一種快速有效保留邊緣及方向特征的圖像去噪方法技術

一種快速有效保留邊緣及方向特征的圖像去噪方法，圖像經過小波變換后，低頻子圖像集中了原圖像的大部分能量噪聲，進行二次維納濾波突出融合圖像的細節；由于圖像噪聲主要集中在三個不同方向的小波高頻子圖部分，其系數較小，利用奇異值分解進行去噪處理，將高頻對角線子圖旋轉至行列方向后，與高頻行、列方向子圖一起進行奇異值分解，為避免丟失掉邊緣細節信息，同時還對高頻子圖進行邊緣提取和保留；最后將去噪后的低頻和高頻子圖進行小波反變換重構出最終的去噪圖像。其中奇異值重構圖像所需的奇異值個數由圖像的峰值信噪比和傳統方法共同確定。

【技術實現步驟摘要】
【專利摘要】，圖像經過小波變換后，低頻子圖像集中了原圖像的大部分能量噪聲，進行二次維納濾波突出融合圖像的細節；由于圖像噪聲主要集中在三個不同方向的小波高頻子圖部分，其系數較小，利用奇異值分解進行去噪處理，將高頻對角線子圖旋轉至行列方向后，與高頻行、列方向子圖一起進行奇異值分解，為避免丟失掉邊緣細節信息，同時還對高頻子圖進行邊緣提取和保留；最后將去噪后的低頻和高頻子圖進行小波反變換重構出最終的去噪圖像。其中奇異值重構圖像所需的奇異值個數由圖像的峰值信噪比和傳統方法共同確定。【專利說明】-種快速有效保留邊緣及方向特征的圖像去噪方法
本專利技術屬于信號與信息處理領域，特別設及一種適用于圖像在生成或傳輸過程中 出現的含噪圖像的圖像去噪方法。
技術介紹
圖像在生成或傳輸過程中因受到各種噪聲的干擾和影響，不可避免的會出項降 質現象，存在不同程度的邊緣模糊、局部和整體的對比性較差等問題，該對后續圖像的處理 (如分割、壓縮和圖像理解等）會產生不利影響。因此對圖像進行去噪處理提高圖像質量， 是圖像處理中的一項基礎而重要的工作。 小波變換采用了多分辨率的方法，具有低滴性、去相關性和選基的靈活性，而圖像 的噪聲信息主要集中在其小波域的高頻部分，因此可W利用小波理論將信號與噪聲分開。 小波闊值萎縮法去噪的基本思想是：圖像經多尺度分解得到的小波系數具有不同的分布 特性，噪聲和細節信息主要在高頻段，對應絕對值較小的小波系數，并且噪聲具有相同的幅 度；小波變換通過不斷的分層，使得信號拆分成各種頻段（根據采用頻率而定），而該一過 程要用到低通濾波器和高通濾波器，而小波去噪就是在高頻部分（因為通常白噪聲出現在 高頻部分）改變數字量，運用一些算法去除一些混有噪聲的數字，然后再運用重構低通濾 波器和高通濾波器把剛剛分層的頻段加起來。 化值aubechies)系列小波的特點是隨著階次增大，消失矩階數越大，頻帶劃分效 果越好，但是會使時域緊支撐性減弱，同時計算量大大增加，實時性變差.因此，在進行階 次選擇時，不但要注重算法本身的效果，也應兼顧算法的效率。 而圖像的有用信息集中在低頻段，對應絕對值較大的小波系數。因此選擇一個合 適的闊值，對小波系數進行闊值處理，就可W達到去除噪聲而保留有用信號的目的。然而去 噪的同時也丟失了一些有用的邊緣細節信息。而邊緣特性是圖像中最有用的細節信息，是 圖像對視覺最重要的特征，因此，在進行圖像去噪的同時應該盡量保留圖像的邊緣特征。 奇異值分解（Singular Value Decomposition, SVD)是一種非線性濾波，具有良 好的數值穩健性。圖像矩陣的奇異值及其特征空間反映了圖像中的不同成分和特征，一般 認為較大的奇異值及其對應的特征向量表示圖像信號，而噪聲反映在較小的奇異值及其對 應的特征向量上。根據一定的選擇口限，低于該口限得奇異值置零（截斷），然后通過該 些奇異值及其對應的特征向量重構圖像進行去噪，不但可W處理不同類型的圖像和噪聲， 且無需有關噪聲的先驗知識。考慮到圖像的局部平穩性，又提出了圖像分塊奇異值分解去 噪算法。但是一般簡單的奇異值濾波方法沒有考慮到奇異值濾波的方向性特點，而圖像的 噪聲僅分布在小波變換頻率域的高頻部分，又由于該些高頻部分具有水平、垂直、對角線 (45° 7135° )方向特性，因此可W考慮對小波變換后的S個方向高頻部分進行奇異值分 解來達到濾波去噪的目的。 另外，由于傳統的奇異值分解去噪過程中重構圖像所需的奇異值個數依賴于傳統 經驗值，或是通過多次計算比較不同奇異值個數重構圖像的圖像質量來確定，該樣影響到 圖像的去噪效果，還嚴重影響了算法的時效性。 [000引本專利技術基于上述分析，旨在提出一種適用于圖像在生成或傳輸過程中出現的含噪 圖像的圖像去噪方法，提高圖像復原的快速性和去噪質量。
