CN109993703A - 多尺度图像降噪方法及装置 - Google Patents
多尺度图像降噪方法及装置 Download PDFInfo
- Publication number
- CN109993703A CN109993703A CN201711475881.2A CN201711475881A CN109993703A CN 109993703 A CN109993703 A CN 109993703A CN 201711475881 A CN201711475881 A CN 201711475881A CN 109993703 A CN109993703 A CN 109993703A
- Authority
- CN
- China
- Prior art keywords
- threshold
- soft
- band
- frequency sub
- image
- 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
- 238000001914 filtration Methods 0.000 claims abstract description 71
- 230000002146 bilateral effect Effects 0.000 claims abstract description 44
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 42
- 230000008602 contraction Effects 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000002203 pretreatment Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000000631 nonopiate Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000006467 substitution 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种多尺度图像降噪方法及装置。所述方法包括:对输入的N×N图像块进行三层小波分解;对每层小波高频子带进行软阈值收缩;对小波分解后的低频子带进行双边滤波;根据经过所述软阈值收缩的高频子带和经过所述双边滤波的低频子带进行小波逆变换重构,得到重构后的N×N图像块。本发明能够通过小波分解和双边滤波相结合的多尺度图像降噪,能够同时抑制Y通道图像中不同尺度的高频噪声和低频噪声。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种多尺度图像降噪方法及装置。
背景技术
图像经过图像信号处理器(image signal processor,ISP)的前处理后往往含有不同频率的噪声信号,为了降低图像中的噪声水平,得到更高质量的图像,Y通道降噪是一个很重要的过程。Y通道降噪作为图像信号处理中的重要组成部分,其降噪质量的好坏直接反应了图像信号处理器的水平,图像降噪通常在空间域或者变换域中利用邻域信息进行线性或者非线性的滤波操作,以达到提高图像信号质量的目标,使得图像中形态更均匀。
根据图像分解采用的金字塔结构可以将多尺度图像降噪分为两大类:一类是采用传统的高斯拉普拉斯金字塔结构进行分解,然后在分解的金字塔上对图像进行多尺度滤波处理,从而达到降低噪声水平的目的,但是传统的高斯拉普拉斯金字塔分解是一种非正交分解,而且分解得到的高频子带没有明显的方向性,并不能针对图像信号的结构信息进行有效的利用,从而无法达到有针对性的降噪处理;另一类采用多分辨率分析(Multi-Resolution Analysis,MRA)方法构造的小波进行分解,然后在小波分解得到的高频子带上进行硬/软阈值收缩,从而降低图像的噪声水平,由于小波分解是正交分解,而且分解得到的高频子带具有方向性,从而有针对性地对不同方向的噪声进行处理,因此,此类方法的使用明显高于前一类。
在实现本发明的过程中,发明人发现现有技术中至少存在如下技术问题:
光信号经过镜头、传感器和图像信号处理器的前处理等非线性系统的处理之后,得到的图像信号噪声往往不是通常图像降噪算法所假设的高斯白噪声信号,这样的图像信号中往往高低频噪声同时存在,而现有的多尺度图像降噪算法均是将噪声信号一视同仁地假设为高斯白噪声,并采用同样的滤波处理,因此其图像降噪效果达不到想要的效果。另外,成像系统的非线性性使得经过镜头校正的图像从图像中心沿着径向噪声水平不断被放大,可见,现有的图像降噪处理存在由于镜头校正带来的径向噪声强度不一致问题。
发明内容
本发明提供的多尺度图像降噪方法及装置,通过小波分解和双边滤波相结合的多尺度图像降噪,能够同时抑制Y通道图像中不同尺度的高频噪声和低频噪声。
第一方面,本发明提供一种多尺度图像降噪方法,包括:
对输入的N×N图像块进行三层小波分解;
对每层小波高频子带进行软阈值收缩;
对小波分解后的低频子带进行双边滤波;
根据经过所述软阈值收缩的高频子带和经过所述双边滤波的低频子带进行小波逆变换重构,得到重构后的N×N图像块。
可选地,所述对每层小波高频子带进行软阈值收缩包括:对每层小波的各个高频子带同时进行软阈值收缩。
可选地,所述软阈值收缩按照如下公式进行:
pdenoised=ratio·pvalue
其中,pvalue为小波分解后的高频子带系数,ratio为软阈值收缩参数,Pdenoised为降噪处理后的高频子带系数;
