CN115601262B - 一种基于改进小波阈值的图像去噪方法及系统 - Google Patents
一种基于改进小波阈值的图像去噪方法及系统 Download PDFInfo
- Publication number
- CN115601262B CN115601262B CN202211279492.3A CN202211279492A CN115601262B CN 115601262 B CN115601262 B CN 115601262B CN 202211279492 A CN202211279492 A CN 202211279492A CN 115601262 B CN115601262 B CN 115601262B
- Authority
- CN
- China
- Prior art keywords
- wavelet
- layer
- threshold
- wavelet coefficient
- coefficient
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 57
- 230000009467 reduction Effects 0.000 claims abstract description 43
- 230000009466 transformation Effects 0.000 claims abstract description 21
- 230000003044 adaptive effect Effects 0.000 claims abstract description 17
- 230000007704 transition Effects 0.000 claims abstract description 7
- 238000000926 separation method Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 abstract description 11
- 239000010410 layer Substances 0.000 description 107
- 230000006870 function Effects 0.000 description 84
- 230000006872 improvement Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明提供一种基于改进小波阈值的图像去噪方法及系统，包括：对待去噪的图像进行多层离散小波变换；基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，阈值随着小波分解的层数增加逐渐减小；基于小波系数阈值设定对应的阈值函数；阈值函数为连续无断点函数，将某一层小波系数与该层小波系数阈值比较，当不大于时，削减后的小波系数为0，当大于时，削减后的小波系数为与原小波系数和小波系数阈值有关的函数，且随着原小波系数幅值的增加削减程度有所降低，以避免对噪声过渡削减破坏图像细节；基于削减后的小波系数对各层小波分解后的信号进行小波逆变换，重构得到小波去噪后的图像。本发明提升了图像小波去噪效果。
Description
技术领域
本发明属于图像去噪领域，更具体地，涉及一种基于改进小波阈值的图像去噪方法及系统。
背景技术
图像处理技术是在诸多领域中都有广泛应用的技术，由于现有的图像获取和传输手段的局限性，本申请所得到的数字图像大多有不同程度的噪声存在，小波变换因为其优异的去噪性能，是去噪算法研究的一个热点领域。
在对小波变换后得到的图像信号的小波系数进行削减处理时，阈值选择的太低，会使涵盖噪声能量的小波系数留存过多，导致去噪的效果不够明显，噪声残留过多。但是阈值选择的过高，会导致小波系数被过度的滤去，虽然噪声能量几乎会全部被抹去，但是存在于信号中的有用的信息也会被过度删除，在小波逆变换后得到的处理后图像细节信息会遭到大幅的破坏。这就背离了图像去噪的最初的应用目的。故阈值与阈值函数的选择，是小波变换去噪的重中之重，决定了去噪结果的成功与否。
现有小波变换每一层分解所得小波系数共用的统一阈值，这一处理方法在一些实验环境下能够看出其弊端，在进行小波变换的多层分解时，在后续小波分解中，高层的小波系数中的非噪声信号和噪声信号的分离情况会越来越明显，这一现象的结果就是本申请需要进行削减的系数和不需要削减的系数在高层分解后相差变大。而各层采取相同的阈值的统一阈值在面对这个情况的处理明显是不妥的，因为这会导致在对高层小波系数进行处理时会出现过度削减的现象，处理后的小波系数在重组后图像丢失大量信息。
阈值函数阈值函数是小波阈值去噪的重要部分，合适的阈值削减策略是去噪结果优劣的关键，阈值函数规定了各层的高幅值的小波系数该如何保留或者降低，各层的低幅值小波系数该如何削减或者直接置零。各种阈值削减策略各有侧重和不同，但是总体思想是对含有噪声能量的低幅值小波系数进行抑制，保护高幅值小波系数所表现的图像特征。
