CN102592262A - 基于小波变换的阈值化图像去噪方法 - Google Patents

基于小波变换的阈值化图像去噪方法 Download PDF

Info

Publication number
CN102592262A
CN102592262A CN2011100007717A CN201110000771A CN102592262A CN 102592262 A CN102592262 A CN 102592262A CN 2011100007717 A CN2011100007717 A CN 2011100007717A CN 201110000771 A CN201110000771 A CN 201110000771A CN 102592262 A CN102592262 A CN 102592262A
Authority
CN
China
Prior art keywords
wavelet
wavelet coefficient
threshold value
method based
wavelet transformation
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
Application number
CN2011100007717A
Other languages
English (en)
Inventor
刘柳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SUZHOU BAMMIT INFORMATION TECHNOLOGY Co Ltd
Original Assignee
SUZHOU BAMMIT INFORMATION TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SUZHOU BAMMIT INFORMATION TECHNOLOGY Co Ltd filed Critical SUZHOU BAMMIT INFORMATION TECHNOLOGY Co Ltd
Priority to CN2011100007717A priority Critical patent/CN102592262A/zh
Publication of CN102592262A publication Critical patent/CN102592262A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于小波变换的阈值化图像去噪方法，涉及小波、图像，特点是：首先根据信号和噪声的小波系数在不同尺度上具有不同性质的机理，将含噪信号进行多尺度小波变换，从时域变换到小波域，然后设定的一个合理的阈值，将绝对值小于阈值的小波系数置零，将绝对值大于阈值的小波系数进行收缩处理，最后将处理后获得的小波系数利用小波逆变换进行信号重构，恢复出有效的信号。采用本发明后，能够十分有效的把信号和噪声区别开来，并且的在剔除噪声的同时保护图像信息边缘，从而得到原图像的最佳恢复，具有很好的应用前景和极大的发展潜力。

Description

基于小波变换的阈值化图像去噪方法
技术领域
本发明涉及一种图像去噪方法，尤其涉及一种基于小波变换的阈值化图像去噪方法。
背景技术
图像是人类传递信息的重要媒介，然而图像在生成和传输的过程中会受到各种噪声的干扰，因此对图像进行去噪，提高图像的信噪比就显得尤为重要。传统的图像去噪方法在去除噪声的同时也会将图像的一些细节信息和重要意义的奇异点去除，存在一定的局限性，采用本发明后，能够利用小波变换的时频局部化性质和去相关性特点，十分有效的把信号和噪声区别开来，并且的在剔除噪声的同时保护图像信息边缘，从而得到原图像的最佳恢复。
发明内容
本发明的目的就是为了解决现有技术中存在的上述问题，提供一种基于小波变换的阈值化图像去噪方法。
本发明的目的通过以下的技术法案来实现：
基于小波变换的阈值化图像去噪方法，涉及小波、图像，其中：首先根据信号和噪声的小波系数在不同尺度上具有不同性质的机理，将含噪信号进行多尺度小波变换，从时域变换到小波域，然后设定的一个合理的阈值，将绝对值小于阈值的小波系数置零，将绝对值大于阈值的小波系数进行收缩处理，最后将处理后获得的小波系数利用小波逆变换进行信号重构，恢复出有效的信号。
上述基于小波变换的阈值化图像去噪方法，其中：所述的小波变换具有时频局部化性质和去相关性特点。
进一步地，基于小波变换的阈值化图像去噪方法，其中：所述的小波变换是把某一基本小波(也叫母小波)的函数做位移后，再在不同尺度下与待分析的图像做内积。
更进一步地，基于小波变换的阈值化图像去噪方法，其中：用自适应阈值法算出一个合适的阈值。
更进一步地，基于小波变换的阈值化图像去噪方法，其中：用软阈值方法将绝对值小于阈值的小波系数置零，将绝对值大于阈值的小波系数与阈值缩减。
更进一步地，基于小波变换的阈值化图像去噪方法，其中：所述的绝对值小于阈值的小波系数为噪声小波系数，绝对值大于阈值的小波系数为信号小波系数。
再进一步地，基于小波变换的阈值化图像去噪方法，其中：所述的噪声小波系数幅值较小、数目较多，而信号小波系数幅值较大、数目较少。
本发明技术方案突出的实质性特点和显著的进步体现在：：采用本发明后，能够十分有效的把信号和噪声区别开来，并且的在剔除噪声的同时保护图像信息边缘，从而得到原图像的最佳恢复，同时，实现简单，计算较小，具有很好的应用前景和极大的发展潜力。
本发明的目的、优点和特点将通过以下的实施例来说明。这些实施例仅是应用本发明的技术方案的典型范例，凡采取等同替换或者等效变换而形成的技术方案，均落在本发明的保护范围之内。
具体实施方式
基于小波变换的阈值化图像去噪方法，涉及图像，其特别之处在于：
首先，根据信号和噪声的小波系数在不同尺度上具有不同性质的机理，将含噪信号进行多尺度小波变换。小波变换是一个时间和频率的局域变换，能有效的从信号中提取信息，通过伸缩和平移等运算功能将信号进行多尺度细化分析，将信号从时域变换到小波域，在小波域上，一部分小波系数是由噪声小波变换后得到，这部分小波系数幅值较小，数目较多；另一部分小波系数是由信号小波变换后得到，这部分小波系数幅值较大，数目较少。
然后，在众多的小波系数中利用自适应阈值法设定的一个合适的阈值，绝对值小于阈值的小波系数被认为是噪声小波系数，将其置零，绝对值大于阈值的小波系数被认为是信号小波系数，将其进行收缩处理。
最后，将处理后获得的小波系数利用小波逆变换进行信号重构，恢复出有效的信号。
通过上述的文字描述可以看出，采用本发明后，能够能够利用小波变换的时频局部化性质和去相关性特点，十分有效的把信号和噪声区别开来，并且的在剔除噪声的同时保护图像信息边缘，从而得到原图像的最佳恢复，同时，实现简单，计算较小，具有很好的应用前景和极大的发展潜力。

