一種圖像去噪方法
【專利摘要】本發明涉及圖像處理領域，尤其涉及一種圖像去噪方法。本發明采用小波變換法，把原始圖像分解為高頻和低頻部分，針對不同頻率段進行不同的濾波，有效地去除圖像噪聲，雙邊濾波與小波變換降噪結合的方法在去除圖像噪聲的同時，也較好地保持了圖像所包含的細節信息，可提供較好的視覺效果，優于單一雙邊濾波或小波變換降噪方法。
【專利說明】
一種圖像去噪方法
技術領域
[0001] 本發明涉及圖像處理領域，尤其涉及一種圖像去噪方法。
【背景技術】
[0002] 圖像增強處理技術已廣泛用于眾多學科及工程領域，去除圖像噪聲（圖像去噪）是 圖像處理領域中一項十分關鍵的技術，目前圖像去噪方法主要是空域去噪法和頻域去噪 法，基于空間域的圖像去噪的方法是利用鄰域像素值的加權平均可以得到圖像中某點的理 想像素值，其中均值濾波，中值濾波和高斯濾波等都是運用上述原理的特定方法。然而，空 間域和頻率域的圖像去噪方法的缺點是在去除噪聲的同時會模糊甚至破壞圖像的邊緣信 息。

【發明內容】

[0003] 針對現有技術存在的問題，現提供了 一種圖像去噪方法。
[0004] 具體的技術方案如下：
[0005] -種圖像去噪方法，包括：
[0006] 步驟Sl，采集原始圖像；
[0007] 步驟S2,將所述原始圖像進行二維離散小波變換，分解為低頻子圖和高頻子圖；
[0008] 步驟S3,對所述高頻子圖進行雙邊濾波處理，輸出濾波圖像；
[0009] 步驟S4,利用所述濾波圖像和所述低頻子圖像進行小波逆變換以構建去噪圖像。
[0010] 優選的，所述步驟Si具體包括：
[0011] 步驟Sll，采用帶有紅外發光管的紅外線夜視CCD攝像機拍攝所述原始圖像。
[0012] 優選的，所述步驟S2中，所述原始圖像的二維離散小波變換的分解式為：
[0013]
[0014]
[0015] 其中，h(m-2k)為低通濾波器，g(m-2k)為高通濾波器，Cj(K)為輸出的低頻子圖，Dj (K)為輸出的高頻子圖，Cn(m)為原始圖像。
[0016] 優選的，所述步驟S2中，采用軟閾值估計對所述原始圖像的二維離散小波分解系 數進行估計，其中，軟閾值估計小波系數的公式為：
[0017]
[0018] 其中，^ =7 〇V2 In Λ'，σ是原始圖像的標準差;N是原始圖像的大小，ω j，k為小波系 數。
[0019] 優選的，所述步驟S3具體包括：
[0020]步驟S31，對所述高頻子圖進行空域濾波；
[0021 ]步驟S32，對所述高頻子圖進行值域濾波；
[0022] 步驟S33,將所述空域濾波和值域濾波的濾波結果結合，以進行所述雙邊濾波。
[0023] 優選的，所述步驟S31中的空域濾波的公式為：
[0024]
[0025] 其中，fU)為輸入圖像，h(x)為輸出圖像，ο(ξ，χ)是鄰域中心點和鄰域中心點相鄰 的點ξ之間的幾何距離度量，kd (X)為歸一化常I
[0026] 優選的，所述步驟S32中的值域濾波的公式為：
[0027]
[0028]其中，s(fU)，f(x))度量鄰域中心X和一個鄰近點ξ之間的亮度相似關系，kr(x)為 歸一化常數
[0029] 優選的，所述步驟S33中的雙邊濾波的公式為：
[0030]
[0031] 邊濾波器的加權系數k (X)是空間鄰 近度因子kd(X)和亮度相似度因子kr(X)的乘積。
[0032]優選的，所述步驟S4中，所述小波逆變換采用二維小波的重構算法。
[0033] 優選的，所述二維小波的重構算法的公式為：
[0034]
[0035] 其中，CnGO為所述去噪圖像。
[0036]上述技術方案的有益效果是：
