專利名稱：一種Contourlet變換域的圖像降噪方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種Contourlet(輪廓小波)變換域的圖像降噪方法，該方法在Contourlet變換域中采用非線性Bayesian(貝葉斯)閾值估計(jì)法進(jìn)行降噪，提高圖像質(zhì)量。在軍事領(lǐng)域和非軍事領(lǐng)域如光學(xué)成像、目標(biāo)檢測、安全監(jiān)控等系統(tǒng)中均有廣泛應(yīng)用。
背景技術(shù)：
通常，圖像在其獲取或傳輸過程中都會(huì)受到不同程度的噪聲污染，為了后續(xù)的進(jìn)一步處理，很有必要進(jìn)行降噪處理。降噪的目的就是盡可能地濾出噪聲，同時(shí)最大限度地保留圖像的所有特征信息，以提高圖像的恢復(fù)質(zhì)量。目前，圖像降噪方法主要分為線性濾波和非線性濾波兩大類。傳統(tǒng)的大部分濾波方法屬于前者，如Wiener(維納)濾波等。而在非線性濾波方法中，以基于小波變換的收縮閾值降噪方法最具代表性。由于信號經(jīng)過小波變換后，信號主要集中在少數(shù)絕對幅值較大的小波系數(shù)上，而噪聲則散布在一些絕對幅值較小的小波系數(shù)上，因此，可以利用收縮閾值對小波系數(shù)進(jìn)行降噪，達(dá)到降噪的目的。
基于小波變換的收縮閾值降噪方法得益于小波變換將圖像中主要的、重要的信息集中在少數(shù)的小波系數(shù)上。但是，由一維小波通過張量積形成的二維可分離小波變換只能有效地表示一維奇異信息即點(diǎn)奇異信息，而不能有效地描述圖像中的二維或高維奇異信息，如線、輪廓等重要信息，從而制約了小波降噪方法的性能。Contourlet變換作為一種新的信號分析工具，解決了小波變換不能有效表示二維或更高維奇異性的缺點(diǎn)，能準(zhǔn)確地將圖像中的邊緣捕獲到不同尺度、不同頻率、不同方向的子帶中。它不僅具有小波變換的多尺度特性，還具有小波變換不具有的方向性和各向異性，因此能很好地應(yīng)用于包括圖像降噪在內(nèi)的圖像處理中。但是，這些方法只是簡單地選用通用閾值來截取信號，進(jìn)行降噪，而沒有考慮Contourlet域系數(shù)的分布特點(diǎn)，因此，這些算法并不是最優(yōu)的。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有圖像降噪方法存在的不足，提出了一種Contourlet變換域的圖像降噪方法，該方法在Contourlet變換域中采用非線性Bayesian閾值估計(jì)法進(jìn)行降噪，提高圖像質(zhì)量。
為了達(dá)到上述目的，本發(fā)明采用下述技術(shù)方案一種Contourlet變換域的圖像降噪方法。其特征在于首先對輸入的帶噪圖像進(jìn)行循環(huán)平移后，利用Contourlet變換對輸入的帶噪圖像進(jìn)行多尺度、多方向的稀疏分解，并在Contourlet變換域利用最小Bayesian風(fēng)險(xiǎn)函數(shù)來估計(jì)Contourlet域系數(shù)；其次進(jìn)行Contourlet逆變換和相應(yīng)平移量的逆循環(huán)平移，得到此次平移后的降噪圖像；然后重復(fù)前面的步驟，并對每次得到的降噪圖像進(jìn)行線性平均，得到最終的降噪圖像，達(dá)到圖像降噪的目的。