现有小波变换常用的阈值函数包括硬阈值函数、软阈值函数及Garrote阈值；针对硬阈值函数其主要的削减策略是对于绝对值高于规定阈值的小波系数更改为0，绝对值低于规定阈值的小波系数不做变化。观察阈值函数图像，发现在硬阈值函数在规定阈值处会有断点，出现系数的忽然变化，这个特性会导致图像信息丢失，图像质量遭到破坏。针对软阈值函数，其优化了硬阈值函数存在系数的断点，避免了去噪图像的“振铃”现象，但是因为对于大于阈值的小波系数的收缩使其也失去了一些图像的非噪声信号，图像也会出现不同程度的模糊现象。针对Garrote阈值，阈值的改进方法是将软阈值函数直接用超过阈值的小波系数减去阈值修改为减去阈值的平方于系数之间的商，虽然小波系数越高则削减的越少，但是无法对小波系数保护，可能存在“过扼杀”对图像细节带来破坏。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种基于改进小波阈值的图像去噪方法及系统，旨在解决现有基于小波变换对图像去噪时，每一层分解所得小波系数共用的统一阈值，且阈值函数在规定阈值处存在断点导致图像细节信息会遭到大幅的破坏或不存在断点但可能丢失非噪声信号对图像细节带来破坏的问题。
为实现上述目的，第一方面，本发明提供了一种基于改进小波阈值的图像去噪方法，包括如下步骤：
对待去噪的图像进行多层离散小波变换，以对图像进行多层小波分解，以在每层将非噪声信号和噪声信号分离，且高层的信号分离情况相比低层的信号分离情况更明显；
基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，所述阈值随着小波分解的层数增加逐渐减小，以避免对高层的小波系数过度削减，丢失图像的非噪声信息；所述小波系数用于反映所述信号分离情况；
基于所述小波系数阈值设定对应的阈值函数，以对各层的小波系数进行削减；所述阈值函数为连续无断点函数，将某一层小波系数与该层小波系数阈值比较，当不大于时，削减后的小波系数为0，当大于时，削减后的小波系数为与原小波系数和小波系数阈值有关的函数，所述有关的函数在原小波系数与小波系数阈值相等时值为0，以避免小波系数断点的产生，避免图像非噪声信息丢失，且随着原小波系数幅值的增加削减程度有所降低，以避免对噪声过渡削减破坏图像细节；
基于各层削减后的小波系数对各层小波分解后的信号进行小波逆变换，重构得到小波去噪后的图像。
在一个可选的示例中，该方法还包括如下步骤：
当去噪后图像的峰值信噪比不满足要求，则调整所述自适应参数，重新设置小波系数阈值和对应的阈值函数，对小波分解后的信号进行小波系数削减，并基于削减后的小波系数进行小波逆变换，重构得到再次去噪后的图像，直至所述峰值信噪比满足要求。
在一个可选的示例中，基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，具体为：
设置各层的阈值参数：
其中，ui代表第i层的阈值参数，θ为自适应参数；
各层小波系数的阈值为：
其中，Ti代表第i层的小波系数阈值，σn为噪声信号的标准差，Ni代表第i层小波分解后信号的长度。
在一个可选的示例中，基于所述小波系数阈值设定对应的阈值函数，具体为：
其中，y表示各层分解后的小波系数，T表示各层设置的小波系数阈值，w表示各层削减后的小波系数。
第二方面，本发明提供了一种基于改进小波阈值的图像去噪系统，包括：
小波变换单元，用于对待去噪的图像进行多层离散小波变换，以对图像进行多层小波分解，以在每层将非噪声信号和噪声信号分离，且高层的信号分离情况相比低层的信号分离情况更明显；
阈值设定单元，用于基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，所述阈值随着小波分解的层数增加逐渐减小，以避免对高层的小波系数过度削减，丢失图像的非噪声信息；所述小波系数用于反映所述信号分离情况；
小波系数削减单元，用于基于所述小波系数阈值设定对应的阈值函数，以对各层的小波系数进行削减；所述阈值函数为连续无断点函数，将某一层小波系数与该层小波系数阈值比较，当不大于时，削减后的小波系数为0，当大于时，削减后的小波系数为与原小波系数和小波系数阈值有关的函数，所述有关的函数在原小波系数与小波系数阈值相等时值为0，以避免小波系数断点的产生，避免图像非噪声信息丢失，且随着原小波系数幅值的增加削减程度有所降低，以避免对噪声过渡削减破坏图像细节；
去噪重构单元，用于基于各层削减后的小波系数对各层小波分解后的信号进行小波逆变换，重构得到小波去噪后的图像。
在一个可选的示例中，当去噪重构单元去噪后图像的峰值信噪比不满足要求，则阈值设定单元调整所述自适应参数，重新设置小波系数阈值，且小波系数削减单元重新设置对应的阈值函数，对小波分解后的信号进行小波系数削减，所述去噪重构单元基于削减后的小波系数进行小波逆变换，重构得到再次去噪后的图像，直至所述峰值信噪比满足要求。
在一个可选的示例中，所述阈值设定单元基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，具体为：
设置各层的阈值参数：
其中，ui代表第i层的阈值参数，θ为自适应参数；