[0037] 上述技術方案采用小波變換法，把原始圖像分解為高頻和低頻部分，針對不同頻 率段進行不同的濾波，有效地去除圖像噪聲，雙邊濾波與小波變換降噪結合的方法在去除 圖像噪聲的同時，也較好地保持了圖像所包含的細節信息，可提供較好的視覺效果，優于單 一雙邊濾波或小波變換降噪方法。
【附圖說明】
[0038] 圖1為本發明一種圖像去噪方法的實施例的示意圖。
【具體實施方式】
[0039] 需要說明的是，在不沖突的情況下，下述技術方案，技術特征之間可以相互組合。
[0040] 下面結合附圖對本發明的【具體實施方式】作進一步的說明：
[0041 ] -種圖像去噪方法，如圖1所示，包括：
[0042] 步驟Sl，采集原始圖像；
[0043] 步驟S2,將原始圖像進行二維離散小波變換，分解為低頻子圖和高頻子圖；
[0044] 步驟S3,對高頻子圖進行雙邊濾波處理，輸出濾波圖像；
[0045] 步驟S4,利用濾波圖像和低頻子圖像進行小波逆變換以構建去噪圖像。
[0046] 避難硐緊急避險系統是安全避險"六大系統"之一，在礦井發生災情時，原有供電 無法保障或地面救援還未到達時，保證礦工的緊急避險場所，以及減少井下由于各種災害 導致的人員傷亡的設施。煤礦避難硐是視頻監控重點區域，由于井下巷道中存在大量的粉 塵和水汽，空間狹窄，尤其當發生災情時，井下照度差，震動強烈，圖像在傳輸過程中受到很 多干擾，存在著背景噪聲、脈沖噪聲和隨機噪聲等，采集到的紅外線視頻圖像通常是模糊不 清、混合噪聲大、對比度差、可讀性較差的低照度的灰度圖像，低照度圖像具有灰度范圍較 窄、相鄰像素的空間相關性高、灰度變化不明顯等特點，這使得圖像中的物體、背景、細節、 噪聲等信息包含在一個較窄的灰度范圍。難以捕捉到場景中的異常情況，影響了監控人員 的正確判斷和決策，如下實施例均以避難硐緊急避險的視頻監控中的圖像處理進行舉例說 明。
[0047] 為降低礦井避難硐圖像的噪聲，保留圖像細節信息，提出了二維離散小波變換與 雙邊濾波相結合的方法。首先采用小波變換對避難硐圖像(原始圖像)進行分解，對高頻子 帶采用雙邊濾波，然后對每一個尺度低通濾波圖像進行重構。
[0048]圖像增強是一種基本的圖像預處理手段，增強主要目的是對圖像感興趣的特征有 選擇的加以突出，削弱或去除某些不需要的信息。對某種特定應用來說比原圖像更合適。它 并不意味著能增加原始圖像的信息，有時甚至會損失一些信息。但圖像增強的結果卻能加 強對特定信息的識別能力，使圖像中感興趣的特征得以加強。
[0049] 本發明一個較佳的實施例中，步驟Sl具體包括：
[0050] 步驟Sll，采用帶有紅外發光管的紅外線夜視CCD攝像機拍攝原始圖像。
[0051 ]本實施例中，例如使用自帶6個紅外發光管的強紅外線夜視CCD攝像機，俯視拍攝 井下無照明條件下的避難硐中的監控對象。
[0052]本發明一個較佳的實施例中，步驟S2中，原始圖像的二維離散小波變換的分解式 為：
[0053]
[0054]
[0055] 其中，h(m-2k)為低通濾波器，g(m-2k)為高通濾波器，Cj(K)為輸出的低頻子圖，Dj (K)為輸出的高頻子圖，Cj-I (m)為原始圖像。
[0056] 本實施例中，小波閾值濾波方法(二維離散小波變換)主要通過在不同尺度上選取 合適的閾值，將小于該閾值的小波系數置零，而保留大于該閾值的小波系數，從而使信號中 的噪聲得到有效的抑制。二維離散小波變換是將二維圖像在不同的尺度上進行分解，分解 層數為1時，圖像經過小波分解為低頻子圖L，和水平、垂直、對角線方向的高頻子圖H，V，D， 其中圖像的輪廓主要體現在低頻部分，而細節部分則體現在高頻部分，因此，通過對低頻分 解系數進行增強處理。對高頻分解系數進行衰減處理，即可以達到圖像增強的作用。