上述降噪方法的具體步驟如下①初始化設(shè)置。令i＝0，j＝0，設(shè)定行方向和列方向上的最大平移量N1和N2。同時(shí)設(shè)定Contourlet變換的中LP分解層數(shù)K和每層中的方向分解數(shù)Lk；②對輸入的帶噪圖像I在行和列方向上進(jìn)行循環(huán)平移，得到平移圖像Sij＝Ci，j(I)， (1)其中i∈(0，N1)和j∈(0，N2)分別為行方向和列方向上的平移量；③對得到的平移圖像Sij進(jìn)行多尺度、多方向的Contourlet稀疏分解，即[Slf,Shf(1,1),Λ,Shf(1,L1),Shf(2,1),Λ,Shf(K,Lk)]=T(Sij),---(2)]]>其中T(·)為Contourlet變換。從而得到一幅低頻子圖像Slf和一系列具有不同分辨率的高頻子圖像Shf(k，l)，其中k∈(1，K)和l∈(1，Lk)標(biāo)明子圖像位于第k層LP(拉普拉斯塔式分解)的第l方向；④對Contourlet變換后的高頻子圖像Shf(k，l)進(jìn)行閾值降噪處理，得到降噪子圖像，SDhf(k,l)=Λ(Shf(k,l),TB),---(3)]]>其中，Λ(·)為閾值函數(shù)，本文選用軟閾值函數(shù)Λ(·)＝sgn(·)max(·，TB)，TB為閾值參數(shù)。閾值參數(shù)的選取至關(guān)重要，由于圖像的Contourlet域系數(shù)服從廣義高斯分布(GGD)，滿足Bayes估計(jì)方法的假定條件——信號服從廣義高斯分布。因此，本文利用基于Bayesian估計(jì)的閾值估計(jì)方法，估計(jì)閾值參數(shù)；⑤對第④步中得到的所有降噪高頻子圖像SDhf(k，l)和第③步中得到的低頻子圖像Slf實(shí)施Contourlet逆變換，得到在行方向和列方向上分別平移i和j后的降噪圖像，Si,jnf=T-1(Slf,SDhf(1,1),Λ,SDhf(1,L1),SDhf(2,1),Λ,SDhf(K,Lk)),---(4)]]>其中，T-1(·)為Contourlet逆變換；⑥對第5步中得到的圖像Si，jnf進(jìn)行相應(yīng)平移量的逆向循環(huán)平移，有Ii,jnf=C-i,-j(Si,jnf).---(5)]]>⑦重復(fù)步驟2至6，直到i＝N1和j＝N2為止，停止重復(fù)；⑧對得到的所有Si，jnf(i＝0，Λ，N1；j＝0，Λ，N2)求平均，得到降噪圖像g^CT=1N1N2Σi=0,j=0N1,N2Ii,jnf.---(6)]]>上述的基于貝葉斯估計(jì)的自適應(yīng)閾值，即TB=σn2/σx.]]>具體估計(jì)步驟為(a)對于噪聲標(biāo)準(zhǔn)差σn，采用魯棒性的中值估計(jì)，σ^n=10.6745LKΣi=1LKmedian(|Shf(K,i)|),---(7)]]>其中Shf(K，i)(i＝1ΛLK)為最高頻率系數(shù)；(b)由σy2=σx2+σn2,]]>有σ^x=max(σ^y2-σ^n2,0),---(8)]]>其中，σ^y2=1MNΣm=1MΣn=1NShf(k,i)(m,n),]]>Shf(k，i)是所考慮的高頻系數(shù)；(c)因此可得，閾值參數(shù)TB=σn2/σx.]]>本發(fā)明方法與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實(shí)質(zhì)性特點(diǎn)和顯著優(yōu)點(diǎn)本發(fā)明提供的Contourlet變換域的圖像降噪方法是首先對輸入的帶噪圖像進(jìn)行一定量的循環(huán)平移后，利用Contourlet變換對輸入的帶噪圖像進(jìn)行多尺度、多方向的稀疏分解，并在Contourlet變換域利用最小Bayesian風(fēng)險(xiǎn)函數(shù)來估計(jì)Contourlet域系數(shù)，其次進(jìn)行Contourlet逆變換和相應(yīng)平移量的逆循環(huán)平移，得到此次平移后的降噪圖像。然后重復(fù)前面的步驟，并對每次得到的降噪圖像進(jìn)行線性平均，得到最終的降噪圖像，達(dá)到圖像降噪的目的。具體特點(diǎn)和優(yōu)點(diǎn)為(1)針對現(xiàn)有最具有代表性的小波域閾值降噪方法中小波變換的缺點(diǎn)—不能有效地表示圖像中的二位或高維奇異性，將Contourlet變換應(yīng)用到圖像降噪中，進(jìn)行多尺度、多方向分解，為后續(xù)降噪過程提供稀疏的圖像描述系數(shù)。