各层小波系数的阈值为：
其中，Ti代表第i层的小波系数阈值，σn为噪声信号的标准差，Ni代表第i层小波分解后信号的长度。
在一个可选的示例中，所述小波系数削减单元基于所述小波系数阈值设定对应的阈值函数，具体为：
其中，y表示各层分解后的小波系数，T表示各层设置的小波系数阈值，w表示各层削减后的小波系数。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明提供一种基于改进小波阈值的图像去噪方法及系统，在基于小波阈值的去噪算法中采用了一种根据小波分解层数进行相应调整的非全局自适应阈值和一种降低了对较高的小波系数的削减程度的全新的阈值选择函数。非全局阈值能够弥补传统全局阈值在多层小波分解后对各层小波系数统一削减造成的“过扼杀”问题，而全新的阈值选择函数则有小波系数连续且无端点的特点，避免了“振铃”效应的出现。经过实验表明该改进方法相比传统的小波变换去噪能够提高图像的峰值信噪比，取得了良好的效果。
附图说明
图1是本发明实施例提供的基于改进小波阈值的图像去噪方法流程图；
图2是本发明实施例提供的基于改进小波阈值的图像去噪算法流程图；
图3是本发明实施例提供的小波系数阈值随层数的变化曲线图；
图4是本发明实施例提供的基于改进小波阈值的图像去噪系统架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
某港航公司在数字化转型过程中，为了加强安全管控，对驾驶舱等多个船体部位进行自动拍照，用于机器识别。但是由于拍照环境的限制以及拍照器材成本的显示，有些图像并不清晰。在基于小波阈值的去噪算法中采用了一种根据小波分解层数进行相应调整的非全局自适应阈值和一种降低了对较高的小波系数的削减程度的全新的阈值选择函数。非全局阈值能够弥补传统全局阈值在多层小波分解后对各层小波系数统一削减造成的“过扼杀”问题，而全新的阈值选择函数则有小波系数连续且无端点的特点，避免了“振铃”效应的出现。经过实验表明该改进方法相比传统的小波变换去噪能够提高图像的峰值信噪比，取得了良好的效果。
图1是本发明实施例提供的基于改进小波阈值的图像去噪方法流程图，如图1所示，包括如下步骤：
S101，对待去噪的图像进行多层离散小波变换，以对图像进行多层小波分解，以在每层将非噪声信号和噪声信号分离，且高层的信号分离情况相比低层的信号分离情况更明显；
S102，基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，所述阈值随着小波分解的层数增加逐渐减小，以避免对高层的小波系数过度削减，丢失图像的非噪声信息；所述小波系数用于反映所述信号分离情况；
S103，基于所述小波系数阈值设定对应的阈值函数，以对各层的小波系数进行削减；所述阈值函数为连续无断点函数，将某一层小波系数与该层小波系数阈值比较，当不大于时，削减后的小波系数为0，当大于时，削减后的小波系数为与原小波系数和小波系数阈值有关的函数，所述有关的函数在原小波系数与小波系数阈值相等时值为0，以避免小波系数断点的产生，避免图像非噪声信息丢失，且随着原小波系数幅值的增加削减程度有所降低，以避免对噪声过渡削减破坏图像细节；
S104，基于各层削减后的小波系数对各层小波分解后的信号进行小波逆变换，重构得到小波去噪后的图像。
图2是本发明实施例提供的基于改进小波阈值的图像去噪算法流程图；如图2所示，包括如下步骤：
(1)计算图像信号的长度，为横向的像素数乘以竖向的像素数。
(2)采用现有手段估计图像的噪声标准差σn。
(3)进行离散的多层小波变换。
(4)根据改进函数计算各层小波系数的阈值。
(5)根据阈值选择函数对各层小波系数进行削减。
(6)使用小波逆变换重构图像。
(7)计算峰值信噪比PSNR来评价去噪效果，若达到最优点则输出图像，否则进行下一步。
(8)更改自适应参数，进入(4)。
在背景技术中介绍的阈值中有一部分阈值采用的时每一层分解所得小波系数共用的统一阈值，这一处理方法在一些实验环境下能够看出其弊端，在进行小波变换的多层分解时，在后续小波分解中，高层的小波系数中的非噪声信号和噪声信号的分离情况会越来越明显，这一现象的结果就是本申请需要进行削减的系数和不需要削减的系数在高层分解后相差变大。而各层采取相同的阈值的统一阈值在面对这个情况的处理明显是不妥的，因为这会导致在对高层小波系数进行处理时会出现过度削减的现象，处理后的小波系数在重组后图像丢失大量信息。所以本申请希望在计算阈值时加入一个参数能够根据分解层数有针对性的调节阈值高低，将统一阈值转化为局部阈值，同时在增加一个可自行调整的参数以便本申请能够在实验中多次计算来最优化实验结果，其公式如下：
上式中，ui代表第i层的阈值参数，θ为设置的可以自行修改的参数，θ应大于0，用来调整所得阈值的大小。所以，在加入了这个参数后本申请针对各个分解层数的阈值为：