[0057] 本發明一個較佳的實施例中，步驟S2中，采用軟閾值估計對原始圖像的二維離散 小波分解系數進行估計，其中，軟閾值估計小波系數的公式為：
[0058]
[0059] 其中，^ = σν^Ιη,Υ，〇是原始圖像的標準差;N是原始圖像的大小，ω j，k為小波系 數。
[0060] 上述實施例中，雙邊濾波在濾噪的同時，能較為有效地保持圖像特征，但是，雙邊 濾波是基于鄰域像素的加權平均算法，使得雙邊濾波結果在某些區域存在剩余噪聲，抑噪 能力不強。小波變換的優點在于它具有時頻局部化和多分辨率的性質。信號經小波變換被 分解為高頻和低頻部分，小波分解系數中的高頻部分同時包含了圖像中的細節和噪聲信 息，而低頻部分則包含了圖像中主要邊緣信息，因此，需要有效地從高頻系數中區分出噪聲 的成分。
[0061] 本實施例在小波分解的基礎上進行雙邊濾波，首先對原圖像進行1層小波分解，然 后對高頻子帶圖像H，V，D分別進行雙邊濾波，用小波逆變換恢復源圖像，這樣取得的恢復圖 像，很好地權衡了圖像增強算法消除噪聲和細節特征的增強，更適于濾波和人類視覺系統。 [0062]選擇Haar小波變換，對原始噪聲圖像進行一層分解。選取恰當的閾值，并對該層的 高頻系數進行閾值量化處理，其中閾值的選擇，通常，閾值函數的選擇有硬閾值函數和軟閾 值函數兩種，由于小波系數的連續性較差，重構的圖像出現振鈴和偽吉布斯現象，本實施例 采用軟閾值對圖像進行小波去噪。
[0063]本發明一個較佳的實施例中，步驟S3具體包括：
[0064]步驟S31，對高頻子圖進行空域濾波；
[0065]步驟S32，對高頻子圖進行值域濾波；
[0066] 步驟S33,將空域濾波和值域濾波的濾波結果結合，以進行雙邊濾波。
[0067] 本實施例中，頻率域的圖像去噪方法是根據噪聲圖像的頻率，基于圖像的傅里葉 變換來增強或抑制所希望的頻譜，從而實現對圖像頻譜的改善方法，主要有Wiener濾波和 小波變換等。
[0068] 本發明一個較佳的實施例中，步驟S31中的空域濾波的公式為：
[0069]
[0070] 其中，fU)為輸入圖像，h(x)為輸出圖像，ο(ξ，χ)是鄰域中心點和鄰域中心點相鄰 的點ξ之間的幾何距離度量，kd (X)為歸一化常數：
[0071 ]本發明一個較佳的實施例中，步驟S32中的值域濾波的公式為：
[0072]
[0073]其中，s(fU)，f(x))度量鄰域中心X和一個鄰近點ξ之間的亮度相似關系，kr(x)為 歸一化常數：
[0074] 本發明一個較佳的實施例中，步驟S33中的雙仂濾波的公式為：
[0075]
[0076] 其中
雙邊濾波器的加權系數k(x)是空間鄰 近度因子kd(x)和亮度相似度因子kr(x)的乘積。
[0077] 上述實施例中，雙邊濾波具有非線性、非迭代、局部的濾波特點，具有良好的邊緣 保持特性和抑制脈沖噪聲的能力。雙邊濾波方法實際是一種低通空域濾波器，它通過兩個 高斯濾波器實現:一個是空間域的高斯濾波，一個是灰度值域的高斯濾波。通過像素點之間 的空間距離和灰度值距離同時決定，對鄰域中距離接近和灰度相似的像素賦予較大權重， 反之則賦予較小權重。這樣處理過的圖像在濾除噪聲的同時還能夠很好地保持圖像的邊緣 信息。
[0078]本發明一個較佳的實施例中，步驟S4中，小波逆變換采用二維小波的重構算法。
[0079] 本發明一個較佳的實施例中，二維小波的重構算法的公式為：
[0080]
[0081] 其中，Cj-i(k)為去噪圖像。
