CN104200440A - 一种基于多尺度小波变换的斑点图像处理算法 - Google Patents
一种基于多尺度小波变换的斑点图像处理算法 Download PDFInfo
- Publication number
- CN104200440A CN104200440A CN201410467888.XA CN201410467888A CN104200440A CN 104200440 A CN104200440 A CN 104200440A CN 201410467888 A CN201410467888 A CN 201410467888A CN 104200440 A CN104200440 A CN 104200440A
- Authority
- CN
- China
- Prior art keywords
- image
- transformation
- wavelet
- processing algorithm
- image processing
- 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
本发明的一种基于多尺度小波变换的斑点图像处理算法，包括以下步骤：1、对原始图像进行对数变换，将图像乘性噪声转换成加性噪声；2、对对数变换后的图像进行多尺度小波分解；3、选取阈值，对小波系数进行阈值处理；4、对小波系数进行重构；5、进行指数运算，得到去噪后的图像。基于多尺度小波变换的斑点图像处理算法与传统的空域滤波去噪方法进行对比，小波阈值去噪方法具有更好的视觉效果，取得更好的去噪效果，同时还能有效的保留图像的边缘信息。
Description
技术领域
本发明涉及一种斑点图像的处理算法，特别涉及一种基于多尺度小波变换的斑点图像处理算法。
背景技术
图像在人类接受和互通的信息中扮演着重要的角色。人们在日常的生活与生产实践中依赖图像信息的状况比比皆是。然而在对图像进行数字处理时，往往会遇到所检测的目标图像像素值低、图像噪声大和灰度级别起伏大等困难。一般的数字图像处理方法可以分为传统空间域法和变换域法。空间域法又可分为点目标处理法和领域处理法。点目标的检测算法包括自适应背景预测的检测方法和中值滤波检测方法，这类算法的数学运算简单，易于实现，他们主要依赖背景灰度值的变换。
合成孔径雷达图像中的乘性噪声为斑点噪声，雷达图像是由系统发射出的电磁波扫描目标后反射回来后生成的，因为电磁波具有相干性，因此图像中会有一些相干噪声，表现为图像中的斑点。合成孔径雷达图像中的斑点虽然能提供一些信息，但它主要表现为干扰合成孔径雷达的应用，因此一般作为噪声处理。目前处理斑点噪声的方法可分为两种：一种方法是在系统成像前采用多视平滑预处理。它的原理是对合成孔径的多普勒带宽进行分割，分割后的孔径分别成像，减小电磁波发生相干可能性，再进行平均处理。这种方法虽然能有效减小噪声，但会使像元空间的分辨率降低；另一种方法为成像后的处理，主要是对斑点噪声滤波处理。这种方法能在去除斑点噪声的同时还能保留图像的边缘细节信息。
近些年来，很多学者开始研究小波变换对斑点图像的处理方法。最开始的研究为直接利用小波将图像分解在多个尺度下，一般认为斑点噪声都是有小尺度部分分量所引起的，因此只要去掉小尺度成分就可以达到去除斑点噪声的效果，然后重建去噪图像。现在，人们主要研究的是合成孔径雷达图像中的斑点噪声对小波系数影响，根据在多尺度小波变换下斑点噪声的小波系数和信号的小波系数的不同，达到去噪的目的。对于合成孔径雷达图像，小波变换表现出良好的时频特性，因此在去除斑点噪声的同时能够一定程度上保持边缘。
发明内容
本发明的目的是提供一种基于多尺度小波变换的斑点图像处理算法，从而保证在去除斑点噪声的同时能够一定程度上保持合成图像的边缘。
本发明的目的是这样实现的：
一种基于多尺度小波变换的斑点图像处理算法，包括以下步骤：
1、对原始图像进行对数变换，将图像乘性噪声转换成加性噪声；
2、对对数变换后的图像进行多尺度小波分解；
3、选取阈值，对小波系数进行阈值处理；
4、对小波系数进行重构；
5、进行指数运算，得到去噪后的图像；
所述的小波变换斑点图像处理算法，步骤3中阈值的选取方法是：
（1）
式（1）中，为噪声的方差，为对数变换后的小波系数的标准差。经过人们的实验发现，一般的自然图像里面的小波系数的概率密度分布函数的值范围一般为0.5到1之间，实验发现在这范围内高斯分布对应的最优阈值相差都很小，一般在附近，因此可以认为就为最佳阈值。
本发明的有益效果：
（1）本发明采用小波变换对图像进行处理，使得信号变换后熵降低，可以非常好的刻画信号的非平稳特性，如边缘、尖峰和断电等，以便于特征提取和保护。
（2）本发明采用小波变换使得在小波域比在时域更利于去噪，可以针对不同应用不同需求选用不同的小波函数，以获得最佳的去噪效果。
（3）基于多尺度小波变换的斑点图像处理算法与传统的空域滤波去噪方法进行对比，小波阈值去噪方法具有更好的视觉效果，取得更好的去噪效果，同时还能有效的保留图像的边缘信息。
附图说明
图1为一种基于多尺度小波变换的斑点图像处理算法流程图；
图2为雷达图像几何原理图。
具体实施方式
下面结合附图举例对本发明做更详细地描述：
结合图1，图1为一种基于多尺度小波变换的斑点图像处理算法流程图。一种基于多尺度小波变换的斑点图像处理算法，包括以下步骤：
