CN107993211A - 一种图像去噪方法 - Google Patents
一种图像去噪方法 Download PDFInfo
- Publication number
- CN107993211A CN107993211A CN201711260297.5A CN201711260297A CN107993211A CN 107993211 A CN107993211 A CN 107993211A CN 201711260297 A CN201711260297 A CN 201711260297A CN 107993211 A CN107993211 A CN 107993211A
- Authority
- CN
- China
- Prior art keywords
- image
- dual
- noise
- wavelet coefficient
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000009466 transformation Effects 0.000 claims abstract description 13
- 230000009977 dual effect Effects 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 5
- 230000000996 additive effect Effects 0.000 claims description 5
- 230000001427 coherent effect Effects 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 230000002195 synergetic effect Effects 0.000 abstract description 3
- 238000013519 translation Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000007796 conventional method Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种遥感图像去噪方法，包括以下步骤：对数变换、双密度双数复小波分解、计算收缩系数、逐层处理、双密度双数复小波重构、反对数变换、输出图像，将双密度双树复小波变换、贝叶斯理论以及量子衍生思想三者相结合，双密度双树复数小波变换所具有的平移不变性、抗混叠特性、更加近似连续小波变换、更多方向性等特点，使其与量子衍生方法相结合之后，起到了互相促进的作用，更好地解决了去斑平滑与保持细节之间的矛盾，提高了图像处理后的质量，图像去斑方法不仅简单有效，图像细节保持能力强，而且具有更好的视觉效果，有效地区分图像高频信号与噪声，增强了局部滤波的自适应性，并在更大程度上保留图像边缘细节。
Description
技术领域
本发明涉及图像处理技术领域，具体来说，涉及一种图像去噪方法。
背景技术
随着科技的不断发展，人类对遥感的认知以及科学发展的迫切需求，都使 得我们对遥感的要求越来越高，提高分辨率和深入应用逐渐成为遥感科学技术 发展的重大需求。目前的遥感图像处理方法存在着图像质量不够好的问题，因 此必须研究新的图像处理方法以提高图像的分辨率和像质，而量子遥感图像信 息处理是用量子信息及量子力学的相关理论来研究图像，充分发挥了量子的计 算优越性，为从根本上提高图像质量提供了新的解决思路。
传统的降噪方法对加性噪声有不错的处理效果，但是遥感图像中含有大量 的相干噪声，传统方法的降噪性能不强，且易损失原图像中的相关信息。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题，本发明提出一种遥感图像去噪方法，能 够解决上述技术问题。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种遥感图像去噪方法：包括以下步骤：
S1：对初始图像进行对数变换：将图像的相干噪声转换为加性噪声；
S2：将步骤S1中对数变换后的图像逐行逐列进行双密度双树复小波变换， 得到各层含有相位信息的高低频小波系数,将得到的小波系数进行归一化处 理，再根据贝叶斯理论，用贝叶斯最大后验概率估计对未处理的小波系数进行 推导：：
对小波系数x进行推导得到：
S3：引入量子衍生公式：计算得到 噪声方差和信号方差；
S4：根据步骤S3计算得到的噪声方差和信号方差带入步骤S2中计算得到小 波系数x；
S5：进行小波逆变换,重构小波信号；
S6：对各行各列系数进行指数变换，即可得到去噪之后的效果图。
进一步地，步骤S3所述量子衍生公式为：
其中和分 别代表的是尺度S中θ方向上的子带图像上(i，j)位置的双密度双树复小波 系数信号和噪声出现的概率。
进一步地，所述噪声方差估计式为：
其中表示为45°方 向上小波高频子带系数的实部集合，所述信号方差估计式是：