上式中，Ti代表第i层的小波系数阈值，σn为噪声信号的标准差，Ni代表第i层小波分解后信号的长度，图像信号长度计算为长的像素点数量乘以宽的像素点数量。当分解层数越高时，对应的系数的阈值会调整性的降低，如图3所示的改进阈值每一层的阈值变化，其中，图3中横坐标表示层数，纵坐标表述阈值。参见图3，当层数越高时，降低的趋势也逐渐平稳，若为单层的小波分解则与去噪结果普通的通用阈值相同。这种阈值降低的机制就是为了避免对高层小波系数的过多置零导致的图像破坏，这种处理方式理论上可以有效的提高输出图像的完整性。
而阈值函数的削减策略的选取中，本申请面临的问题主要是传统的函数各自的缺陷，例如由于对低幅值的小波系数的置零后系数突变造成的图像信息损失和对于高幅度系数的过高削减造成的图像信号破坏。所以本申请主要希望能够在两种阈值基础上能够减少对高幅值小波系数的削减。提出如下削减策略：
提出此消减策略的依据如下：
(1)函数连续性：
传统函数的缺陷之一就是在系数阈值的断点对于复原后图像的负面影响，而改进函数趋向于T时本申请可以得到以下式子：
由上式可知，该阈值函数在T点具有连续性避免了断点的产生，避免了还原图像的负面影响，弥补了硬阈值函数的缺陷。
(2)恒定差值
由上式可知，在小波系数趋近于无穷时，恒定差值也趋向于0，说明改进的阈值函数同样可以一定程度上弥补软阈值函数的缺陷。
在小波系数的幅值接近阈值T时，该削减策略与Garrote阈值相接近，但是小波系数的幅值越高，其削减的值就进行相应的降低，因为噪声能量在高小波系数的分布一般情况下很少，这种函数可以做到对该系数的保护，减少因为“过扼杀”带来的图像细节破坏。
具体分析如下：
硬阈值函数主要的削减策略是对于绝对值高于规定阈值的小波系数更改为零，绝对值低于规定阈值的小波系数不做变化，设削减前阈值为y，削减后阈值为w，则具体公式如下：
观察函数图像，我们会发现在硬阈值函数在规定阈值处会有断点，出现系数的忽然变化，这个特性会导致图像信息丢失，图像质量遭到破坏。为了弥补这个缺点，研究提出了软阈值的概念。
软阈值函数将高于阈值的系数设置为减去一个值，使得系数曲线更加平滑。其具体公式如下：
软阈值函数优化了硬阈值函数存在系数的断点，避免了去噪图像的“振铃”现象，但是因为对于大于阈值的小波系数的收缩使其也失去了一些图像的非噪声信号，图像也会出现不同程度的模糊现象。
基于硬阈值和软阈值的各自的优势和缺陷，后续研究者在这两种之上提出了一种折衷的改进函数选择，即半软阈值函数，它与只是用一个阈值T的前两个阈值函数不同，它主张使用两个阈值，同时套用两种小波系数的削减策略。当小波系数超过第一个阈值T1没超过第二个阈值T2使采用软阈值函数的削减策略，将其减去T1；若小波系数超过了第二个阈值T2则采用硬阈值函数的削减策略，该系数保持不变。半软阈值函数根据阈值T1和T2的选择会呈现出不同的偏向，两个阈值接近时，会趋向于硬阈值函数，若阈值T2非常高时则会趋向于软阈值函数。半软阈值函数的数学公式表达如下：
通过这种融合前两种阈值函数的方法，一定程度上使得两方的优势都得以保留，在不出现小波系数的条约的情况下，也减轻了对图像信号的过多损失，不过因为其需要不只一个阈值，使得去噪过程中的运算量有所增加，并且两个阈值的合理预估也是一个难以解决的问题。
另一种常用的阈值函数是Garrote阈值，该阈值的改进方法是将软阈值函数直接用超过阈值的小波系数减去阈值修改为减去阈值的平方于系数之间的商，小波系数越高则削减的越少，这个削减相比普通的硬阈值和软阈值函数对图像信号的损失程度要更低一些，其数学公式如下：
但是Garrote阈值无法对小波系数保护，可能存在“过扼杀”对图像细节带来破坏。
峰值信噪比是图像质量进行量化处理的常用参照标准，它采用了信号的最大强度和噪声量之间的比值。峰值信噪比的大小表示原始图像的被破坏程度。峰值信噪比越小，噪声对原始图像的破坏就越严重，图像的信息损失就越明显。
Visushrink阈值也被称为通用阈值，为每一层小波系数设置统一阈值，其阈值公式为：本申请将改进阈值与Visushrink阈值进行对比，并采用相同阈值函数，去噪后的对比结果参见表1：
表1实验中两种阈值去噪的峰值信噪比
可见，本申请中改进的阈值，为不同层设置不同的小波系数阈值其去噪后图像的峰值信噪比明显增加，代表本申请方案图像的去噪效果明显更好。
进一步地，将将改进的阈值选择函数加入去噪算法中代替算法原有的两种传统函数进行比较，选择硬阈值函数、软阈值函数和本文阈值选择函数三种算法，针对四幅图进行去噪，得到三种阈值选择函数去噪的峰值信噪比如表2所示：
表2三种阈值选择函数去噪的峰值信噪比
经过上述实验的数值结果表明，经过改进的阈值和阈值函数的去噪算法相比较于传统的阈值去噪算法，其图像的峰值信噪比明显增加，去噪效果相比现有技术明显提升。
本申请提出了针对VisuShrink阈值的改进，由于本申请使用的多尺度的小波分解策略，所以在分解过后会有多层小波系数，VisuShrink阈值是没有对于多层系数的分别处理的统一阈值，本申请将其改进为了根据分解层数进行对应变化的局部阈值。同时对于阈值选择函数的削减策略，为了避免对于小波系数的过分削减造成的信号损失以及小波系数突变带来的图像破坏。本申请在软阈值函数的基础上对选择函数进行改进，在针对数值较高的小波系数适当降低对它的削减值，整体提升了图像小波去噪效果。
图4是本发明实施例提供的基于改进小波阈值的图像去噪系统架构图，如图4所示，包括：