1、对原始图像进行对数变换，将图像乘性噪声转换成加性噪声；
2、对对数变换后的图像进行多尺度小波分解；
3、选取阈值，对小波系数进行阈值处理；
4、对小波系数进行重构；
5、进行指数运算，得到去噪后的图像。
所述的小波变换斑点图像处理算法，步骤3中阈值的选取方法是：
（1），
式（1）中，为噪声的方差，为对数变换后的小波系数的标准差。经过人们的实验发现，一般的自然图像里面的小波系数的概率密度分布函数的值范围一般为0.5到1之间，实验发现在这范围内高斯分布对应的最优阈值相差都很小，一般在附近，因此可以认为就为最佳阈值。
结合图2，图2为雷达图像几何原理图。合成孔径雷达是利用高分辨率相干成像的。高分辨率在于高的方位向分辨率和高的距离向分辨率，如图2所示。它是采用以多普勒频移理论为基础的合成孔径技术来提高方位向分辨率，通过脉冲压缩技术来提高距离向的分辨率。距离向的分辨率与雷达发射的脉冲信号长度有关。信号脉冲长度越短，距离分辨率越高。但脉冲信号如果太弱，会很难被接受记录下来。
任何高品质图像都需求高分辨率。对合成孔径雷达图像来说，照射到每个目标单元上电磁波的能量不同，反射回来的电磁波所携带的信号也相同，导致得到图像的质量不一样。当合成孔径雷达的分辨率足够高，目标单元足够大时，就能得到SAR图像。
Claims (2)
1.一种基于多尺度小波变换的斑点图像处理算法，其特征在于：该算法包括以下步骤：
1、对原始图像进行对数变换，将图像乘性噪声转换成加性噪声；
2、对对数变换后的图像进行多尺度小波分解；
3、选取阈值，对小波系数进行阈值处理；
4、对小波系数进行重构；
5、进行指数运算，得到去噪后的图像。
2.根据权利要求1所述的一种基于多尺度小波变换的斑点图像处理算法，其特征在于：所述的小波变换斑点图像处理算法，步骤3中阈值的选取方法是：
所述的小波变换斑点图像处理算法，步骤3中阈值的选取方法是：
，为噪声的方差，为对数变换后的小波系数的标准差，经过人们的实验发现，一般的自然图像里面的小波系数的概率密度分布函数的值范围一般为0.5到1之间，实验发现在这范围内高斯分布对应的最优阈值相差都很小，一般在附近，因此可以认为就为最佳阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410467888.XA CN104200440A (zh) | 2014-09-16 | 2014-09-16 | 一种基于多尺度小波变换的斑点图像处理算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410467888.XA CN104200440A (zh) | 2014-09-16 | 2014-09-16 | 一种基于多尺度小波变换的斑点图像处理算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104200440A true CN104200440A (zh) | 2014-12-10 |
Family
ID=52085726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410467888.XA Pending CN104200440A (zh) | 2014-09-16 | 2014-09-16 | 一种基于多尺度小波变换的斑点图像处理算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104200440A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875702A (zh) * | 2018-07-13 | 2018-11-23 | 北京邮电大学 | 一种降噪方法、装置、电子设备及可读存储介质 |
| CN108918927A (zh) * | 2018-08-24 | 2018-11-30 | 广东石油化工学院 | 一种能量分解中功率信号滤波方法及系统 |
| CN111308281A (zh) * | 2019-12-12 | 2020-06-19 | 云南电网有限责任公司临沧供电局 | 一种局部放电脉冲提取方法 |
| CN113592725A (zh) * | 2021-06-29 | 2021-11-02 | 南京诺源医疗器械有限公司 | 一种医疗光学成像噪声消除方法 |
| CN114355348A (zh) * | 2022-01-10 | 2022-04-15 | 交通运输部路网监测与应急处置中心 | Sar干涉图小波降噪处理方法及其处理装置 |
| CN116452439A (zh) * | 2023-03-29 | 2023-07-18 | 中国工程物理研究院计算机应用研究所 | 一种针对激光雷达点云强度图像的降噪方法及装置 |
-
2014
- 2014-09-16 CN CN201410467888.XA patent/CN104200440A/zh active Pending
Non-Patent Citations (2)
| Title |
|---|
| 万晟聪等: "基于自适应小波阈值的SAR图像降噪", 《信号处理》 * |