本发明的有益效果：将双密度双树复小波变换、贝叶斯理论以及 量子衍生思想三者相结合，双密度双树复数小波变换所具有的平移不 变性、抗混叠特性、更加近似连续小波变换、更多方向性等特点，使 其与量子衍生方法相结合之后，起到了互相促进的作用，更好地解决 了去斑平滑与保持细节之间的矛盾，提高了图像处理后的质量。图像 去斑方法不仅简单有效，图像细节保持能力强，而且具有更好的视觉 效果，有效地区分图像高频信号与噪声，增强了局部滤波的自适应性， 并在更大程度上保留图像边缘细节，性能较其他传统方法有显著的提 高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面 将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描 述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来 讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的 附图。
图1是根据本发明实施例所述的一种图像去噪方法的工作流程 图。
图2是根据本发明实施例所述的原始图像。
图3是根据本发明实施例所述的Bayes方法去斑结果图像。
图4是根据本发明实施例所述的frost滤波去斑结果图像。
图5是根据本发明实施例所述的Lee滤波去斑结果图像。
图6是根据本发明实施例所述的一种图像去噪方法处理结果图 像。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方 案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普 通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
如图1-6所示，根据本发明实施例所述的一种遥感图像去噪方法，
包括以下步骤：
S1：对初始图像进行对数变换：将图像的相干噪声转换为加性噪 声，即将乘性斑点噪声转化为加性噪声；
S2：将步骤S1中对数变换后的图像逐行逐列进行双密度双树复小 波变换，得到各层含有相位信息的高低频小波系数,将得到的小波系 数进行归一化处理，再根据贝叶斯理论，用贝叶斯最大后验概率估计 (MAP)对未处理的小波系数进行推导：
对小波系数x进行推导得到：
从上式看出计算出信号估计标准差σ(i，j)和噪声估计标准差 σn(i，j)，就可以得到小波系数x的值。
S3：引入量子衍生公式计算得到噪声方差和信号方差；量子衍生 公式：
其中和分别代表的是尺度S中θ方向上 的子带图像上(i，j)位置的双密度双树复小波系数信号和噪声出现 的概率。其中θ可取六个不同方向，包括±15°，±45°，±75°， 表示在尺度S方向上θ子带位置(i，j)的父-子代系数乘积。
噪声方差估计式为：
其中表示为45°方向上小波高频子带系数的实部集合。
而信号方差估计式是：
S4：根据步骤S3计算得到的噪声方差和信号方差带入步骤S2中计算得到小波系数x；
S5：进行小波逆变换,重构小波信号；
S6：对各行各列系数进行指数变换，即可得到去噪之后的效果图6。
为了体现本发明方法的优势，我们对比了几组实验，第一组是对原始图像2进行Bayes方法去斑，得到了效果图3，第二组是对图像进行frost滤波去斑算法，得到效果图4；第三组是进行Lee滤波去斑实验，得到效果图5，我们可以明显看出来本发明方法的效果强于传统方法，且在对比实验中，我们引入峰值信噪比（PSNR）和边缘保持指数（EPI）两个指标来检验本发明方法的有效性。对比试验结果得到：本发明的PSNR高于另外三种传统方法数值，达到了30.69db，且EPI指数也高于其他实验方法，达到了0.952，效果明显强于传统方法。
本发明考虑了尺度间小波系数相关性，提出了量子衍生的参数估 计，并充分结合了双密度双树复数小波变换在提高处理对象的分解精 度、合成精度的同时，能在更大程度上保留处理对象细节信息的特性。 因此，本方法能有效地区分图像高频信号与噪声，增强了局部滤波的 自适应性，并在更大程度上保留图像边缘细节。因此，本法去噪方法 性能较其他传统方法有显著的提高。
综上所述，借助于本发明的上述技术方案，发明的一种图像去噪 方法，首次实现了将双密度双树复小波变换、贝叶斯理论以及量子衍 生思想三者相结合，取得了很好的实验结果。双密度双树复数小波变 换所具有的平移不变性、抗混叠特性、更加近似连续小波变换、更多 方向性等特点，使其与量子衍生方法相结合之后，起到了互相促进的 作用，更好地解决了去斑平滑与保持细节之间的矛盾，提高了图像处 理后的质量。实验结果表明本文提出的图像去斑方法不仅简单有效， 图像细节保持能力强，而且具有更好的视觉效果。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明， 凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等， 均应包含在本发明的保护范围之内。
Claims (3)
1.一种遥感图像去噪方法，其特征在于：包括以下步骤：
S1：对初始图像进行对数变换：将图像的相干噪声转换为加性噪声；
S2：将步骤S1中对数变换后的图像逐行逐列进行双密度双树复小波变换，得到各层含有相位信息的高低频小波系数, 将得到的小波系数进行归一化处理，再根据贝叶斯理论，用贝叶斯最大后验概率估计对未处理的小波系数进行推导：
对小波系数x进行推导得到：
；
S3：引入量子衍生公式：，计算得到噪声方差和信号方差；
S4：根据步骤S3计算得到的噪声方差和信号方差带入步骤S2中计算得到小波系数x；
S5：进行小波逆变换,重构小波信号；
S6：对各行各列系数进行指数变换，即可得到去噪之后的效果图。