所述软阈值收缩参数ratio通过以下公式获得:
其中,thresh1和thresh2分别为预设的第一阈值和第二阈值,ratio1和ratio2分别为对应于thresh1和thresh2的软阈值收缩系数,k为(thresh 1,ratio1)和(thresh 2,ratio2)连线的斜率,即k=(ratio2-ratio1)/(thresh2-thresh1)。
可选地,所述双边滤波按照如下公式进行:
其中,g(i,j)为双边滤波后的像素值,f(k,l)为以(i,j)为中心的双边滤波器所覆盖的图像块中像素点(k,l)的像素值,wd(i,j,k,l)和wr(i,j,k,l)分别为空间邻近度因子和灰度相似度因子;
其中,f(i,j)为输入的N×N图像块中(i,j)处的像素值,σd和σr为滤波参数;
其中,所述滤波参数σd和σr根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离确定。
可选地,所述滤波参数σd和σr根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离确定包括:
根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离所落入的距离等级确定相应的滤波参数σd和σr;
其中,所述距离等级确定方式如下:将整个图像从半径到最大半径分为多个距离等级。
第二方面,本发明提供一种多尺度图像降噪装置,包括:
小波分解模块,用于对输入的N×N图像块进行三层小波分解;
软阈值收缩模块,用于对每层小波高频子带进行软阈值收缩;
双边滤波模块,用于对小波分解后的低频子带进行双边滤波;
小波重构模块,用于根据经过所述软阈值收缩的高频子带和经过所述双边滤波的低频子带进行小波逆变换重构,得到重构后的N×N图像块。
可选地,所述软阈值收缩模块,用于对每层小波的各个高频子带同时进行软阈值收缩。
可选地,所述软阈值收缩模块按照如下公式进行软阈值收缩:
pdenoised=ratio·pvalue
其中,pvalue为小波分解后的高频子带系数,ratio为软阈值收缩参数,Pdenoised为降噪处理后的高频子带系数;
所述软阈值收缩参数ratio通过以下公式获得:
其中,thresh1和thresh2分别为预设的第一阈值和第二阈值,ratio1和ratio2分别为对应于thresh1和thresh2的软阈值收缩系数,k为(thresh 1,ratio1)和(thresh 2,ratio2)连线的斜率,即k=(ratio2-ratio1)/(thresh2-thresh1)。
可选地,所述双边滤波模块按照如下公式进行双边滤波:
其中,g(i,j)为双边滤波后的像素值,f(k,l)为以(i,j)为中心的双边滤波器所覆盖的图像块中像素点(k,l)的像素值,wd(i,j,k,l)和wr(i,j,k,l)分别为空间邻近度因子和灰度相似度因子;
其中,f(i,j)为输入的N×N图像块中(i,j)处的像素值,σd和σr为滤波参数;
其中,所述滤波参数σd和σr根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离确定。
可选地,所述双边滤波模块根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离所落入的距离等级确定相应的滤波参数σd和σr,其中,所述距离等级确定方式如下:将整个图像从半径到最大半径分为多个距离等级。
本发明实施例提供的多尺度图像降噪方法及装置,对输入的N×N图像块进行三层小波分解;对每层小波高频子带进行软阈值收缩;对小波分解后的低频子带进行双边滤波;根据经过所述软阈值收缩的高频子带和经过所述双边滤波的低频子带进行小波逆变换重构,得到重构后的N×N图像块。与现有技术相比,本发明通过小波分解和双边滤波相结合的多尺度图像降噪,能够同时抑制Y通道图像中不同尺度的高频噪声和低频噪声。
附图说明
图1为本发明一实施例多尺度图像降噪方法的流程图;
图2为本发明实施例中的软阈值收缩公式的曲线示意图;
图3为本发明实施例中的距离等级划分的示意图;
图4为本发明一实施例多尺度图像降噪装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种多尺度图像降噪方法,如图1所示,所述方法包括:
S11、对输入的N×N图像块进行三层小波分解。
例如,输入的图像块为24×24的图像块,或者,扩展地,输入的图像块为N为8的倍数的整数。
S12、对每层小波高频子带进行软阈值收缩。
S13、对小波分解后的低频子带进行双边滤波。
S14、根据经过所述软阈值收缩的高频子带和经过所述双边滤波的低频子带进行小波逆变换重构,得到重构后的N×N图像块。
本发明实施例提供的多尺度图像降噪方法,与现有技术相比,本发明基于不同频率噪声的存在,对图像信号在多尺度上对高频子带和低频子带分别进行滤波,具体地,通过小波分解和双边滤波相结合的多尺度图像降噪,即融合了小波软阈值降噪和双边滤波器降噪的优点,能够同时抑制Y通道中不同尺度的高频噪声和低频噪声,从而克服了现有技术中将图像噪声信号假设为高斯白噪声信号所噪声的图像降噪效果不理想的问题。
需要说明的是,本发明是以YUV格式图像中的Y图像数据为输入,并将经过噪声抑制的Y通道图像,具体地,采用haar小波作为多分辨率分析载体,在haar小波分解之后的金字塔形结构中进行Y通道图像降噪。
下面以2×2图像块为例说明haar小波分解过程:
分解公式为:
LL低频子带:ALL=a11+a12+a21+a22;
LH高频子带:ALH=a11-a12+a21-a22;
HL高频子带:AHL=a11+a12-a21-a22;
HH高频子带:AHH=a11-a12-a21+a22。
可选地,所述对每层小波高频子带进行软阈值收缩包括:对每层小波的各个高频子带同时进行软阈值收缩。
具体地,由于小波分解是正交分解,每一层的高频子带互相独立正交,因此对于每个高频子带,可以分别同时进行处理。
可选地,所述软阈值收缩模块按照如下公式进行软阈值收缩,如图2所示:
pdenoised=ratio·pvalue
其中,pvalue为小波分解后的高频子带系数,ratio为软阈值收缩参数,Pdenoised为降噪处理后的高频子带系数;
所述软阈值收缩参数ratio通过以下公式获得:
其中,thresh1和thresh2分别为预设的第一阈值和第二阈值,ratio1和ratio2分别为对应于thresh1和thresh2的软阈值收缩系数,k为(thresh 1,ratio1)和(thresh 2,ratio2)连线的斜率,即k=(ratio2-ratio1)/(thresh2-thresh1)。
经典的小波/软阈值收缩算法中假设噪声为白噪声,通常的高频子带系数收缩即可达到很好的降噪效果,但是经过镜头校正以及ISP前处理的Y通道图像往往不是高斯白噪声,图像中通常含有大颗粒噪声,即低频噪声,同时,边缘信息对于图像的后处理非常重要,基于上述考虑,本发明的多尺度图像降噪方法引入针对小波的低频子带进行具有边缘保持的双边滤波,而非现有技术中所采用的高斯滤波,其中,高斯滤波是不具有边缘保持特性。而且,相对于传统的软/硬阈值收缩,本发明能够通过方便地调整阈值收缩曲线,从而实现方便地调整高频噪声的降噪强度以及降噪之后的噪声形态,使得降噪之后的图像噪声形态更加自然。
具体地,所述双边滤波按照如下公式进行:
其中,g(i,j)为双边滤波后的像素值,f(k,l)为以(i,j)为中心的双边滤波器所覆盖的图像块中像素点(k,l)的像素值,wd(i,j,k,l)和wr(i,j,k,l)分别为空间邻近度因子和灰度相似度因子;
其中,f(i,j)为输入的N×N图像块中(i,j)处的像素值,σd和σr为滤波参数;
其中,所述滤波参数σd和σr根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离确定。
众所周知,图像信号经过镜头校正之后,图像的四个角上的噪声比中间区域噪声强度更大,鉴于上述问题,本发明还采取了沿径向加强对应的降噪强度的措施,以达到图像整体噪声水准一致。
具体地,根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离所落入的距离等级确定相应的滤波参数σd和σr。
其中,所述距离等级确定方式如下:将整个图像从半径radius到最大半径max-radius分为多个距离等级,如图3所示。
与现有技术相比,本发明通过沿径向调整降噪强度,能够有效抑制因为镜头校正带来的沿径向噪声强度增大的缺点,即有效地解决了由于镜头校正带来的径向噪声强度不一致的问题。
本发明实施例还提供一种多尺度图像降噪装置,如图4所示,包括:
小波分解模块,用于对输入的N×N图像块进行三层小波分解;
软阈值收缩模块,用于对每层小波高频子带进行软阈值收缩;
双边滤波模块,用于对小波分解后的低频子带进行双边滤波;
小波重构模块,用于根据经过所述软阈值收缩的高频子带和经过所述双边滤波的低频子带进行小波逆变换重构,得到重构后的N×N图像块。
本发明实施例提供的多尺度图像降噪装置,与现有技术相比,本发明基于不同频率噪声的存在,对图像信号在多尺度上对高频子带和低频子带分别进行滤波,具体地,通过小波分解和双边滤波相结合的多尺度图像降噪,即融合了小波软阈值降噪和双边滤波器降噪的优点,能够同时抑制Y通道图像中不同尺度的高频噪声和低频噪声,从而克服了现有技术中将图像噪声信号假设为高斯白噪声信号所噪声的图像降噪效果不理想的问题。
可选地,所述软阈值收缩模块,用于对每层小波的各个高频子带同时进行软阈值收缩。
具体地,由于小波分解是正交分解,每一层的高频子带互相独立正交,因此对于每个高频子带,可以分别同时进行处理。
可选地,所述软阈值收缩模块按照如下公式进行软阈值收缩,如图2所示:
pdenoised=ratio·pvalue
其中,pvalue为小波分解后的高频子带系数,ratio为软阈值收缩参数,Pdenoised为降噪处理后的高频子带系数;
所述软阈值收缩参数ratio通过以下公式获得:
其中,thresh1和thresh2分别为预设的第一阈值和第二阈值,ratio1和ratio2分别为对应于thresh1和thresh2的软阈值收缩系数,k为(thresh 1,ratio1)和(thresh 2,ratio2)连线的斜率,即k=(ratio2-ratio1)/(thresh2-thresh1)。
经典的小波/软阈值收缩算法中假设噪声为白噪声,通常的高频子带系数收缩即可达到很好的降噪效果,但是经过镜头校正以及ISP前处理的Y通道图像往往不是高斯白噪声,图像中通常含有大颗粒噪声,即低频噪声,同时,边缘信息对于图像的后处理非常重要,基于上述考虑,本发明的多尺度图像降噪方法引入针对小波的低频子带进行具有边缘保持的双边滤波,而非现有技术中所采用的高斯滤波,其中,高斯滤波是不具有边缘保持特性。而且,相对于传统的软/硬阈值收缩,本发明能够通过方便地调整阈值收缩曲线,从而实现方便地调整高频噪声的降噪强度以及降噪之后的噪声形态,使得降噪之后的图像噪声形态更加自然。