| 邓炜等: "基于小波变换的SAR图像相干斑噪声消除方法研究", 《信号处理》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875702A (zh) * | 2018-07-13 | 2018-11-23 | 北京邮电大学 | 一种降噪方法、装置、电子设备及可读存储介质 |
| CN108918927A (zh) * | 2018-08-24 | 2018-11-30 | 广东石油化工学院 | 一种能量分解中功率信号滤波方法及系统 |
| CN111308281A (zh) * | 2019-12-12 | 2020-06-19 | 云南电网有限责任公司临沧供电局 | 一种局部放电脉冲提取方法 |
| CN113592725A (zh) * | 2021-06-29 | 2021-11-02 | 南京诺源医疗器械有限公司 | 一种医疗光学成像噪声消除方法 |
| CN114355348A (zh) * | 2022-01-10 | 2022-04-15 | 交通运输部路网监测与应急处置中心 | Sar干涉图小波降噪处理方法及其处理装置 |
| CN116452439A (zh) * | 2023-03-29 | 2023-07-18 | 中国工程物理研究院计算机应用研究所 | 一种针对激光雷达点云强度图像的降噪方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104200440A (zh) | 一种基于多尺度小波变换的斑点图像处理算法 | |
| CN101482617B (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
| CN103077508B (zh) | 基于变换域非局部和最小均方误差的sar图像去噪方法 | |
| CN104103041B (zh) | 超声图像混合噪声自适应抑制方法 | |
| CN101739671A (zh) | 一种含噪图像的降噪处理方法及系统 | |
| CN102800056A (zh) | 双树复小波域的邻域自适应贝叶斯收缩图像去噪方法 | |
| CN112802020B (zh) | 基于图像修补和背景估计的红外弱小目标检测方法 | |
| CN102509269A (zh) | 一种结合曲线波的基于图像子块相似性的图像去噪方法 | |
| CN101980286A (zh) | 结合双树复小波与双变量模型的sar图像降斑方法 | |
| CN103295204A (zh) | 一种基于非下采样轮廓波变换的图像自适应增强方法 | |
| CN104182941A (zh) | 高光谱图像条带噪声去噪方法 | |
| CN102306381A (zh) | 基于Beamlet与小波变换的图像融合方法 | |
| Shen et al. | Local thresholding with adaptive window shrinkage in the contourlet domain for image denoising | |
| CN103426145A (zh) | 一种基于多分辨分析的合成孔径声纳相干斑噪声抑制方法 | |
| Zhang et al. | A reverberation noise suppression method of sonar image based on shearlet transform | |
| CN101908206B (zh) | 一种基于mca的sar图像抑噪方法 | |
| CN103236041B (zh) | 一种基于Contourlet变换的图像超分辨率重建方法 | |
| CN102722878A (zh) | 基于目标提取和ppb算法的sar图像去斑方法 | |
| Kishore et al. | Analysis of linear and non-linear frequency modulated signals using STFT and hough transform | |
| Hatwar et al. | Analysis of speckle noise reduction in synthetic aperture radar images | |
| Anju et al. | Satellite image denoising using shearlet transform | |
| CN102819832A (zh) | 基于超复数小波幅值软阈值的斑点噪声抑制方法 | |
| CN102646270A (zh) | 一种超声图像噪声抑制方法 | |
| Zhang et al. | An improved wavelet denoising algorithm for SAR interferogram using fast non-local means filtering | |
| Chen et al. | An improved SAR image speckle reduction algorithm of wavelet threshold |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141210 |