CN105184752A - 一种基于小波变换的图像处理方法 - Google Patents
一种基于小波变换的图像处理方法 Download PDFInfo
- Publication number
- CN105184752A CN105184752A CN201510609070.1A CN201510609070A CN105184752A CN 105184752 A CN105184752 A CN 105184752A CN 201510609070 A CN201510609070 A CN 201510609070A CN 105184752 A CN105184752 A CN 105184752A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- image
- coefficient
- layer
- carried out
- 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 Analysis (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于小波变换的图像处理方法,属于图像处理方法技术领域,解决傅立叶变换处理图像时,会丢弃时域信息等问题。本发明的步骤为(1)获取原始图像;(2)对原始图像进行小波分解,得到低频子带LL和三个高频子带LH、HL、HH,对高频系数进行非线性增强,得到图像增强后的小波系数;(3)将处理后的两种小波系数进行小波逆变换,从而得到增强后的图像。本发明用于图像处理。
Description
技术领域
一种基于小波变换的图像处理方法,用于图像处理,属于图像处理方法技术领域。
背景技术
小波分析是近15年来发展起来的一种新的时频分析方法。其典型应用包括齿轮变速控制,起重机的非正常噪声,自动目标所顶,物理中的间断现象等。而频域分析的着眼点在于区分突发信号和稳定信号以及定量分析其能量,典型应用包括细胞膜的识别,金属表面的探伤,金融学中快变量的检测,INTERNET的流量控制等。从以上的信号分析的典型应用可以看出,时频分析应用非常广泛,涵盖了物理学,工程技术,生物科学,经济学等众多领域,而且在很多情况下单单分析其时域或频域的性质是不够的,比如在电力监测系统中,即要监控稳定信号的成分,又要准确定位故障信号。这就需要引入新的时频分析方法,小波分析正是由于这类需求发展起来的。
在传统的傅立叶分析中,信号完全是在频域展开的,不包含任何时频的信息,这对于某些应用来说是很恰当的,因为信号的频率的信息对其是非常重要的。但其丢弃的时域信息可能对某些应用同样非常重要,所以人们对傅立叶分析进行了推广,提出了很多能表征时域和频域信息的信号分析方法,如短时傅立叶变换,Gabor变换,时频分析,小波变换等。其中短时傅立叶变换是在傅立叶分析基础上引入时域信息的最初尝试,其基本假定在于在一定的时间窗内信号是平稳的,那么通过分割时间窗,在每个时间窗内把信号展开到频域就可以获得局部的频域信息,但是它的时域区分度只能依赖于大小不变的时间窗,对某些瞬态信号来说还是粒度太大。换言之,短时傅立叶分析只能在一个分辨率上进行。所以对很多应用来说不够精确,存在很大的缺陷。
发明内容
本发明针对现有技术的不足之处提供了一种基于小波变换的图像处理方法,解决傅立叶变换处理图像时,会丢弃时域信息等问题。
为了实现上述目的,本发明采用的技术方案为:
一种基于小波变换的图像处理方法,其特征在于,如下步骤:
(1)获取原始图像;
(2)对原始图像进行小波分解,得到低频子带LL和三个高频子带LH、HL、HH,对高频系数进行非线性增强,得到图像增强后的小波系数;
(3)将处理后的两种小波系数进行小波逆变换,从而得到增强后的图像。
进一步,所述步骤(2)中,对原始图像进行小波分解,得到低频子带LL和三个高频子带LH、HL、HH,对高频系数进行非线性增强,得到图像增强后的小波系数的具体步骤为:
(21)选定一个小波并确定一个小波分解的层次N,然后对图像进行IV层小波分解;
(22)对于从1到IV层的每一层,选择一个恰当的阈值,并对这一层的高频系数进行阈值量化处理,得到处理后的小波系统。
进一步,所述步骤(22)中,对于从1到IV层的每一层,选择一个恰当的阈值,并对这一层的高频系数进行阈值量化处理,得到处理后的小波系统的函数为:
其中G是小波系数增强倍数,T1是小波系数阈值,Win(i,j)是图像分解后的小波系数,WOUT(i,j)是图像增强后小波系数。
进一步,所述步骤(3)中,将处理后的两种小波系数进行小波逆变换,从而得到增强后的图像为小波分解的第IV层的低频带系数和经过修改的从第1层到第IV层的各层高频系数,来计算二维信号的重构,具体如下:
若信号函数f(x,y)∈L2(R),ψ(x,y)
为二维小波母函数,则其构造可由一维母小波的张量积形成, a,b,c∈R且a≠0
把对数a,b,c离散化a=a0 j,b=k1b0a0 j,c=k2c0a0 j,a0,b0,c0
为常数,j,k1,k2∈Z,则有离散参数变换:
,将x,y离散化,即得到离散空间小波变换:
,令a0=2,b0=c0=1,即得到离散小波变换,表示为:
与现有技术相比,本发明的优点在于:
一、小波分析则克服了短时傅立叶变换在单分辨率上的缺陷,具有多分辨率分析的特点,在时域和频域都有表征信号局部信息的能力,时间窗和频率窗都可以根据信号的具体形态动态调整,在一般情况下,在低频部分(信号较平稳)可以采用较低的时间分辨率,而提高频率的分辨率,在高频情况下(频率变化不大)可以用较低的频率分辨率来换取精确的时间定位。因为这些特定,小波分析可以探测正常信号中的瞬态,并展示其频率成分,被称为数学显微镜,广泛应用于各个时频分析领域;