(2)對現(xiàn)有圖像降噪技術(shù)存在的不足，提出了Contourlet變換域的圖像降噪方法。
(3)由于閾值參數(shù)的選取，對方法降噪效果至關(guān)重要。針對這一問題，根據(jù)圖像的Contourlet域系數(shù)服從廣義高斯分布(GGD)，滿足Bayes估計(jì)方法的假定條件——信號服從廣義高斯分布，本發(fā)明方法利用基于Bayesian估計(jì)的閾值估計(jì)方法，估計(jì)閾值參數(shù)。
(4)Contourlet域基于Bayes估計(jì)方法估計(jì)得到的閾值參數(shù)TB=σn2/σx]]>具有自適應(yīng)特性，能有效地跟蹤信號的變化，從而能有效地去除噪聲分量。
本發(fā)明提供的圖像降噪方法能提高降噪圖像的質(zhì)量、提供更加全面、準(zhǔn)確的目標(biāo)和背景信息，達(dá)到較理想的降噪效果。在軍事領(lǐng)域和非軍事領(lǐng)域如光學(xué)成像、目標(biāo)檢測、安全監(jiān)控等系統(tǒng)中均有廣泛應(yīng)用前景。


圖1為本發(fā)明一個(gè)實(shí)施例的圖像降噪方法框圖。
圖2是圖1示例降噪結(jié)果照片圖。圖中，(a)到(h)分別為輸入圖像受到不同噪聲污染情況下的降噪結(jié)果，噪聲強(qiáng)度分別為15、20、25、30、35、40、45和50。(a)到(h)中的第一幅圖為受噪聲污染的輸入，第二幅圖為采用本發(fā)明方法降噪后的降噪圖像。
具體實(shí)施例方式
本發(fā)明的一個(gè)優(yōu)選實(shí)施例結(jié)合附圖祥述如下本Contourlet變換域的圖像降噪方法，如圖1所示。首先對輸入的帶噪圖像進(jìn)行一定量的循環(huán)平移后，利用Contourlet變換對輸入的帶噪圖像進(jìn)行多尺度、多方向的稀疏分解，并在Contourlet變換域利用最小Bayesian風(fēng)險(xiǎn)函數(shù)來估計(jì)Contourlet域系數(shù)，其次進(jìn)行Contourlet逆變換和相應(yīng)平移量的逆循環(huán)平移，得到此次平移后的降噪圖像。然后重復(fù)前面的步驟，并對每次得到的降噪圖像進(jìn)行線性平均，得到最終的降噪圖像，達(dá)到圖像降噪的目的。
具體步驟為
①初始化設(shè)置。令i＝0，j＝0，設(shè)定行方向和列方向上的最大平移量N1和N2。同時(shí)設(shè)定Contourlet變換的中LP分解層數(shù)K和每層中的方向分解數(shù)Lk；②對輸入的帶噪圖像I在行和列方向上進(jìn)行循環(huán)平移，得到平移圖像Sij＝Ci，j(I)，其中i∈(0，N1)和j∈(0，N2)分別為行方向和列方向上的平移量；③對得到的平移圖像Sij進(jìn)行多尺度、多方向的Contourlet稀疏分解，即[Slf,Shf(1,1),Λ,Shf(1,L1),Shf(2,1),Λ,Shf(K,Lk)]=T(Sij),]]>其中T(·)為Contourlet變換。從而得到一幅低頻子圖像Slf和一系列具有不同分辨率的高頻子圖像Shf(k，l)，其中k∈(1，K)和l∈(1，Lk)標(biāo)明子圖像位于第k層LP(拉普拉斯塔式分解)的第l方向；④對Contourlet變換后的高頻子圖像Shf(k，l)進(jìn)行閾值降噪處理，得到降噪子圖像，SDhf(k,l)=Λ(Shf(k,l),TB),]]>其中，Λ(·)為閾值函數(shù)，本文選用軟閾值函數(shù)Λ(·)＝sgn(·)max(·，TB)，TB為閾值參數(shù)。