Claims (7)

1.基于小波变换的阈值化图像去噪方法，涉及小波变换，其特征在于：首先根据信号和噪声的小波系数在不同尺度上具有不同性质的机理，将含噪信号进行多尺度小波变换，从时域变换到小波域，然后设定的一个合理的阈值，将绝对值小于阈值的小波系数置零，将绝对值大于阈值的小波系数进行收缩处理，最后将处理后获得的小波系数利用小波逆变换进行信号重构，恢复出有效的信号。
2.根据权利要求1所述的基于小波变换的阈值化图像去噪方法，其特征在于：所述的小波变换具有时频局部化性质和去相关性特点。
3.根据权利要求1所述的基于小波变换的阈值化图像去噪方法，其特征在于：小波变换是把某一基本小波(也叫母小波)的函数做位移后，再在不同尺度下与待分析的图像做内积。
4.根据权利要求1所述的基于小波变换的阈值化图像去噪方法，其特征在于：用自适应阈值法算出一个合适的阈值。
5.根据权利要求1所述的基于小波变换的阈值化图像去噪方法，其特征在于：用软阈值方法将绝对值小于阈值的小波系数置零，将绝对值大于阈值的小波系数与阈值缩减。
6.根据权利要求5所述的基于小波变换的阈值化图像去噪方法，其特征在于：绝对值小于阈值的小波系数为噪声小波系数，绝对值大于阈值的小波系数为信号小波系数。
7.根据权利要求6所述的基于小波变换的阈值化图像去噪方法，其特征在于：噪声小波系数幅值较小、数目较多，而信号小波系数幅值较大、数目较少。
CN2011100007717A 2011-01-05 2011-01-05 基于小波变换的阈值化图像去噪方法 Pending CN102592262A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011100007717A CN102592262A (zh) 2011-01-05 2011-01-05 基于小波变换的阈值化图像去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011100007717A CN102592262A (zh) 2011-01-05 2011-01-05 基于小波变换的阈值化图像去噪方法

Publications (1)

Publication Number Publication Date
CN102592262A true CN102592262A (zh) 2012-07-18

Family

ID=46480856

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011100007717A Pending CN102592262A (zh) 2011-01-05 2011-01-05 基于小波变换的阈值化图像去噪方法

Country Status (1)