具体地,所述双边滤波模块按照如下公式进行双边滤波:
其中,g(i,j)为双边滤波后的像素值,f(k,l)为以(i,j)为中心的双边滤波器所覆盖的图像块中像素点(k,l)的像素值,wd(i,j,k,l)和wr(i,j,k,l)分别为空间邻近度因子和灰度相似度因子;
其中,f(i,j)为输入的N×N图像块中(i,j)处的像素值,σd和σr为滤波参数;
其中,所述滤波参数σd和σr根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离确定。
众所周知,图像信号经过镜头校正之后,图像的四个角上的噪声比中间区域噪声强度更大,鉴于上述问题,本发明还采取了沿径向加强对应的降噪强度的措施,以达到图像整体噪声水准一致。
具体地,所述双边滤波模块根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离所落入的距离等级确定相应的滤波参数σd和σr,其中,所述距离等级确定方式如下:将整个图像从半径radius到最大半径max-radius分为多个距离等级,如图3所示。
与现有技术相比,本发明通过沿径向调整降噪强度,能够有效抑制因为镜头校正带来的沿径向噪声强度增大的缺点,即有效地解决了由于镜头校正带来的径向噪声强度不一致的问题。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种多尺度图像降噪方法,其特征在于,包括:
对输入的N×N图像块进行三层小波分解;
对每层小波高频子带进行软阈值收缩;
对小波分解后的低频子带进行双边滤波;
根据经过所述软阈值收缩的高频子带和经过所述双边滤波的低频子带进行小波逆变换重构,得到重构后的N×N图像块。
2.根据权利要求1所述的方法,其特征在于,所述对每层小波高频子带进行软阈值收缩包括:对每层小波的各个高频子带同时进行软阈值收缩。
3.根据权利要求1或者2所述的方法,其特征在于,所述软阈值收缩按照如下公式进行:
pdenoised=ratio·pvalue
其中,pvalue为小波分解后的高频子带系数,ratio为软阈值收缩参数,Pdenoised为降噪处理后的高频子带系数;
所述软阈值收缩参数ratio通过以下公式获得:
其中,thresh1和thresh2分别为预设的第一阈值和第二阈值,ratio1和ratio2分别为对应于thresh1和thresh2的软阈值收缩系数,k为(thresh 1,ratio1)和(thresh 2,ratio2)连线的斜率,即k=(ratio2-ratio1)/(thresh2-thresh1)。
4.根据权利要求1所述的方法,其特征在于,所述双边滤波按照如下公式进行:
其中,g(i,j)为双边滤波后的像素值,f(k,l)为以(i,j)为中心的双边滤波器所覆盖的图像块中像素点(k,l)的像素值,wd(i,j,k,l)和wr(i,j,k,l)分别为空间邻近度因子和灰度相似度因子;
其中,f(i,j)为输入的N×N图像块中(i,j)处的像素值,σd和σr为滤波参数;
其中,所述滤波参数σd和σr根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离确定。
5.根据权利要求4所述的方法,其特征在于,所述滤波参数σd和σr根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离确定包括:
根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离所落入的距离等级确定相应的滤波参数σd和σr;
其中,所述距离等级确定方式如下:将整个图像从半径到最大半径分为多个距离等级。
6.一种多尺度图像降噪装置,其特征在于,包括:
小波分解模块,用于对输入的N×N图像块进行三层小波分解;
软阈值收缩模块,用于对每层小波高频子带进行软阈值收缩;
双边滤波模块,用于对小波分解后的低频子带进行双边滤波;
小波重构模块,用于根据经过所述软阈值收缩的高频子带和经过所述双边滤波的低频子带进行小波逆变换重构,得到重构后的N×N图像块。
7.根据权利要求6所述的装置,其特征在于,所述软阈值收缩模块,用于对每层小波的各个高频子带同时进行软阈值收缩。
8.根据权利要求6或者7所述的装置,其特征在于,所述软阈值收缩模块按照如下公式进行软阈值收缩:
pdenoised=ratio·pvalue
其中,pvalue为小波分解后的高频子带系数,ratio为软阈值收缩参数,Pdenoised为降噪处理后的高频子带系数;
所述软阈值收缩参数ratio通过以下公式获得:
其中,thresh1和thresh2分别为预设的第一阈值和第二阈值,ratio1和ratio2分别为对应于thresh1和thresh2的软阈值收缩系数,k为(thresh 1,ratio1)和(thresh 2,ratio2)连线的斜率,即k=(ratio2-ratio1)/(thresh2-thresh1)。
9.根据权利要求6所述的装置,其特征在于,所述双边滤波模块按照如下公式进行双边滤波:
其中,g(i,j)为双边滤波后的像素值,f(k,l)为以(i,j)为中心的双边滤波器所覆盖的图像块中像素点(k,l)的像素值,wd(i,j,k,l)和wr(i,j,k,l)分别为空间邻近度因子和灰度相似度因子;
其中,f(i,j)为输入的N×N图像块中(i,j)处的像素值,σd和σr为滤波参数;