閾值參數(shù)的選取至關(guān)重要，由于圖像的Contourlet域系數(shù)服從廣義高斯分布(GGD)，滿足Bayes估計(jì)方法的假定條件——信號服從廣義高斯分布。因此，本文利用基于Bayesian估計(jì)的閾值估計(jì)方法，估計(jì)閾值參數(shù)?；谪惾~斯估計(jì)的自適應(yīng)閾值，即TB=σn2/σx.]]>具體估計(jì)步驟為A.對于噪聲標(biāo)準(zhǔn)差σn，采用魯棒性的中值估計(jì)，σ^n=10.6745LKΣi=1LKmedian(|Shf(K,i)|),]]>其中Shf(k，i)(i＝1ΛLK)為最高頻率系數(shù)；B.由σy2=σx2+σn2,]]>有σ^x=max(σ^y2-σ^n2,0),]]>其中，σ^y2=1MNΣm=1MΣn=1NShf(k,i)(m,n),]]>Shf(k，i)是所考慮的高頻系數(shù)；
C.因此可得，閾值TB=σn2/σx.]]>⑤對第④步中得到的所有降噪高頻子圖像SDhf(k，l)和第③步中得到的低頻子圖像Slf實(shí)施Contourlet逆變換，得到在行方向和列方向上分別平移i和j后的降噪圖像，Si,jnf=T-1(Slf,SDhf(1,1),Λ,SDhf(1,L1),SDhf(2,1),Λ,SDhf(K,Lk)),]]>其中，T-1(·)為Contourlet逆變換；⑥對第⑤步中得到的圖像Si，jnf進(jìn)行相應(yīng)平移量的逆向循環(huán)平移，有Ii,jnf=C-i,-j(Si,jnf).]]>⑦重復(fù)步驟②至⑥，直到i＝N1和j＝N2為止，停止重復(fù)；⑧對得到的所有Si，jnf(i＝0，Λ，N1；j＝0，Λ，N2)求平均，得到降噪圖像g^CT=1N1N2Σi=0,j=0N1,N2Ii,jnf.]]>從圖2可以看出，本圖像降噪方法更好地降低圖像中的噪聲信號，保護(hù)了圖像中的重要細(xì)節(jié)信息，提高了圖像的質(zhì)量。
表1給出了本發(fā)明降噪方法降噪結(jié)果的客觀評價(jià)指標(biāo)。
表中采用了峰值信噪比(PSNR)和最小均方誤差(MSE)來衡量降噪圖像的質(zhì)量，進(jìn)而評價(jià)降噪方法的優(yōu)劣。
從表中可以看出，本圖像降噪方法無論是在PSNR方面，還是在MSE方面，均能取得很好的降噪效果，有效地降低圖像中的噪聲信號，提高圖像質(zhì)量。
總之，無論是從人眼視覺效果，還是從客觀評價(jià)指標(biāo)，均表明本發(fā)明方法更好地降低圖像中的噪聲信號，保護(hù)了圖像中的重要細(xì)節(jié)信息，提高了圖像的質(zhì)量。
表1標(biāo)準(zhǔn)Barbara灰度圖像的降噪結(jié)果

權(quán)利要求
1.一種Contourlet變換域的圖像降噪方法，其特征在于首先對輸入的帶噪圖像進(jìn)行循環(huán)平移后，利用Contourlet變換對輸入的帶噪圖像進(jìn)行多尺度、多方向的稀疏分解，并在Contourlet變換域利用最小Bayesian風(fēng)險(xiǎn)函數(shù)來估計(jì)Contourlet域系數(shù)；其次，進(jìn)行Contourlet逆變換和相應(yīng)平移量的逆循環(huán)平移，得到此次平移后的降噪圖像；然后，重復(fù)前面的步驟，并對每次得到的降噪圖像進(jìn)行線性平均，得到最終的降噪圖像。
