种检测红外视频中弱小目标的方法 | |
CN106054184A (zh) | 一种估计目标散射中心位置参数的方法 | |
CN103455986B (zh) | 基于分数阶微分梯度的随机噪声点检测方法 | |
Sun et al. | Bankline detection of GF-3 SAR images based on shearlet |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090506 |