技術實現思路
本專利技術的目的，提供一種快速有效保留邊緣及方向特征的運動模糊圖像復原方 法，其可為無人機實現自主避障的航跡規劃提供數據量小且有效的障礙點識別提取方法， 可提高無人機航跡規劃的實時性和安全性。 為了達成上述目的，本專利技術的解決方案是：一種快速有效保留邊緣及方向特征的 運動圖像去噪方法，即運動模糊圖像復原方法，圖像經過小波變換后，低頻子圖像集中了原 圖像的大部分能量噪聲，進行二次維納濾波W利于突出融合圖像的細節；由于圖像噪聲主 要集中在=個不同方向的小波高頻子圖部分，其系數較小，可W利用奇異值分解進行去噪 處理，將高頻對角線子圖旋轉至行列方向后，與高頻行、列方向子圖一起進行奇異值分解， 為避免丟失掉邊緣細節信息，同時還對高頻子圖進行邊緣提取和保留；最后將去噪后的低 頻和高頻子圖進行小波反變換重構出最終的去噪圖像。其中奇異值重構圖像所需的奇異值 個數由圖像的峰值信噪比和傳統方法共同確定。 本專利技術為了解決上述技術問題采用W下技術方案；本專利技術設計了一種保留邊緣及 方向特征的圖像去噪方法，包括如下步驟： 步驟001，圖像小波變換，對帶有高斯白噪聲的圖像采用Db3小波進行2層小波分 解，得到低頻化子圖、一層高頻水平LiHi子圖、一層高頻垂直H山子圖、一層高頻對角線H化 子圖、二層高頻水平L2H2子圖、二層高頻垂直H2L2子圖和二層高頻對角線H2H2子圖； 步驟002.對低頻化子圖進行二次維納濾波平滑； 步驟003.對所有高頻子圖進行利用方向特性的奇異值分解去噪處理； 步驟004.對所有高頻子圖還采用方向邊緣檢測算子提取邊緣灰度子圖特征； 步驟005.對得到的奇異值分解去噪高頻子圖和對應的邊緣提取高頻灰度子圖 一一對應取極大，即去噪圖像中與邊緣灰度圖像中對應的像素點用邊緣灰度子圖的像素值 代替，得到邊緣灰度子圖的像素保留的去噪高頻子圖。 步驟006.對步驟002得到的維納濾波平滑的低頻化子圖像和步驟005得到的所 有高頻子圖進行小波逆變換，重構出最終的去噪圖像。 作為本專利技術的一種優選技術方案；所述步驟003中，具體包括如下步驟： 步驟00301.對水平方向和垂直方向的高頻子圖直接進行奇異值分解矩陣A = USyT，其中，節1 為二維原圖像B受到噪聲X污染后的圖像，矩陣A的秩為m， rank(A) = m(m《I2)，=的，"2，...馬1) e 巧'iX'嘴^ = (t'l，>'2....，Vh) G 巧'如分別為 A 的左奇異 矩陣和右奇異矩陣，U和V的12列向量分別為A的左奇異向量和右奇異向量，S e及為奇 異值陣，其對角線元素A A > A E> 0為矩陣的非零奇異值，A i為矩陣A的第 i個奇異值。 R為二維數字圖像矩陣所有像素，li和12為二維數字圖像矩陣的行列值即行與列 向量（包括A、B、X、U、V和S矩陣）。 步驟00302.利用步驟00301獲得的水平方向和垂直方向高頻子圖奇異值進行圖 像重構得到去噪圖僖 【權利要求】1. ，其特征在于：圖像經過小波變 換后，低頻子圖像集中了原圖像的大部分能量噪聲，進行二次維納濾波突出融合圖像的細 節；由于圖像噪聲主要集中在三個不同方向的小波高頻子圖部分，其系數較小，利用奇異值 分解進行去噪處理，將高頻對角線子圖本文檔來自技高網...

【技術保護點】
一種快速有效保留邊緣及方向特征的圖像去噪方法，其特征在于：圖像經過小波變換后，低頻子圖像集中了原圖像的大部分能量噪聲，進行二次維納濾波突出融合圖像的細節；由于圖像噪聲主要集中在三個不同方向的小波高頻子圖部分，其系數較小，利用奇異值分解進行去噪處理，將高頻對角線子圖旋轉至行列方向后，與高頻行、列方向子圖一起進行奇異值分解，為避免丟失掉邊緣細節信息，同時還對高頻子圖進行邊緣提取和保留；最后將去噪后的低頻和高頻子圖進行小波反變換重構出最終的去噪圖像。

【技術特征摘要】

【專利技術屬性】
技術研發人員：王敏，周樹道，彭文星，汪晉，常昊天，
申請(專利權)人：中國人民解放軍理工大學，
類型：發明
國別省市：江蘇;32