2.根據(jù)權(quán)利要求1所述的Contourlet變換域的圖像降噪方法，其特征在于①初始化設(shè)置。令i＝0，j＝0，設(shè)定行方向和列方向上的最大平移量N1和N2。同時(shí)設(shè)定Contourlet變換的中LP分解層數(shù)K和每層中的方向分解數(shù)Lk；②對輸入的帶噪圖像I在行和列方向上進(jìn)行循環(huán)平移，得到平移圖像Sij＝Ci，j(I)，其中i∈(0，N1)和j∈(0，N2)分別為行方向和列方向上的平移量；③對得到的平移圖像Sij進(jìn)行多尺度、多方向的Contourlet稀疏分解，即[Slf,Shf(1,1),Λ,Shf(1,L1),Shf(2,1),Λ,Shf(K,LK)]=T(Sij),]]>其中T(·)為Contourlet變換。從而得到一幅低頻子圖像Slf和一系列具有不同分辨率的高頻子圖像Shf(k，l)，其中k∈(1，K)和l∈(1，Lk)標(biāo)明子圖像位于第k層LP(拉普拉斯塔式分解)的第l方向；④對Contourlet變換后的高頻子圖像Shf(k，l)進(jìn)行閾值降噪處理，得到降噪子圖像，SD hf(k,l)=Λ(Shf(k,l),TB),]]>其中，Λ(·)為閾值函數(shù)，TB為閾值參數(shù)，以Bayesian估計(jì)閾值方法估計(jì)閾值參數(shù)TB；⑤對第④步中得到的所有降噪高頻子圖像SD hf(k，l)和第③步中得到的低頻子圖像Slf實(shí)施Contourlet逆變換，得到在行方向和列方向上分別平移i和j后的降噪圖像，Si,jnf=T-1(Slf,SD hf(1,1),Λ,SD hf(1,L1),SD hf(2,1),Λ,SD hf(K,LK)),]]>其中，T-1(·)為Contourlet逆變換；⑥對第⑤步中得到的圖像Si，jnf進(jìn)行相應(yīng)平移量的逆向循環(huán)平移，有Ii,jnf=C-i,-j(Si,jnf).]]>⑦重復(fù)步驟②至⑥，直到i＝N1和j＝N2為止，停止重復(fù)。⑧對得到的所有Si，jnf(i＝0，Λ，N1；j＝0，Λ，N2)求平均，得到降噪圖像g^CT=1N1N2Σi=0,j=0N1,N2Ii,jnf.]]>
3.根據(jù)權(quán)利要求1所述的Contourlet變換域的圖像降噪方法，其特征在于所述的以Bayesian估計(jì)閾值方法估計(jì)閾值參數(shù)TB的步驟為(a)對于噪聲標(biāo)準(zhǔn)差σn，采用魯棒性的中值估計(jì)，σ^n=10.6745LKΣi=1LKmedian(|Shf(K,i)|),]]>其中Shf(K，i)(i＝1L Lk)為最高頻率系數(shù)；(b)由σy2=σx2+σn2,]]>有σ^x=max(σ^y2-σ^n2,0),]]>其中，σ^y2=1MNΣm=1MΣn=1NShf(k,i)(m,n),]]>Shf(k，i)是所考慮的高頻系數(shù)；(c)因此可得，閾值參數(shù)TB=σn2/σx.]]>
全文摘要
本發(fā)明涉及一種Contourlet變換域的圖像降噪方法。本方法首先對輸入的帶噪圖像進(jìn)行循環(huán)平移后，利用Contourlet變換對輸入的帶噪圖像進(jìn)行多尺度、多方向的稀疏分解，并在Contourlet變換域利用最小Bayesian風(fēng)險(xiǎn)函數(shù)來估計(jì)Contourlet域系數(shù)，其次，進(jìn)行Contourlet逆變換和相應(yīng)平移量的逆循環(huán)平移，得到此次平移后的降噪圖像；然后重復(fù)前面的步驟，并對每次得到的降噪圖像進(jìn)行線性平均，得到最終的降噪圖像。本發(fā)明提供的圖像降噪方法能提高降噪圖像的質(zhì)量，提供更加全面、準(zhǔn)確的目標(biāo)和背景信息，達(dá)到較理想的降噪效果，適用于軍事領(lǐng)域或非軍事領(lǐng)域的光學(xué)成像、目標(biāo)檢測和安全監(jiān)控等系統(tǒng)中。
文檔編號G06T5/00GK1920881SQ20061003075
公開日2007年2月28日 申請日期2006年9月1日 優(yōu)先權(quán)日2006年9月1日
發(fā)明者方勇, 劉盛鵬, 羅偉棟 申請人:上海大學(xué)