二、由于图像和噪声经小波变换后有不同的统计特性,图像本身的能量对应着幅值较大的小波系数,主要集中在高频;噪声能量则对应着幅值较小的小波系数,并分散在小波变换后的所有系数中。根据这一特性,设置一个阈值门限,认为大于该阈值的小波系数的主要成分为有用信号,给与收缩后保留;小于该阈值的小波系数,主要成分为噪声,予以剔除,一次达到去噪目的。
附图说明
图1为本发明基于小波变换进行图像增强处理的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
一种基于小波变换的图像处理方法,其特征在于,如下步骤:
(1)获取原始图像;
(2)对原始图像进行小波分解,得到低频子带LL和三个高频子带LH、HL、HH,对高频系数进行非线性增强,得到图像增强后的小波系数;对原始图像进行小波分解,得到低频子带LL和三个高频子带LH、HL、HH,对高频系数进行非线性增强,得到图像增强后的小波系数的具体步骤为:
(21)选定一个小波并确定一个小波分解的层次N,然后对图像进行IV层小波分解;
(22)对于从1到IV层的每一层,选择一个恰当的阈值,并对这一层的高频系数进行阈值量化处理,得到处理后的小波系统。对于从1到IV层的每一层,选择一个恰当的阈值,并对这一层的高频系数进行阈值量化处理,得到处理后的小波系统的函数为:
其中G是小波系数增强倍数,T1是小波系数阈值,Win(i,j)是图像分解后的小波系数,WOUT(i,j)是图像增强后小波系数。
(3)将处理后的两种小波系数进行小波逆变换,从而得到增强后的图像。所述步骤(3)中,将处理后的两种小波系数进行小波逆变换,从而得到增强后的图像为小波分解的第IV层的低频带系数和经过修改的从第1层到第IV层的各层高频系数,来计算二维信号的重构,具体如下:
若信号函数f(x,y)∈L2(R),ψ(x,y)
为二维小波母函数,则其构造可由一维母小波的张量积形成, a,b,c∈R且a≠0
把对数a,b,c离散化a=a0 j,b=k1b0a0 j,c=k2c0a0 j,a0,b0,c0
为常数,j,k1,k2∈Z,则有离散参数变换:
,将x,y离散化,即得到离散空间小波变换:
,令a0=2,b0=c0=1,即得到离散小波变换,表示为:
从分数阶微分和小波分解的特点出发,使用一种用于图像增强的方法,即首先使用小波分解方法分别多层、多尺度分解图像,并重构出相应层次图像中的高低频成分,然后使用包含八个对称方向分数阶微分掩膜算子有针对性地对分离出的高频、低频及原始图像信号分别进行处理,把处理的结果进行合并、叠加,同时深度地保留图像平滑区域的低频轮廓特征和非线性地保留灰度变化较大的高频边缘特征,对灰度变化不明显区域图像纹理细节也得到增强。
Claims (4)
1.一种基于小波变换的图像处理方法,其特征在于,如下步骤:
(1)获取原始图像;
(2)对原始图像进行小波分解,得到低频子带LL和三个高频子带LH、HL、HH,对高频系数进行非线性增强,得到图像增强后的小波系数;
(3)将处理后的两种小波系数进行小波逆变换,从而得到增强后的图像。
2.根据权利要求1所述的一种基于小波变换的图像处理方法,其特征在于:所述步骤(2)中,对原始图像进行小波分解,得到低频子带LL和三个高频子带LH、HL、HH,对高频系数进行非线性增强,得到图像增强后的小波系数的具体步骤为:
(21)选定一个小波并确定一个小波分解的层次N,然后对图像进行IV层小波分解;
(22)对于从1到IV层的每一层,选择一个恰当的阈值,并对这一层的高频系数进行阈值量化处理,得到处理后的小波系统。
3.根据权利要求2所述的一种基于小波变换的图像处理方法,其特征在于:所述步骤(22)中,对于从1到IV层的每一层,选择一个恰当的阈值,并对这一层的高频系数进行阈值量化处理,得到处理后的小波系统的函数为:
其中G是小波系数增强倍数,T1是小波系数阈值,Win(i,j)是图像分解后的小波系数,WOUT(i,j)是图像增强后小波系数。
4.根据权利要求1所述的一种基于小波变换的图像处理方法,其特征在于:所述步骤(3)中,将处理后的两种小波系数进行小波逆变换,从而得到增强后的图像为小波分解的第IV层的低频带系数和经过修改的从第1层到第IV层的各层高频系数,来计算二维信号的重构,具体如下:
若信号函数f(x,y)∈L2(R),ψ(x,y)
为二维小波母函数,则其构造可由一维母小波的张量积形成, a,b,c∈R且a≠0,
把对数a,b,c离散化a=ao j,b=k1boao j,c=k2coao j,ao,bo,co
为常数,j,k1,k2∈Z,则有离散参数变换: ,将x,y离散化,即得到离散空间小波变换:,令ao=2,bo=co=1,即得到离散小波变换,表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510609070.1A CN105184752A (zh) | 2015-09-23 | 2015-09-23 | 一种基于小波变换的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510609070.1A CN105184752A (zh) | 2015-09-23 | 2015-09-23 | 一种基于小波变换的图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105184752A true CN105184752A (zh) | 2015-12-23 |
Family
ID=54906807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510609070.1A Pending CN105184752A (zh) | 2015-09-23 | 2015-09-23 | 一种基于小波变换的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105184752A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105824186A (zh) * | 2016-05-05 | 2016-08-03 | 杭州电子科技大学 | 一种物体三维透视成像方法和系统 |