小波变换单元410，用于对待去噪的图像进行多层离散小波变换，以对图像进行多层小波分解，以在每层将非噪声信号和噪声信号分离，且高层的信号分离情况相比低层的信号分离情况更明显；
阈值设定单元420，用于基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，所述阈值随着小波分解的层数增加逐渐减小，以避免对高层的小波系数过度削减，丢失图像的非噪声信息；所述小波系数用于反映所述信号分离情况；
小波系数削减单元430，用于基于所述小波系数阈值设定对应的阈值函数，以对各层的小波系数进行削减；所述阈值函数为连续无断点函数，将某一层小波系数与该层小波系数阈值比较，当不大于时，削减后的小波系数为0，当大于时，削减后的小波系数为与原小波系数和小波系数阈值有关的函数，所述有关的函数在原小波系数与小波系数阈值相等时值为0，以避免小波系数断点的产生，避免图像非噪声信息丢失，且随着原小波系数幅值的增加削减程度有所降低，以避免对噪声过渡削减破坏图像细节；
去噪重构单元440，用于基于各层削减后的小波系数对各层小波分解后的信号进行小波逆变换，重构得到小波去噪后的图像。
可以理解的是，图4中各个单元的详细功能实现可参见前述方法实施例中的介绍，在此不做赘述。
本领域的技术人员容易理解，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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于改进小波阈值的图像去噪方法，其特征在于，包括如下步骤：
对待去噪的图像进行多层离散小波变换，以对图像进行多层小波分解，以在每层将非噪声信号和噪声信号分离，且高层的信号分离情况相比低层的信号分离情况更明显；
基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，所述阈值随着小波分解的层数增加逐渐减小，以避免对高层的小波系数过度削减，丢失图像的非噪声信息；所述小波系数用于反映所述信号分离情况；基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，具体为：设置各层的阈值参数：其中，ui代表第i层的阈值参数，θ为自适应参数；各层小波系数的阈值为：/>其中，Ti代表第i层的小波系数阈值，σn为噪声信号的标准差，Ni代表第i层小波分解后信号的长度；
基于所述小波系数阈值设定对应的阈值函数，以对各层的小波系数进行削减；所述阈值函数为连续无断点函数，将某一层小波系数与该层小波系数阈值比较，当不大于时，削减后的小波系数为0，当大于时，削减后的小波系数为与原小波系数和小波系数阈值有关的函数，所述有关的函数在原小波系数与小波系数阈值相等时值为0，以避免小波系数断点的产生，避免图像非噪声信息丢失，且随着原小波系数幅值的增加削减程度有所降低，以避免对噪声过渡削减破坏图像细节；基于所述小波系数阈值设定对应的阈值函数，具体为：其中，y表示各层分解后的小波系数，T表示各层设置的小波系数阈值，w表示各层削减后的小波系数；
基于各层削减后的小波系数对各层小波分解后的信号进行小波逆变换，重构得到小波去噪后的图像。
2.根据权利要求1所述的方法，其特征在于，还包括如下步骤：
当去噪后图像的峰值信噪比不满足要求，则调整所述自适应参数，重新设置小波系数阈值和对应的阈值函数，对小波分解后的信号进行小波系数削减，并基于削减后的小波系数进行小波逆变换，重构得到再次去噪后的图像，直至所述峰值信噪比满足要求。
3.一种基于改进小波阈值的图像去噪系统，其特征在于，包括：
小波变换单元，用于对待去噪的图像进行多层离散小波变换，以对图像进行多层小波分解，以在每层将非噪声信号和噪声信号分离，且高层的信号分离情况相比低层的信号分离情况更明显；
阈值设定单元，用于基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，所述阈值随着小波分解的层数增加逐渐减小，以避免对高层的小波系数过度削减，丢失图像的非噪声信息；所述小波系数用于反映所述信号分离情况；所述阈值设定单元基于自适应参数为每一层小波分解后的小波系数设置不同的小波系数阈值，具体为：设置各层的阈值参数：其中，ui代表第i层的阈值参数，θ为自适应参数；各层小波系数的阈值为：/>其中，Ti代表第i层的小波系数阈值，σn为噪声信号的标准差，Ni代表第i层小波分解后信号的长度；
小波系数削减单元，用于基于所述小波系数阈值设定对应的阈值函数，以对各层的小波系数进行削减；所述阈值函数为连续无断点函数，将某一层小波系数与该层小波系数阈值比较，当不大于时，削减后的小波系数为0，当大于时，削减后的小波系数为与原小波系数和小波系数阈值有关的函数，所述有关的函数在原小波系数与小波系数阈值相等时值为0，以避免小波系数断点的产生，避免图像非噪声信息丢失，且随着原小波系数幅值的增加削减程度有所降低，以避免对噪声过渡削减破坏图像细节；所述小波系数削减单元基于所述小波系数阈值设定对应的阈值函数，具体为：其中，y表示各层分解后的小波系数，T表示各层设置的小波系数阈值，w表示各层削减后的小波系数；