其中,所述滤波参数σd和σr根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离确定。
10.根据权利要求9所述的装置,其特征在于,所述双边滤波模块根据所述输入的N×N图像块中的像素点距离整个图像的中心位置像素点之间距离所落入的距离等级确定相应的滤波参数σd和σr,其中,所述距离等级确定方式如下:将整个图像从半径到最大半径分为多个距离等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711475881.2A CN109993703A (zh) | 2017-12-29 | 2017-12-29 | 多尺度图像降噪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711475881.2A CN109993703A (zh) | 2017-12-29 | 2017-12-29 | 多尺度图像降噪方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109993703A true CN109993703A (zh) | 2019-07-09 |
Family
ID=67108755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711475881.2A Pending CN109993703A (zh) | 2017-12-29 | 2017-12-29 | 多尺度图像降噪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993703A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340805A (zh) * | 2020-04-16 | 2020-06-26 | 张东 | B超图像处理装置、脂肪肝b超图像处理装置及b超系统 |
CN113298764A (zh) * | 2021-05-11 | 2021-08-24 | 合肥富煌君达高科信息技术有限公司 | 基于图像噪声分析的高速相机成像质量分析方法 |
CN114240941A (zh) * | 2022-02-25 | 2022-03-25 | 浙江华诺康科技有限公司 | 内窥镜图像降噪方法、设备、电子装置和存储介质 |
CN116883292A (zh) * | 2023-09-07 | 2023-10-13 | 上海海栎创科技股份有限公司 | 基于伪高斯的图像方向场获取方法、系统及计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663695A (zh) * | 2012-03-31 | 2012-09-12 | 重庆大学 | 基于小波变换的dr图像去噪方法及系统 |
CN104240203A (zh) * | 2014-09-09 | 2014-12-24 | 浙江工业大学 | 基于小波变换和快速双边滤波的医学超声图像去噪方法 |
CN104657948A (zh) * | 2015-02-09 | 2015-05-27 | 重庆大学 | 一种用于海洋探测的激光水下成像图像去噪和增强方法 |
CN106384339A (zh) * | 2016-09-30 | 2017-02-08 | 防城港市港口区高创信息技术有限公司 | 一种红外夜视图像的增强方法 |
-
2017
- 2017-12-29 CN CN201711475881.2A patent/CN109993703A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663695A (zh) * | 2012-03-31 | 2012-09-12 | 重庆大学 | 基于小波变换的dr图像去噪方法及系统 |
CN104240203A (zh) * | 2014-09-09 | 2014-12-24 | 浙江工业大学 | 基于小波变换和快速双边滤波的医学超声图像去噪方法 |
CN104657948A (zh) * | 2015-02-09 | 2015-05-27 | 重庆大学 | 一种用于海洋探测的激光水下成像图像去噪和增强方法 |
CN106384339A (zh) * | 2016-09-30 | 2017-02-08 | 防城港市港口区高创信息技术有限公司 | 一种红外夜视图像的增强方法 |
Non-Patent Citations (1)
Title |
---|
王陈: "基于小波与双边滤波的医学超声图像去噪算法", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340805A (zh) * | 2020-04-16 | 2020-06-26 | 张东 | B超图像处理装置、脂肪肝b超图像处理装置及b超系统 |
CN113298764A (zh) * | 2021-05-11 | 2021-08-24 | 合肥富煌君达高科信息技术有限公司 | 基于图像噪声分析的高速相机成像质量分析方法 |
CN114240941A (zh) * | 2022-02-25 | 2022-03-25 | 浙江华诺康科技有限公司 | 内窥镜图像降噪方法、设备、电子装置和存储介质 |
CN116883292A (zh) * | 2023-09-07 | 2023-10-13 | 上海海栎创科技股份有限公司 | 基于伪高斯的图像方向场获取方法、系统及计算机设备 |