[0082] 本實施例中，對小波分解高頻子圖進行雙邊濾波，在完成小波分解系數調整之后， 用小波逆變換恢復源圖像(去噪圖像），得到圖像增強的圖像。
[0083] 綜上，上述技術方案采用小波變換法，把原始圖像分解為高頻和低頻部分，針對不 同頻率段進行不同的濾波，有效地去除圖像噪聲，雙邊濾波與小波變換降噪結合的方法在 去除圖像噪聲的同時，也較好地保持了圖像所包含的細節信息，可提供較好的視覺效果，優 于單一雙邊濾波或小波變換降噪方法。
[0084] 通過說明和附圖，給出了【具體實施方式】的特定結構的典型實施例，基于本發明精 神，還可作其他的轉換。盡管上述發明提出了現有的較佳實施例，然而，這些內容并不作為 局限。
[0085] 對于本領域的技術人員而言，閱讀上述說明后，各種變化和修正無疑將顯而易見。 因此，所附的權利要求書應看作是涵蓋本發明的真實意圖和范圍的全部變化和修正。在權 利要求書范圍內任何和所有等價的范圍與內容，都應認為仍屬本發明的意圖和范圍內。
【主權項】
1. 一種圖像去噪方法，其特征在于，包括： 步驟S1，采集原始圖像； 步驟S2，將所述原始圖像進行二維離散小波變換，分解為低頻子圖和高頻子圖； 步驟S3,對所述高頻子圖進行雙邊濾波處理，輸出濾波圖像； 步驟S4,利用所述濾波圖像和所述低頻子圖像進行小波逆變換以構建去噪圖像。2. 根據權利要求1所述的圖像去噪方法，其特征在于，所述步驟S1具體包括： 步驟S11，采用帶有紅外發光管的紅外線夜視CCD攝像機拍攝所述原始圖像。3. 根據權利要求1所述的圖像去噪方法，其特征在于，所述步驟S2中，所述原始圖像的 二維離散小波變換的分解式為：其中，h(m-2k)為低通濾波器，g(m-2k)為高通濾波器，Cj(K)為輸出的低頻子圖，Dj(K)為 輸出的高頻子圖，Cj-Km)為原始圖像。4. 根據權利要求3所述的圖像去噪方法，其特征在于，所述步驟S2中，采用軟閾值估計 對所述原始圖像的二維離散小波分解系數進行估計，其中，軟閾值估計小波系數的公式為：，〇是原始圖像的標準差;N是原始圖像的大小，coj，k為小波系數。5. 根據權利要求1所述的圖像去噪方法，其特征在于，所述步驟S3具體包括： 步驟S31，對所述高頻子圖進行空域濾波； 步驟S32，對所述高頻子圖進行值域濾波； 步驟S33，將所述空域濾波和值域濾波的濾波結果結合，以進行所述雙邊濾波。6. 根據權利要求5所述的圖像去噪方法，其特征在于，所述步驟S31中的空域濾波的公 式為：其中，fU)為輸入圖像，h(x)為輸出圖像，cU，x)是鄰域中心點和鄰域中心點相鄰的點 ξ之間的幾何距離度量，kd(x)為歸一化常數7. 根據權利要求6所述的圖像去噪方法，其特征在于，所述步驟S32中的值域濾波的公 式為：其中，8(以|)，汽1))度量鄰域中心1和一個鄰近點|之間的亮度相似關系，1^(1)為歸一 化常數，= ΠIT s(，(5)，，⑴辦。8. 根據權利要求7所述的圖像去噪方法，其特征在于，所述步驟S33中的雙邊濾波的公 式為：雙邊濾波器的加權系數k(x)是空間鄰近度因 子kd(x)和亮度相似度因子kr(x)的乘積。9. 根據權利要求1所述的圖像去噪方法，其特征在于，所述步驟S4中，所述小波逆變換 采用二維小波的重構算法。10. 根據權利要求9所述的圖像去噪方法，其特征在于，所述二維小波的重構算法的公 式為：其中，Cn(k)為所述去噪圖像。
【文檔編號】G06T5/00GK106056555SQ201610393059
【公開日】2016年10月26日
【申請日】2016年6月3日
【發明人】田思, 張維朋, 李永平, 王勇
【申請人】寧波大紅鷹學院