预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103854258103854258A(43)申请公布日2014.06.11(21)申请号201210521031.2(22)申请日2012.12.07(71)申请人山东财经大学地址250014山东省济南市历下区二环东路7366号(72)发明人沈晓红张彩明刘慧张云峰何军(51)Int.Cl.G06T5/00(2006.01)权权利要求书2页利要求书2页说明书6页说明书6页附图3页附图3页(54)发明名称一种基于Contourlet变换自适应方向阈值的图像去噪方法(57)摘要本发明公开了一种基于Contourlet变换自适应方向阈值的图像去噪方法,属于图像技术领域。本发明采用与子带能量聚集方向一致的椭圆方向邻域,计算自适应方向阈值。步骤为:(1)输入含噪图像I;(2)对I进行Contourlet变换;(3)利用椭圆方向邻域,估计系数的局部信号方向能量;(4)根据局部信号方向能量与尺度信号平均能量,计算系数的方向能量因子;(5)基于贝叶斯准则,用方向能量因子对贝叶斯阈值修正,得到自适应方向阈值;(6)按照软阈值规则,利用自适应方向阈值对含噪系数进行阈值萎缩;(7)用萎缩系数进行Contourlet逆变换,得到去噪图像。本发明可以有效去除噪声,并可保留较清晰图像细节。CN103854258ACN1038542ACN103854258A权利要求书1/2页1.一种基于Contourlet变换自适应方向阈值的图像去噪方法,其特征在于:(1)输入含噪图像I;(2)对I进行Contourlet变换;(3)利用局部方向邻域,估计子带系数的局部信号方向能量;(4)根据局部信号方向能量与尺度信号平均能量,计算系数的方向能量因子;(5)基于贝叶斯准则,用方向能量因子对贝叶斯阈值修正,得到每个系数的自适应方向阈值;(6)按照软阈值化规则,利用自适应方向阈值对含噪系数进行阈值萎缩;(7)用萎缩后系数进行Contourlet逆变换,得到去噪后的图像。2.根据权利要求1所述的基于Contourlet变换自适应方向阈值的图像去噪方法,其特征在于:所述在估计子带系数的局部信号方向能量时,为j尺度k方向子带定义椭圆形状的局部方向邻域Wjk,记为其中,r≥1,a≥1,θj,k为椭圆窗方向,k=1,2,...,K,K为j尺度分解的方向总数,θ∈[-π,π];利用子带椭圆方向邻域提取的邻域系数,子带系数的局部信号方向能量估计方法为:其中,为椭圆方向邻域系数个数,(m,n)为子带系数的空间位置。3.根据权利要求1或2所述的基于Contourlet变换自适应方向阈值的图像去噪方法,其特征在于:所述在计算系数的方向能量因子时,对每个系数,定义其方向能量因子d为其中,尺度信号平均能量K为j尺度分解的方向总数。4.根据权利要求1或3所述的基于Contourlet变换自适应方向阈值的图像去噪方法,其特征在于:所述自适应方向阈值的计算方法为:其中,j、k分别为子带的尺度索引和方向索引,(m,n)为系数在子带中的位置索引,为子带系数的信号标准差,为噪声标准差,d为系数的方向能量因子。5.根据权利要求1或4所述的基于Contourlet变换自适应方向阈值的图像去噪方法,其特征在于:2CN103854258A权利要求书2/2页所述软阈值萎缩规则为:其中,sgn(·)为符号函数,T为自适应方向阈值。3CN103854258A说明书1/6页一种基于Contourlet变换自适应方向阈值的图像去噪方法(一)技术领域[0001]本发明涉及图像处理技术领域,具体涉及一种基于Contourlet变换自适应方向阈值的图像去噪方法。(二)背景技术[0002]在当今信息时代,数字图像已经成为计算机处理的重要数据来源。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响。如,医学图像、显微图像、遥感图像、航拍图像都带有较强的噪声。为了后续目标识别与分析的准确度,大量的图像需要进行去噪处理,这增加了对图像去噪技术的迫切需要。[0003]所谓图像去噪,是指减少数字图像中的噪声水平,并尽可能保持图像细节信息的一种基本操作。图像去噪作为一种基本的图像预处理过程,有着广泛的应用背景。传统的图像去噪方法有空域法和基于小波变换的方法。但传统的小波基并不具备各向异性尺度关系,不是表示图像的最优基。Contourlet变换作为一种新的信号分析工具,以“轮廓线段”为单位分析图像,能够更有效地表示图像中的边缘和纹理信息。图像经Contourlet变换分解后,得到一系列不同尺度、不同方向的子带系数。大部分的信号能量集中在低频子带;高频子带仅包含少量的边缘信息。由于该变换具有强大的边缘轮廓捕捉能力,高频子带系数是相