CN116883292B (zh) * | 2023-09-07 | 2023-11-28 | 上海海栎创科技股份有限公司 | 基于伪高斯的图像方向场获取方法、系统及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Othman et al. | The applications of discrete wavelet transform in image processing: A review | |
CN109993703A (zh) | 多尺度图像降噪方法及装置 | |
Pourhadi et al. | A robust digital image watermarking scheme based on bat algorithm optimization and SURF detector in SWT domain | |
Liu et al. | A medical image enhancement method using adaptive thresholding in NSCT domain combined unsharp masking | |
CN103854264A (zh) | 一种基于改进型阈值函数的小波变换图像去噪方法 | |
Yadav et al. | De-noising of ultrasound image using discrete wavelet transform by symlet wavelet and filters | |
US9443286B2 (en) | Gray image processing method and apparatus based on wavelet transformation | |
CN111242854B (zh) | 一种图像去噪方法 | |
Dixit et al. | A comparative study of wavelet thresholding for image denoising | |
Teng et al. | Modified pyramid dual tree direction filter‐based image denoising via curvature scale and nonlocal mean multigrade remnant filter | |
Thaipanich et al. | An adaptive nonlocal means scheme for medical image denoising | |
Goyal et al. | Noise Reduction in MR brain image via various transform domain schemes | |
Xu et al. | A denoising algorithm via wiener filtering in the shearlet domain | |
Yang | Multiresolution Image Fusion Based on Wavelet Transform By Using a Novel Technique for Selection Coefficients. | |
CN111192204A (zh) | 一种图像增强方法、系统和计算机可读存储介质 | |
CN112037151A (zh) | 基于小波分析的图像去噪方法 | |
CN109978775B (zh) | 颜色去噪方法及装置 | |
Singh et al. | A homomorphic non-subsampled contourlet transform based ultrasound image despeckling by novel thresholding function and self-organizing map | |
CN117011192A (zh) | 基于中性集合与双边滤波的nsct域声呐图像去噪方法及设备 | |
Bahendwar et al. | Efficient algorithm for denoising of medical images using discrete wavelet transforms | |
CN108629740A (zh) | 一种图像去噪的处理方法及装置 | |
Lan et al. | Multimodal medical image fusion using wavelet transform and human vision system | |
Ahmad et al. | An integrated approach for medical image enhancement using wavelet transforms and image filtering | |
CN109242806A (zh) | 一种基于高斯核函数的小波域值去噪方法 | |
Zhang et al. | Adaptive typhoon cloud image enhancement using genetic algorithm and non-linear gain operation in undecimated wavelet domain |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190709 |