CN106361350A (zh) * | 2016-10-18 | 2017-02-01 | 北京博瑞彤芸文化传播股份有限公司 | 基于图像处理的血氧饱和度监测方法 |
CN106952272A (zh) * | 2017-03-08 | 2017-07-14 | 江苏理工学院 | 一种基于二代小波变换的抗噪Otsu图像分割方法 |
CN107659844A (zh) * | 2017-10-30 | 2018-02-02 | 电子科技大学 | 一种基于小波变换的视频图像高分辨率重构方法 |
CN107742279A (zh) * | 2017-10-31 | 2018-02-27 | 努比亚技术有限公司 | 一种图像处理方法、装置及存储介质 |
CN108171718A (zh) * | 2017-11-23 | 2018-06-15 | 北京林业大学 | 一种基于小波变换的小菊花瓣数目自动检测方法 |
CN109034118A (zh) * | 2018-08-23 | 2018-12-18 | 吴伟锋 | 实时轮体助力方法 |
CN109712094A (zh) * | 2018-12-26 | 2019-05-03 | 新疆大学 | 图像处理方法及装置 |
CN110101362A (zh) * | 2019-04-29 | 2019-08-09 | 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 | 一种关于oct和octa的图像噪声去除的方法 |
CN110298806A (zh) * | 2019-07-04 | 2019-10-01 | 上海融军科技有限公司 | 红外图像增强方法和系统 |
CN111539894A (zh) * | 2020-04-28 | 2020-08-14 | 深圳市京湾量子遥感科技有限公司 | 一种新型图像增强方法 |
CN114898410A (zh) * | 2022-07-14 | 2022-08-12 | 安徽云森物联网科技有限公司 | 一种基于小波变换的跨分辨率行人重识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592262A (zh) * | 2011-01-05 | 2012-07-18 | 苏州巴米特信息科技有限公司 | 基于小波变换的阈值化图像去噪方法 |
CN104462800A (zh) * | 2014-11-27 | 2015-03-25 | 北京航空航天大学 | 基于小波框架的信号降噪方法 |
-
2015
- 2015-09-23 CN CN201510609070.1A patent/CN105184752A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592262A (zh) * | 2011-01-05 | 2012-07-18 | 苏州巴米特信息科技有限公司 | 基于小波变换的阈值化图像去噪方法 |
CN104462800A (zh) * | 2014-11-27 | 2015-03-25 | 北京航空航天大学 | 基于小波框架的信号降噪方法 |
Non-Patent Citations (3)
Title |
---|
丁西明: "基于小波变换的图像增强研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
杨丹等: "《MATLAB图像处理实例详解》", 31 July 2013 * |
齐敏等: "基于Matlab的小波去噪算法研究", 《电子器件》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105824186A (zh) * | 2016-05-05 | 2016-08-03 | 杭州电子科技大学 | 一种物体三维透视成像方法和系统 |
CN106361350A (zh) * | 2016-10-18 | 2017-02-01 | 北京博瑞彤芸文化传播股份有限公司 | 基于图像处理的血氧饱和度监测方法 |
CN106952272A (zh) * | 2017-03-08 | 2017-07-14 | 江苏理工学院 | 一种基于二代小波变换的抗噪Otsu图像分割方法 |
CN106952272B (zh) * | 2017-03-08 | 2019-09-10 | 江苏理工学院 | 一种基于二代小波变换的抗噪Otsu图像分割方法 |
CN107659844B (zh) * | 2017-10-30 | 2019-08-20 | 电子科技大学 | 一种基于小波变换的视频图像高分辨率重构方法 |
CN107659844A (zh) * | 2017-10-30 | 2018-02-02 | 电子科技大学 | 一种基于小波变换的视频图像高分辨率重构方法 |
CN107742279B (zh) * | 2017-10-31 | 2020-07-10 | 珠海大横琴科技发展有限公司 | 一种图像处理方法、装置及存储介质 |
CN107742279A (zh) * | 2017-10-31 | 2018-02-27 | 努比亚技术有限公司 | 一种图像处理方法、装置及存储介质 |
CN108171718A (zh) * | 2017-11-23 | 2018-06-15 | 北京林业大学 | 一种基于小波变换的小菊花瓣数目自动检测方法 |