去噪重构单元，用于基于各层削减后的小波系数对各层小波分解后的信号进行小波逆变换，重构得到小波去噪后的图像。
4.根据权利要求3所述的系统，其特征在于，当去噪重构单元去噪后图像的峰值信噪比不满足要求，则阈值设定单元调整所述自适应参数，重新设置小波系数阈值，且小波系数削减单元重新设置对应的阈值函数，对小波分解后的信号进行小波系数削减，所述去噪重构单元基于削减后的小波系数进行小波逆变换，重构得到再次去噪后的图像，直至所述峰值信噪比满足要求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211279492.3A CN115601262B (zh) | 2022-10-19 | 2022-10-19 | 一种基于改进小波阈值的图像去噪方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211279492.3A CN115601262B (zh) | 2022-10-19 | 2022-10-19 | 一种基于改进小波阈值的图像去噪方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115601262A CN115601262A (zh) | 2023-01-13 |
| CN115601262B true CN115601262B (zh) | 2023-07-18 |
Family
ID=84848789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211279492.3A Active CN115601262B (zh) | 2022-10-19 | 2022-10-19 | 一种基于改进小波阈值的图像去噪方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115601262B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108158573A (zh) * | 2017-12-26 | 2018-06-15 | 智慧康源（厦门）科技有限公司 | 基于自适应阈值小波变换的心电信号降噪方法 |
| CN108596848A (zh) * | 2018-04-20 | 2018-09-28 | 西南交通大学 | 一种基于改进小波阈值函数的图像去噪方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2975501A (en) * | 2000-01-24 | 2001-07-31 | Sony Electronics Inc. | A method and apparatus of creating application-specific, non-uniform wavelet transforms |
| US7260272B2 (en) * | 2003-07-10 | 2007-08-21 | Samsung Electronics Co.. Ltd. | Method and apparatus for noise reduction using discrete wavelet transform |
| KR101129466B1 (ko) * | 2010-10-29 | 2012-03-28 | 주식회사 우진 | 웨이블렛 스레스홀딩 함수와 4차 모멘트를 이용한 회전기계의 상태 진단 방법 |
| CN103854264B (zh) * | 2014-03-28 | 2016-05-11 | 中国石油大学(华东) | 一种基于改进型阈值函数的小波变换图像去噪方法 |
| CN105913393B (zh) * | 2016-04-08 | 2018-08-17 | 暨南大学 | 一种自适应小波阈值图像去噪方法及装置 |
| CN107886078B (zh) * | 2017-11-20 | 2021-03-16 | 北京工业大学 | 一种基于分层自适应阈值函数的小波阈值降噪方法 |
-
2022
- 2022-10-19 CN CN202211279492.3A patent/CN115601262B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108158573A (zh) * | 2017-12-26 | 2018-06-15 | 智慧康源（厦门）科技有限公司 | 基于自适应阈值小波变换的心电信号降噪方法 |
| CN108596848A (zh) * | 2018-04-20 | 2018-09-28 | 西南交通大学 | 一种基于改进小波阈值函数的图像去噪方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115601262A (zh) | 2023-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Reeve III et al. | Reduction of blocking effects in image coding | |
