基于Context模型和双树复小波变换的水下声纳图像的去噪方法.pdf

(19)中华人民共和国国家知识产权局*CN102903083A*(12)发明专利申请(10)申请公布号CN102903083A(43)申请公布日2013.01.30(21)申请号201210358865.6(22)申请日2012.09.25(71)申请人哈尔滨工程大学地址150001黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室(72)发明人李一兵张静叶方汤春瑞付强李一晨李骜田雪怡(51)Int.Cl.G06T5/00(2006.01)权利要求书权利要求书2页2页说明书说明书66页页附图附图33页(54)发明名称基于Context模型和双树复小波变换的水下声纳图像的去噪方法(57)摘要本发明的目的在于提供基于Context模型和双树复小波变换的水下声纳图像的去噪方法，包括如下步骤：对水下声纳图像进行双树复小波分解，图像经四层双树复小波分解后获得的低频近似分量保持不变，对图像的高频分量进行去噪处理，对处理后的复小波系数进行双树复小波反变换，获得最终去噪后的图像。本发明采用Context模型衡量双树复小波系数之间能量的相似性，将能量相接近的系数归类，针对每一类系数确定不同的阈值，并结合软阈值函数实现噪声的去除。优化了阈值的选取，在去除噪声的同时保留了更多的图像细节，抑制了系数被过扼杀的现象。CN102938ACN102903083A权利要求书1/2页1.基于Context模型和双树复小波变换的水下声纳图像的去噪方法，其特征是：（1）对水下声纳图像进行双树复小波分解，分解层数为四层：图像经过四层双树复小波变换，获得一个低频近似分量和四个尺度下的高频分量，yl代表经过4层分解后图像的低频近似分量的系数矩阵，yhk分别表示第一、二、三、四层的高频分量，k＝1,2,3，4，每一层高频分量包含6个复系数矩阵，分别代表该尺度下双树复小波变换分解的6个方向的高频细节信息；（2）保留图像分解后的低频分量yl；（3）对图像分解的四层高频分量yh1、yh2、yh3和yh4进行去噪处理：1）图像的第一层高频分量yh1和第二层高频分量yh2，采用非线性软阈值方法进行去噪处理；2）图像的第三层高频分量yh3和第四层高频分量yh4，采用Context模型对系数进行分类，针对每一类系数确定各自的阈值，结合软阈值函数进行去噪处理：①获取图像的第三层高频分量yh3中六个复系数矩阵的实部和虚部系数；图像的第三层高频分量yh3同样由六个复系数矩阵组成，每一个系数矩阵代表着该尺度下图像6个方向的高频信息，yh3(d)(d＝1,2,..,6)表示该尺度下任意一个方向的复系数矩阵，它的实部和虚部系数分别为：a3(d)＝real(yh3(d))(d＝1,2,...,6)b3(d)＝imag(yh3(d))(d＝1,2,...,6)a3(d)和b3(d)表示第三层高频分量的任意一个方向复系数的实数和虚数部分，实现后续对获得的实部和虚部分别进行处理；②利用Context模型对系数进行分类；用Context模型来衡量变换系数的能量的接近程度，首先计算出每个系数的Context值Z(i,j)：Z(i,j)＝2×(|Y(i-1,j-1)|+|Y(i-1,j)|+|Y(i-1,j+1)|+|Y(i,j-1)|+|Y(i,j)|+|Y(i,j+1)|+|Y(i+1,j-1)|+|Y(i+1,j)|+|Y(i+1,j+1)|))/9式中i,j表示变换系数在矩阵中的位置，Y表示实数部分或虚数部分，利用上式计算所有方向的复系数的实部和虚部的Context值，将Context值分类，在Context值小于20时，每隔5分一级，20以后增大分级间隔；③确定阈值：选取经Context模型分类后a3(4)系数进行阈值估计，确定每一类系数的阈值：2首先估计噪声的标准差σn，计算噪声的能量σn，然后求取每一类系数的方差，再根据下式获得信号的能量22σx＝var(y)-σn式中y是每一类系数，var(y)是求解y的方差，最后采用Bayes阈值估计方法确定每一类系数的阈值T：式中r是可调节参数；④对任意方向经Context模型分类后的变换系数的实部和虚部分别采用软阈值函数2CN102903083A权利要求书2/2页式进行滤波处理；每一类系数所选取的阈值由式确定，经过处理后的实部和虚部系数表示为a13(d)(d＝1,2，...,6)和b13(d)(d＝1,2，...,6)；⑤将处理后的实部和虚部系数重新组合，获得处理后的复系数，复系数表达式为：yh3(d)＝a13(d)+b13(d)×i(d＝1,2,...,6)式中i表示虚数单位；⑥对图像分解的第四层高频分量按照步骤①-⑤进行处理；（4）对处理后的复小波系数进行双树复小波反变换，获得最终去噪后的图像。2.根据权利要求1所述的基于Cont