Country Link
CN (1) CN102592262A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761719A (zh) * 2014-01-06 2014-04-30 暨南大学 一种基于邻域相关性的自适应小波阈值去噪方法
CN104751415A (zh) * 2013-12-31 2015-07-01 展讯通信（上海）有限公司 一种图像去噪和增强的方法、装置及图像处理系统
CN105184752A (zh) * 2015-09-23 2015-12-23 成都融创智谷科技有限公司 一种基于小波变换的图像处理方法
CN106236075A (zh) * 2016-08-30 2016-12-21 任勇 一种应用于便携式心电仪所测心电图的降噪方法
CN109522865A (zh) * 2018-11-29 2019-03-26 辽宁工业大学 一种基于深度神经网络的特征加权融合人脸识别方法
CN109903545A (zh) * 2019-03-27 2019-06-18 湖北医药学院 一种车联网数据传输的方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005032122A1 (en) * 2003-09-29 2005-04-07 Samsung Electronics Co., Ltd. Denoising method and apparatus
CN101739665A (zh) * 2009-11-23 2010-06-16 深圳市安健科技有限公司 实现小波在dr图像处理中去噪的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005032122A1 (en) * 2003-09-29 2005-04-07 Samsung Electronics Co., Ltd. Denoising method and apparatus
CN101739665A (zh) * 2009-11-23 2010-06-16 深圳市安健科技有限公司 实现小波在dr图像处理中去噪的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘涛: "小波变换技术概述", 《中国新技术新产品》 *
艾泽潭等: "小波变换在图像去噪中的应用", 《科技导报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751415A (zh) * 2013-12-31 2015-07-01 展讯通信（上海）有限公司 一种图像去噪和增强的方法、装置及图像处理系统
CN104751415B (zh) * 2013-12-31 2017-12-26 展讯通信（上海）有限公司 一种图像去噪和增强的方法、装置及图像处理系统
CN103761719A (zh) * 2014-01-06 2014-04-30 暨南大学 一种基于邻域相关性的自适应小波阈值去噪方法
CN103761719B (zh) * 2014-01-06 2017-01-04 暨南大学 一种基于邻域相关性的自适应小波阈值去噪方法
CN105184752A (zh) * 2015-09-23 2015-12-23 成都融创智谷科技有限公司 一种基于小波变换的图像处理方法
CN106236075A (zh) * 2016-08-30 2016-12-21 任勇 一种应用于便携式心电仪所测心电图的降噪方法
CN106236075B (zh) * 2016-08-30 2018-11-27 任勇 一种应用于便携式心电仪所测心电图的降噪方法
CN109522865A (zh) * 2018-11-29 2019-03-26 辽宁工业大学 一种基于深度神经网络的特征加权融合人脸识别方法
CN109903545A (zh) * 2019-03-27 2019-06-18 湖北医药学院 一种车联网数据传输的方法及系统

Similar Documents

Publication Publication Date Title
CN102592262A (zh) 基于小波变换的阈值化图像去噪方法
CN102663695B (zh) 基于小波变换的dr图像去噪方法及系统
Peyré et al. Group sparsity with overlapping partition functions
CN109557429A (zh) 基于改进小波阈值去噪的gis局部放电故障检测方法
CN101944230A (zh) 基于多尺度的自然图像非局部均值去噪方法
CN104182941A (zh) 高光谱图像条带噪声去噪方法
CN110136086A (zh) 基于bemd的区间阈值图像去噪方法
Ding Wavelets, curvelets and wave atoms for image denoising
CN103310423B (zh) 一种矿井图像增强方法
CN105069762A (zh) 基于Shearlet变换和非线性扩散的图像去噪方法
Kaur et al. A survey on implementation of discrete wavelet transform for image denoising
CN104462800B (zh) 一种基于小波框架的信号降噪方法
CN109523487A (zh) 一种基于Hankel矩阵算法的红外图像去噪方法
CN106024006A (zh) 基于小波变换的鲸类叫声信号去噪方法和装置
CN103854258A (zh) 一种基于Contourlet变换自适应方向阈值的图像去噪方法
Zhao et al. An improved Roberts edge detection algorithm based on mean filter and wavelet denoising
Vishwakarma et al. De-noising of Audio Signal using Heavy Tailed Distribution and comparison of wavelets and thresholding techniques
Yinping et al. Adaptive threshold based on wavelet transform fingerprint image denoising
CN107563982A (zh) 一种遥感图像增强方法
CN103049887B (zh) 基于模糊支持向量机的Curvelet变换域图像去噪方法
Yang et al. A new algorithm of image denoising based on stationary wavelet multi-scale adaptive threshold
Fu et al. A fusion edge detection method based on wavelet transform and differential
WANG et al. An improved wavelet threshold function and its application in image edge detection
Li et al. An algorithm for remote sensing image denoising based on the combination of the improved BiShrink and DTCWT
Zhao et al. Image denoising based on Gaussian and non-Gaussian assumption

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
DD01 Delivery of document by public notice

Addressee: Suzhou Bammit Information Technology Co., Ltd.

Document name: the First Notification of an Office Action

C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120718