2.根据权利要求1所述的一种图像去噪方法，其特征在于，步骤S3所述量子衍生公式为：，其中和，分别代表的是尺度S中θ方向上的子带图像上（i，j）位置的双密度双树复小波系数信号和噪声出现的概率。
3.根据权利要求1所述的一种图像去噪方法，其特征在于，所述噪声方差估计式为：，其中表示为45°方向上小波高频子带系数的实部集合，所述信号方差估计式是：。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711260297.5A CN107993211A (zh) | 2017-12-04 | 2017-12-04 | 一种图像去噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711260297.5A CN107993211A (zh) | 2017-12-04 | 2017-12-04 | 一种图像去噪方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107993211A true CN107993211A (zh) | 2018-05-04 |
Family
ID=62035532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711260297.5A Pending CN107993211A (zh) | 2017-12-04 | 2017-12-04 | 一种图像去噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107993211A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108765350A (zh) * | 2018-05-31 | 2018-11-06 | 北京空间机电研究所 | 一种面向航天光学遥感图像量子化滤波方法 |
| CN109934589A (zh) * | 2019-03-18 | 2019-06-25 | 农业部沼气科学研究所 | 一种基于物联网的网络支付会计事务处理系统及方法 |
| CN114742727A (zh) * | 2022-03-31 | 2022-07-12 | 南通电博士自动化设备有限公司 | 一种基于图像平滑的噪声处理方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102800056A (zh) * | 2012-06-30 | 2012-11-28 | 浙江大学 | 双树复小波域的邻域自适应贝叶斯收缩图像去噪方法 |
| US8787638B2 (en) * | 2011-04-07 | 2014-07-22 | The Chinese University Of Hong Kong | Method and device for retinal image analysis |
| CN103955894A (zh) * | 2014-04-14 | 2014-07-30 | 武汉科技大学 | 一种量子启发的医学超声图像去斑方法 |
| CN105069760A (zh) * | 2015-08-28 | 2015-11-18 | 哈尔滨工程大学 | 一种基于f型双链量子遗传算法的小波阈值图像去噪方法 |
| CN105654434A (zh) * | 2015-12-25 | 2016-06-08 | 浙江工业大学 | 基于统计模型的医学超声图像去噪方法 |
| CN105976341A (zh) * | 2016-06-17 | 2016-09-28 | 天津工业大学 | 图像自适应中值滤波方法 |
| CN106971392A (zh) * | 2017-03-17 | 2017-07-21 | 国家测绘地理信息局卫星测绘应用中心 | 一种结合dt‑cwt和mrf的遥感图像变化检测方法与装置 |
| CN107392952A (zh) * | 2017-07-19 | 2017-11-24 | 天津大学 | 一种无参考混合失真图像质量评价方法 |
-
2017
- 2017-12-04 CN CN201711260297.5A patent/CN107993211A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8787638B2 (en) * | 2011-04-07 | 2014-07-22 | The Chinese University Of Hong Kong | Method and device for retinal image analysis |
| CN102800056A (zh) * | 2012-06-30 | 2012-11-28 | 浙江大学 | 双树复小波域的邻域自适应贝叶斯收缩图像去噪方法 |
| CN103955894A (zh) * | 2014-04-14 | 2014-07-30 | 武汉科技大学 | 一种量子启发的医学超声图像去斑方法 |
| CN105069760A (zh) * | 2015-08-28 | 2015-11-18 | 哈尔滨工程大学 | 一种基于f型双链量子遗传算法的小波阈值图像去噪方法 |
| CN105654434A (zh) * | 2015-12-25 | 2016-06-08 | 浙江工业大学 | 基于统计模型的医学超声图像去噪方法 |