CN109034118A (zh) * | 2018-08-23 | 2018-12-18 | 吴伟锋 | 实时轮体助力方法 |
CN109712094A (zh) * | 2018-12-26 | 2019-05-03 | 新疆大学 | 图像处理方法及装置 |
CN109712094B (zh) * | 2018-12-26 | 2022-07-08 | 新疆大学 | 图像处理方法及装置 |
CN110101362A (zh) * | 2019-04-29 | 2019-08-09 | 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 | 一种关于oct和octa的图像噪声去除的方法 |
CN110101362B (zh) * | 2019-04-29 | 2021-12-17 | 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 | 一种关于oct和octa的图像噪声去除的方法 |
CN110298806A (zh) * | 2019-07-04 | 2019-10-01 | 上海融军科技有限公司 | 红外图像增强方法和系统 |
CN110298806B (zh) * | 2019-07-04 | 2022-04-12 | 上海融军科技有限公司 | 红外图像增强方法和系统 |
CN111539894A (zh) * | 2020-04-28 | 2020-08-14 | 深圳市京湾量子遥感科技有限公司 | 一种新型图像增强方法 |
CN114898410A (zh) * | 2022-07-14 | 2022-08-12 | 安徽云森物联网科技有限公司 | 一种基于小波变换的跨分辨率行人重识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105184752A (zh) | 一种基于小波变换的图像处理方法 | |
Hao et al. | A joint framework for multivariate signal denoising using multivariate empirical mode decomposition | |
CN101739671B (zh) | 一种含噪图像的降噪处理方法及系统 | |
CN103700072A (zh) | 一种基于自适应小波阈值和双边滤波器的图像去噪方法 | |
CN102930149B (zh) | 基于pca和emd的传感器网络感知信息去噪处理方法 | |
Li et al. | De-noising low-frequency magnetotelluric data using mathematical morphology filtering and sparse representation | |
CN103454622B (zh) | 基于稀疏约束的宽带雷达目标复回波去噪方法 | |
Wang et al. | Application of the dual-tree complex wavelet transform in biomedical signal denoising | |
CN103399348A (zh) | 基于Shearlet变换的地震信号去噪方法 | |
CN101566688B (zh) | 基于邻域方向性信息的sar图像降斑方法 | |
CN108231084A (zh) | 一种基于Teager能量算子的改进小波阈值函数去噪方法 | |
CN102314675B (zh) | 基于小波高频的贝叶斯去噪方法 | |
CN104240201A (zh) | 基于群-轮廓小波变换断口图像去噪和增强方法 | |
CN103915102B (zh) | 一种lfm水声多途信号的噪声抑制方法 | |
CN106408532A (zh) | 基于剪切波域参数估计的合成孔径雷达sar图像去噪方法 | |
Han et al. | Noise reduction method for chaotic signals based on dual-wavelet and spatial correlation | |
Breaker | A closer look at regime shifts based on coastal observations along the eastern boundary of the North Pacific | |
CN110738675B (zh) | 一种探地雷达图像边缘检测中去除伪影干扰的方法 | |
Zhu et al. | A noise reduction method for Ground Penetrating Radar signal based on wavelet transform and application in tunnel lining | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
CN101930590A (zh) | 一种可应用于火灾探测的变换域邻域自适应图像降噪方法 | |
CN104112273A (zh) | 基于对数Gabor滤波器相位相似性的图像质量评价方法 | |
CN104216017A (zh) | 空间相关的非平稳地震信号拓频方法 | |
CN109270573B (zh) | 一种快速保频保幅s变换方法 | |
Zhang et al. | Bayesian-based speckle suppression for SAR image using contourlet transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151223 |