| USRE41423E1 (en) | Decoding apparatus including a filtering unit configured to filter an image based on comparison of difference between selected pixels | |
| US8107765B2 (en) | Block-based image restoration system and method | |
| US7076111B2 (en) | Image processing apparatus, image processing method, storage medium, and program | |
| CN108596848B (zh) | 一种基于改进小波阈值函数的图像去噪方法 | |
| Lee et al. | Regression-based prediction for blocking artifact reduction in JPEG-compressed images | |
| Atto et al. | Smooth sigmoid wavelet shrinkage for non-parametric estimation | |
| CN115601262B (zh) | 一种基于改进小波阈值的图像去噪方法及系统 | |
| Fan et al. | JPEG decompression with reduced artifacts | |
| Qian | Removing of salt-and-pepper noise in images based on adaptive median filtering and improved threshold function | |
| CN112750090A (zh) | 一种改进小波阈值的水下图像降噪方法及系统 | |
| Wong et al. | A perceptually adaptive approach to image denoising using anisotropic non-local means | |
| JP2000106630A (ja) | ディジタル画像の雑音除去方法 | |
| US6408104B1 (en) | Method and apparatus for eliminating noise in a video signal encoder | |
| Hong et al. | Subband adaptive regularization method for removing blocking effect | |
| Diwakar et al. | An Enhanced MoBayesShrink Thresholding for Medical Image Denoising | |
| Lim | Reduction of blocking effects in image coding | |
| Lee et al. | Image enhancement based on signal subspace approach | |
| Luo et al. | Image enhancement for low bit rate wavelet-based compression | |
| Yao et al. | Post-processing for removing coding artifacts using edge-preserving regularization | |
| Gupta et al. | Significance of Synaptic Conductance in Parkinson's State of Basal Ganglia's STN-Gpe Model. | |
| Peng et al. | Blind median filtering detection using auto-regressive model and Markov chain | |
| CN117593210A (zh) | 一种改进小波阈值及阈值函数的图像去噪方法 | |
| Du et al. | A new algorithm for removing compression artifacts of wavelet-based image | |
| KK et al. | Denoising of Natural Images using Modified VISUShrink on Shearlet Transform. |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |