CN103886558A - 基于LoG算子改进的自适应阈值小波去噪算法 - Google Patents
基于LoG算子改进的自适应阈值小波去噪算法 Download PDFInfo
- Publication number
- CN103886558A CN103886558A CN201410129956.1A CN201410129956A CN103886558A CN 103886558 A CN103886558 A CN 103886558A CN 201410129956 A CN201410129956 A CN 201410129956A CN 103886558 A CN103886558 A CN 103886558A
- Authority
- CN
- China
- Prior art keywords
- image
- threshold
- marginal portion
- improved
- wavelet
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种改进的阈值去噪算法,针对去噪过程中图像边缘部分和非边缘部分去噪效果较差的问题,提出一种基于LoG算子改进的自适应阈值去噪算法。其步骤是:第一步采用LoG算子提取图像的边缘轮廓信息;第二步对图像非边缘部分去噪,在软阈值函数的基础上添加一个阈值修正系数构建新的阈值函数;第三步对图像边缘部分去噪,将小波系数附近的能量和阈值相结合,构建新的阈值函数;第四步对图像R、G、B三个通道分别处理,保留图像所有的细节信息。实验结果表明,该算法有效保存了图像的边缘信息,且综合去噪效果明显提高。
Description
技术领域
本发明涉及一种去噪算法,特别是一种基于LoG算子改进的自适应阈值小波去噪算法。
背景技术
随着科学技术的进步,以及各种数码产品和电子设备的日益普及,人们习惯于通过图像或者视频的形式获取事物的信息,但图像传输过程中会受到各种噪声干扰,导致图像质量降低。因此,在图像的传输过程中,要对其进行降噪处理。
目前,常用的小波去噪算法有硬阈值算法、软阈值算法、传统的小波阈值去噪以及各个文献提出的基于边缘的阈值算法,但是,这些算法在处理图像时,效果并不尽如人意。例如硬阈值算法,在去噪过程中,虽然能够保留图像细节信息,但是大部分噪声也被保留下来;软阈值算法处理过的图像,图像的边缘信息过于模糊,轮廓不够清晰;传统的小波阈值去噪算法,由于对整幅图像采用相同的阈值,这就导致了边缘部分的细节信息大量丢失,导致图像模糊;各个文献提出的基于边缘的阈值算法在传统的小波阈值算法基础上做了改进,但是因为阈值函数选取不恰当,去噪效果依然较差。人眼视觉系统理论显示,人眼对于边缘等细节信息较敏感,因此边缘信息的丢失会导致图像视觉质量降低。综上所述,如何消除图像边缘部分的噪声就变得非常重要,直接影响整幅图像去噪效果的优劣。
针对以上问题,我们提出了改进的阈值函数,对于图像的非边缘部分,在软阈值函数的基础上加以改进;对于图像的边缘部分,将图像边缘部分的能量考虑进来,与相应的小波系数相结合,构建新的阈值函数,这样,不仅能消除掉图像的噪声,还能够清晰的保留边缘部分的轮廓,去噪效果大大提高。
发明内容
本发明的目的在于提供一种克服现有阈值去噪算法的不足,提出了一种能够有效保存图像边缘信息,且去噪效果明显提高的基于LoG算子改进的自适应阈值小波去噪算法。
为实现上述目的,本发明的技术方案是:一种基于LoG算子改进的自适应阈值小波去噪算法,包括如下步骤,
步骤S01:采用LoG算子提取含噪图像的边缘轮廓信息:即先对含噪图像进行平滑处理,在采用拉普拉斯算子进行边缘检测,得到边缘图像;具体公式如下,
步骤S02:分离步骤S01得到的边缘图像的边缘部分和非边缘部分;
步骤S03:利用非边缘部分改进的阈值函数以及边缘部分改进的阈值函数,分别处理图像的非边缘部分和边缘部分;
非边缘部分改进后的阈值函数公式如下:
边缘部分改进后的阈值函数公式如下:
步骤S04:将步骤S03处理后的非边缘部分和边缘部分的小波系数各自对应相加,通过小波反变换得到整体的去噪后图像;
步骤S05:对上述步骤S04得到的图像的R、G、B三个通道分别进行上述四个步骤的处理,以保留图像的所有细节信息,得到最终图像。
相较于现有技术,本发明具有以下有益效果:
1、本发明分别用改进的阈值函数处理图像的边缘和非边缘两个部分;对于图像非边缘部分,在软阈值函数的基础上加以改进:对大于阈值的小波系数,提出的改进阈值函数对阈值增加了一个阈值误差修正系数,利用其与修正阈值之间的差值对其进行误差修正,以减少失真,小于阈值的小波系数直接为0,去噪效果明显,且保留了图像的细节信息;
2、对于图像边缘部分,考虑小波系数附近的能量,比较其与修正阈值的关系,大于修正阈值的能量,直接求取小波系数附近能量与收缩阈值差的绝对值,再求取与1的差值,然后与小波系数相乘得到新的小波系数;小于修正阈值的小波系数直接为0,有效保存了图像的边缘信息。
附图说明
图1为本发明方法的处理流程图。
图2为传统的自适应阈值小波去噪算法框架。
图3为未加噪的原始图像。
图4为局部加噪图像。
图5为图像非边缘部分经改进的阈值函数处理结果图。
图6为图像边缘部分经改进的阈值函数处理结果图。
图7为整体图像的去噪效果图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
如图1所示,本发明一种基于LoG算子改进的自适应阈值小波去噪算法,包括如下步骤,
步骤S01:采用LoG算子提取含噪图像的边缘轮廓信息:即先对含噪图像进行平滑处理,在采用拉普拉斯算子进行边缘检测,得到边缘图像;具体公式如下,
步骤S02:分离步骤S01得到的边缘图像的边缘部分和非边缘部分;
步骤S03:利用非边缘部分改进的阈值函数以及边缘部分改进的阈值函数,分别处理图像的非边缘部分和边缘部分;
非边缘部分改进后的阈值函数公式如下:
边缘部分改进后的阈值函数公式如下:
步骤S04:将步骤S03处理后的非边缘部分和边缘部分的小波系数各自对应相加,通过小波反变换得到整体的去噪后图像;
步骤S05:对上述步骤S04得到的图像的R、G、B三个通道分别进行上述四个步骤的处理,以保留图像的所有细节信息,得到最终图像。
为更好讲述本发明方法,以下为本发明的具体实施例。
图3为未加噪的原始图像。
图2为传统的自适应阈值小波去噪算法框架图,图1为采用本发明基于LoG算子改进的自适应阈值小波去噪算法对加噪图像(如图4所示,为局部加噪图像)进行处理的流程图,其实现过程如下,
步骤1:首先对含噪图像进行平滑处理,然后再采用拉普拉斯算子进行边缘检测,得到边缘图像,公式如下:
步骤2:求取非边缘部分改进的阈值函数,并处理图像非边缘部分,如图5所示为图像非边缘部分经改进的阈值函数处理结果图:
对于图像非边缘部分,在软阈值函数的基础上加以改进:对大于阈值的小波系数,提出的改进阈值函数对阈值增加了一个阈值误差修正系数,利用其与修正阈值之间的差值对其进行误差修正,以减少失真;小于阈值的小波系数直接为0,
非边缘部分改进后的阈值函数公式如下:
式中:
j、k—图像坐标
S--阈值误差修正系数,
W j,k --含噪图像经小波变换后得到的小波系数,
步骤3:求取边缘部分改进的阈值函数,并处理图像边缘部分,如图6所示为边缘部分经改进阈值函数处理结果图:
对于图像边缘部分,考虑小波系数附近的能量,比较其与修正阈值的关系,大于修正阈值的能量,直接求取小波系数附近能量与收缩阈值差的绝对值,再求取与1的差值,然后与小波系数相乘得到新的小波系数;小于修正阈值的小波系数直接为0,
边缘部分改进后的阈值函数公式如下:
式中:
a--控制小波系数收缩程度,
E j,k --小波系数附近的能量。
步骤4:将步骤2、步骤3得到的两幅图像的小波系数各自对应相加,通过小波反变换得到整体的去噪后图像,如图7所示为整体图像的去噪效果图。
步骤5:利用步骤1、步骤2、步骤3分别对图像R、G、B三个通道处理,得到最终图像。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (1)
1.一种基于LoG算子改进的自适应阈值小波去噪算法,其特征在于:包括如下步骤,
步骤S01:采用LoG算子提取含噪图像的边缘轮廓信息:即先对含噪图像进行平滑处理,在采用拉普拉斯算子进行边缘检测,得到边缘图像;具体公式如下,
步骤S02:分离步骤S01得到的边缘图像的边缘部分和非边缘部分;
步骤S03:利用非边缘部分改进的阈值函数以及边缘部分改进的阈值函数,分别处理图像的非边缘部分和边缘部分;
非边缘部分改进后的阈值函数公式如下:
边缘部分改进后的阈值函数公式如下:
其中:j、k为图像的坐标,S为阈值误差修正系数,W j,k 为含噪图像经小波变换后得到的小波系数,λ为阈值,a为控制小波系数收缩程度,E j,k 为小波系数附近的能量;
步骤S04:将步骤S03处理后的非边缘部分和边缘部分的小波系数各自对应相加,通过小波反变换得到整体的去噪后图像;
步骤S05:对上述步骤S04得到的图像的R、G、B三个通道分别进行上述四个步骤的处理,以保留图像的所有细节信息,得到最终图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410129956.1A CN103886558B (zh) | 2014-04-02 | 2014-04-02 | 基于LoG算子改进的自适应阈值小波去噪算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410129956.1A CN103886558B (zh) | 2014-04-02 | 2014-04-02 | 基于LoG算子改进的自适应阈值小波去噪算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103886558A true CN103886558A (zh) | 2014-06-25 |
CN103886558B CN103886558B (zh) | 2017-01-18 |
Family
ID=50955433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410129956.1A Active CN103886558B (zh) | 2014-04-02 | 2014-04-02 | 基于LoG算子改进的自适应阈值小波去噪算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886558B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657942A (zh) * | 2014-12-08 | 2015-05-27 | 浙江工业大学 | 基于改进阈值的小波变换和引导滤波器的医学超声图像去噪方法 |
CN107169982A (zh) * | 2017-05-17 | 2017-09-15 | 重庆邮电大学 | 一种量子LoG边缘检测方法 |
CN109242799A (zh) * | 2018-09-19 | 2019-01-18 | 安徽理工大学 | 一种变阈值的小波去噪方法 |