| CN105976341A (zh) * | 2016-06-17 | 2016-09-28 | 天津工业大学 | 图像自适应中值滤波方法 |
| CN106971392A (zh) * | 2017-03-17 | 2017-07-21 | 国家测绘地理信息局卫星测绘应用中心 | 一种结合dt‑cwt和mrf的遥感图像变化检测方法与装置 |
| CN107392952A (zh) * | 2017-07-19 | 2017-11-24 | 天津大学 | 一种无参考混合失真图像质量评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 付晓薇 等: "基于量子衍生参数估计的医学超声图像去斑算法", 《电子学报》 * |
| 刘丽君 等: "基于Q-Shift双树复小波的SAR图像相干斑噪声抑制", 《战术导弹技术》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108765350A (zh) * | 2018-05-31 | 2018-11-06 | 北京空间机电研究所 | 一种面向航天光学遥感图像量子化滤波方法 |
| CN108765350B (zh) * | 2018-05-31 | 2022-03-04 | 北京空间机电研究所 | 一种面向航天光学遥感图像量子化滤波方法 |
| CN109934589A (zh) * | 2019-03-18 | 2019-06-25 | 农业部沼气科学研究所 | 一种基于物联网的网络支付会计事务处理系统及方法 |
| CN114742727A (zh) * | 2022-03-31 | 2022-07-12 | 南通电博士自动化设备有限公司 | 一种基于图像平滑的噪声处理方法及系统 |
| CN114742727B (zh) * | 2022-03-31 | 2023-05-05 | 南通电博士自动化设备有限公司 | 一种基于图像平滑的噪声处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103854264B (zh) | 一种基于改进型阈值函数的小波变换图像去噪方法 | |
| CN104715461B (zh) | 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 | |
| CN105761290B (zh) | 一种自适应的多尺度分块压缩感知采样方法 | |
| CN107993211A (zh) | 一种图像去噪方法 | |
| CN102663695B (zh) | 基于小波变换的dr图像去噪方法及系统 | |
| CN107784638A (zh) | 一种优化的东巴古籍图像增强方法 | |
| Dixit et al. | A comparative study of wavelet thresholding for image denoising | |
| CN110059639A (zh) | 一种基于分数阶小波变换和希尔伯特黄变换的跳频信号检测方法 | |
| CN103955894B (zh) | 一种量子启发的医学超声图像去斑方法 | |
| CN107292316B (zh) | 一种基于稀疏表示的提升图像清晰度的方法 | |
| CN112084845B (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
| CN111242854A (zh) | 一种图像去噪方法 | |
| CN106296583B (zh) | 基于图像块组稀疏编码与成对映射的含噪高光谱图像超分辨率重构方法 | |
| CN104504659B (zh) | 一种基于提升小波变换的快速iso去噪方法及系统 | |
| CN113204051A (zh) | 一种基于变分模态分解的低秩张量地震数据去噪方法 | |
| CN106469438B (zh) | 基于卡方无偏估计的邻域收缩mri去噪方法 | |
| CN107230189B (zh) | 湍流图像去噪方法 | |
| CN107945142A (zh) | 一种合成孔径雷达图像去噪方法 | |
| Tayade et al. | Medical image denoising and enhancement using DTCWT and Wiener filter | |
| Bo et al. | Image compression based on wavelet transform | |
| CN102663687B (zh) | 基于空间自适应高斯混合模型的表面波变换视频去噪方法 | |
| Kumar et al. | Edge preservation based CT image denoising using wavelet and curvelet transforms | |
| CN102663688B (zh) | 基于邻域阈值分类的表面波变换视频去噪方法 | |
| CN103747268A (zh) | 一种分层自适应阈值视频去噪方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |
|
| RJ01 | Rejection of invention patent application after publication |