CN109239554A (zh) * | 2018-09-28 | 2019-01-18 | 山东康威通信技术股份有限公司 | 一种电力电缆局部放电信号去噪及有效信号提取方法及系统 |
CN109684926A (zh) * | 2018-11-21 | 2019-04-26 | 佛山市第一人民医院(中山大学附属佛山医院) | 一种非接触式静脉图像采集方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100416496B1 (ko) * | 1997-04-24 | 2004-04-14 | 삼성전자주식회사 | 다중 역치값을 이용한 이치화 방법 |
CN102184451B (zh) * | 2011-03-24 | 2014-04-02 | 杭州电子科技大学 | 一种基于多小波融合特征的神经元动作特征提取方法 |
-
2014
- 2014-04-02 CN CN201410129956.1A patent/CN103886558B/zh active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657942A (zh) * | 2014-12-08 | 2015-05-27 | 浙江工业大学 | 基于改进阈值的小波变换和引导滤波器的医学超声图像去噪方法 |
CN107169982A (zh) * | 2017-05-17 | 2017-09-15 | 重庆邮电大学 | 一种量子LoG边缘检测方法 |
CN109242799A (zh) * | 2018-09-19 | 2019-01-18 | 安徽理工大学 | 一种变阈值的小波去噪方法 |
CN109242799B (zh) * | 2018-09-19 | 2021-10-12 | 安徽理工大学 | 一种变阈值的小波去噪方法 |
CN109239554A (zh) * | 2018-09-28 | 2019-01-18 | 山东康威通信技术股份有限公司 | 一种电力电缆局部放电信号去噪及有效信号提取方法及系统 |
CN109684926A (zh) * | 2018-11-21 | 2019-04-26 | 佛山市第一人民医院(中山大学附属佛山医院) | 一种非接触式静脉图像采集方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103886558B (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
EP2852152B1 (en) | Image processing method, apparatus and shooting terminal | |
KR102104403B1 (ko) | 단일영상 내의 안개 제거 방법 및 장치 | |
CN106251318B (zh) | 一种序列图像的去噪装置及方法 | |
Pang et al. | Improved single image dehazing using guided filter | |
CN103886558A (zh) | 基于LoG算子改进的自适应阈值小波去噪算法 | |
CN106846276B (zh) | 一种图像增强方法及装置 | |
CN109003233B (zh) | 一种基于自适应权重全变分模型的图像去噪方法 | |
CN107016654A (zh) | 一种基于引导图像滤波的自适应红外图像细节增强方法 | |
CN108961172B (zh) | 一种基于Gamma校正的图像对比度增强方法 | |
Xu et al. | A new approach for very dark video denoising and enhancement | |
CN106570843A (zh) | 一种自适应小波阈值函数图像噪声抑制方法 | |
CN104835127B (zh) | 一种自适应平滑滤波方法 | |
CN113793278B (zh) | 一种基于Laplace算子选择性增强的遥感影像去噪方法 | |
CN109919855A (zh) | 一种基于多帧影像的快速保边去噪方法 | |
CN109064413B (zh) | 图像对比度增强方法及采用其的图像采集医疗设备 | |
CN107392869B (zh) | 一种基于边缘保持滤波器的人脸图像滤波方法 | |
CN113610734B (zh) | 基于导向滤波的图像边缘处理方法及应用 | |
Tan | Image enhancement based on adaptive median filter and Wallis filter | |
CN113096014B (zh) | 视频超分处理方法、电子设备及存储介质 | |
CN114519675A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
Liu et al. | Infrared ship target image smoothing based on adaptive mean shift | |
CN108428217B (zh) | 一种基于频域视觉感知估算的图像去雾方法 | |
CN113487505A (zh) | 一种基于噪声识别的红外图像混合降噪方法 | |
CN109191391B (zh) | 一种衰减参数自适应非局部均值的图像降噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |