一種面向游牧服務的多尺度圖像處理方法技術

一種面向游牧服務的多尺度圖像處理方法。該方法包括：將自然圖像進行多尺度小波分解，將分解后各尺度上的高頻分量進行球坐標變換，得到球坐標下不同尺度的分量，然后利用本方法設計的新的自適應收縮函數和自適應收縮閾值將球坐標變換得到的不同尺度的徑向分量進行收縮處理，不同尺度下小波系數的特點不同，所采用的收縮函數和收縮閾值不同，然后將修正后分量進行球坐標逆變換，最后進行圖像重構。該方法保留了球坐標系下方法簡單、工作量小的特點，提高了重構圖像的峰值信噪比，比傳統的小波收縮方法的去噪效果好，在一定程度上提高了去噪后的圖像質量，可廣泛運用該方法對采集和傳輸的圖像進行去噪處理。

【技術實現步驟摘要】

本專利技術屬于計算機應用與移動互聯網結合的
，特別涉及。
技術介紹
隨著人們游牧服務的需求，各種數字儀器和數碼產品廣泛普及，使得圖像和視頻成為人類活動中最常用的信息載體之一，它們包含著物體的大量信息，成為人們獲取外界原始信息的主要途徑之一。圖像作為一種重要的信息資源，在采集和傳輸過程中不可避免的會受到各種噪聲的干擾和影響而使圖像的質量下降，這些噪聲主要包括顆粒噪聲、光電子噪聲和熱電子噪聲等，并可以用高斯模型描述，這對后續圖像的分割、識別，壓縮等處理過程將產生不利的影響，如何消除圖像中的噪聲，是圖像處理領域研究的重要問題之一。傳統的圖像去噪方法基本上可分為兩大類，一種是基于空間域的處理方法，一種是基于頻域的處理方法。基于空間域的處理方法主要是在原圖像上直接進行數據運算，主要有平均濾波法和中值濾波法。平均濾波是以點鄰域像素灰度平均值來代替該點的灰度值，非線性的中值濾波法則主要是以點鄰域像素灰度值中值來代替該點的灰度值。基于空間域處理方法的缺點主要是，在平滑圖像的同時會使圖像的輪廓變得模糊，噪聲平滑效果與窗口的寬度有關，窗口寬度越寬，噪聲平滑效果越好，但圖像就越模糊，這個矛盾難以解決。而基于頻域的處理方法主要是使用濾波器，把有用的信號和干擾信號分開，在實際情況中，有用信號的頻譜和干擾信號的頻譜往往是重疊的，很難將有用信號和干擾信號完全區別開來。這兩種傳統的圖像去噪方法雖然能夠有效的抑制噪聲，卻損失了圖像邊緣細節信息，造成了圖像模糊。基于此傳統方法的局限性，小波分析理論因其具有的良好的時頻局域特性和多分辨率特性，使得采用小波變換進行圖像處理成為圖像處理領域的熱門方法，而利用小波收縮方法對圖像進行去噪處理成為近年來圖像處理
的研究熱點。小波分析屬于時頻分析的范疇，它是在傅里葉變換理論的基礎上發展起來的，它改善了加窗傅里葉變換中窗口大小及形狀固定不變的缺點，是一種窗口大小(即窗口面積)固定但形狀可改變的變換。小波變換在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，很適合用來探測正常信號中夾帶的瞬態反常現象并可以展示其成分，因此被譽為“數學顯微鏡”，常用來分析具有多尺度性質的測量信號，經小波變換后的高頻分量具有豐富的細節邊緣信息，它可以在去除噪聲的同時很好的保留圖像細節，因而能夠重構出高質量的圖像。小波收縮去噪方法的基本思想是在小波域內，認為絕對值大的小波系數含有圖像或信號的重要信息而予以保留，絕對值小的系數含有次要信息和絕大部分的噪聲信息， 應予以舍棄。在該方法中，收縮閾值和收縮函數是關鍵因素，它直接影響圖像的去噪效果。小波收縮去噪方法的具體步驟如下(1)用小波變換將實際自然圖像變換到小波域。=『/。自然圖像=原圖像+高斯白噪聲。(2)采用收縮閾值T和非線性收縮函數δ λ ( ·)對小波系數進行收縮處理。(3)將閾值化處理后的小波系數進行小波反變換得到去噪后的圖像。在這三個步驟中，第( 步是小波收縮方法的主要內容。在傳統的笛卡爾坐標系下，經過線性小波變換后，3個高頻分量(水平分量、垂直分量和對角分量)之間還存在一定的相關性，如果直接進行小波收縮容易造成細節模糊。 球坐標系下的收縮算法將變換后的3個高頻分量進行球坐標變換，進一步消除小波系數之間的相關性。在球坐標系下，一般只需對徑向分量進行收縮處理，這樣可以有效降低工作量，提高程序的運行時間。一般情況下，徑向分量都是非負的，因此可以采用多種方法進行收縮處理。球坐標系下小波收縮的具體步驟如下(1)利用小波變換將實際自然圖像變換為小波域。=Wf(2)將小波變換之后的3個高頻分量的小波系數進行球坐標變換，得到球坐標系下的3個高頻分量R，θ，φ。(3)采用收縮閾值T和非線性收縮函數δ λ ( ·)對球坐標系下的徑向分量進行收縮處理。(4)當徑向分量R = O時，則將θ ,ρ也置為0。(5)將R，θ，^進行球坐標逆變換，得到閾值化處理后的小波系數。(6)將閾值化處理后的小波系數進行小波反變換得到去噪后的圖像。收縮閾值T的確定Donoho等人從圖像的噪聲模型出發利用變分方法推導出小波收縮最佳閾值的上限，在理論上證明了收縮閾值T與圖像噪聲強度的標準差ο成正比，并提出了一種典型的收縮閾值T的選取方法？ = :..Τ3ΓΓ,Ν為圖像像素數，O為圖像噪聲強度的標準差，然而現實圖像噪聲強度的標準差ο往往是未知的，需要用特定的函數來對其進行尺度估計，這種情況一方面估計值與真實值之間有一定的偏差，會影響圖像的去噪重構的效果，另一方面， 當需要處理大量噪聲圖像時，會增加處理的復雜度，大大降低處理方法的效率。Lucter等人從變分學的角度認為圖像空間應為Besov<(、(i^空間，Chamboll基于Besov空間的范數理論提出了一種較好的收縮閾值T滿足WSFl^ltbM) ’其中，N為圖像的像素數，為Besov空間的q范數，理論和實踐證明，該T為最佳收縮因子。但是這個收縮閾值是定義在Besov空間上的，而本專利技術是在球坐標系下對圖像進行去噪處理， 這個收縮閾值在球坐標系下是不適用的。收縮函數δ λ ( ·)的確定硬閾值法和軟閾值法在Donoho方法中常用來給小波系數進行去噪處理，硬閾值處理函數在閾值T處不連續，所得到估計信號會在閾值T處產生附加振蕩，在圖像邊緣豐富處會產生許多“人為的”噪聲點，不具有同原始信號一樣的光滑性，收縮函數的曲線形狀如附圖說明圖1所示。軟閾值法估計到的小波系數連續性好，估計信號在閾值T處不會產生附加振蕩， 較好的克服了硬閾值方法中數學上不易處理和在含有豐富邊緣圖像中會產生許多“人為的”噪聲點這兩個缺點。但當徑向分量的值大于閾值T時，會造成一定的高頻信息損失，直接影響重構信號與真實信號的逼近程度，導致圖像的邊緣模糊，收縮函數的曲線形狀如圖2 所示。
技術實現思路
本專利技術的目的是解決利用小波收縮對圖像進行去噪處理時，如何確定收縮閾值和收縮函數的問題，設計一種適用于球坐標系下的多尺度圖像處理方法，即面向游牧服務的多尺度圖像處理方法。該方法擁有自適應收縮閾值和自適應收縮函數，使其能夠克服傳統硬閾值函數所產生的人為噪聲問題，避免軟閾值方法引起的邊緣模糊，促進圖像處理領域核心技術的發展及應用。本專利技術提供的面向游牧服務的多尺度圖像處理方法，主要包括如下關鍵步驟第1、將自然圖像做離散二維小波變換，變換到小波域；第2、將第1步所得圖像的水平高頻、垂直高頻、對角高頻三個高頻分量均進行球坐標變換；第3、將第2步所得的徑向分量進行曲線收縮經小波變換后，圖像的能量主要集中在少數小波系數上，而高斯白噪聲在高頻部分較為集中而且是均勻分布的；隨著小波分解級數的增加，小波系數方差會不斷增大，而噪聲標準差是一定的，故隨著尺度的增大，噪聲對系數的影響會不斷減小，從而對徑向分量的影響也相應降低；本專利技術方法由于噪聲在不同尺度下對徑向分量的干擾不同，采用不同的收縮函數進行處理第3. 1、在小波一次分解時，由于噪聲對徑向分量的干擾比較強烈，采用本專利技術設計的自適應收縮函數R*(i，j)進行處理，權利要求1. ，其特征在于該方法主要包括如下關鍵步驟第1、將自然圖像做離散二維小波變換，變換到小波域；第2、將第1步所得圖像的水平高頻、垂直高頻、對本文檔來自技高網...

【技術保護點】
三個分量和低頻部分進行小波重構。分量為零，則將球坐標系下其他兩個分量的值也置為零；第５、若經第３步收縮處理后所得徑向分量不為零，將收縮后徑向分量和球坐標下其他兩分量進行球坐標逆變換，得到修正后水平高頻，垂直高頻和對角高頻三個分量；第６、將修正后水平高頻，垂直高頻和對角高頻）?（ｍｎ）１，２，３（／ｍｎ）?（ｍｏ），（／ｍｏ）?（ｍｉ）Ｌ（／ｍｉ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中，ｋ分解次數，ηｋ＝１／４ｋ－１為比例因子，Ｒｋ為不同次數分解時所得徑向分量，Ｎ為圖像像素數；第４、若經第３步收縮處理后所得徑向（ｍｓｕｂ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｉ）ｋ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）／（／ｍｏ）?（ｍｉ）Ｎ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ）＝（／ｍｏｉ）?（／ｍｓｕｂ）?（ｍｏ）＝（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）＆ｅｔａ；（／ｍｉ）?（ｍｉ）ｋ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｑｒｔ）?（ｍｎ）６（／ｍｎ）?（／ｍｓｑｒｔ）?（ｍｏ）｜（／ｍｏ）?低小波系數之間的相關性，故采取傳統Ｄｏｎｏｈｏ硬閾值法對徑向分量進行收縮處理；第３．１至第３．３中三種收縮處理的收縮閾值均采用本專利技術設計的自適應收縮閾值Ｔｋ，（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）Ｔ（／ｍｉ）?（ｍｉ）ｋ（／ｍＲ（ｉ，ｊ）為進行球坐標變換時所得徑向分量；Ｔ為收縮閾值；第３．２、在小波二次分解時，由于噪聲對徑向分量的影響下降，采用傳統的Ｄｏｎｏｈｏ軟閾值法進行收縮處理；第３．３、在進行三次以上分解時，噪聲的影響已經很小，進行球坐標變換的目的主要是降ｌｔ；（／ｍｏ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｔｄ）?（／ｍｔｒ）?（／ｍｔａｂｌｅ）?（／ｍｆｅｎｃｅｄ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中，為曲線收縮函數的矯正因子，ｉ＝１，２，．．．，Ｎ′，ｊ＝１，２，Ｌ　Ｍ，Ｎ′，Ｍ為圖像的維數；ｔｒ）?（ｍｔｄ）?（ｍｎ）０（／ｍｎ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＆ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＆ＧｒｅａｔｅｒＥｑｕａｌ；（／ｍｏ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（／ｍｓｕｐ）?（ｍｏ）＆ＣｅｎｔｅｒＤｏｔ；（／ｍｏ）?（ｍｉ）Ｔ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｒ（／ｍｉ）?（ｉ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）Ｔ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（?（ｍｎ）１（／ｍｎ）?（ｍｏ）＋（／ｍｏ）?（ｍｉ）ｌｏｇ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（ｍｏ）＋（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｆｅｎｃｅｄｏｐｅｎ＝＇｛＇ｃｌｏｓｅ＝＇＇）?（ｍｔａｂｌｅ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）＆ｒｈｏ；（／ｍｉ）?（ｍｏ）＆ＣｅｎｔｅｒＤｏｔ；（／ｍｏ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（ｍｉ）Ｒ（／ｗ）?（ｍｓｕｐ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｏ）＊（／ｍｏ）?（／ｍｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）量的影響也相應降低；本專利技術方法由于噪聲在不同尺度下對徑向分量的干擾不同，采用不同的收縮函數進行處理：第３．１、在小波一次分解時，由于噪聲對徑向分量的干擾比較強烈，采用本專利技術設計的自適應收縮函數Ｒ＊（ｉ，ｊ）進行處理，（ｍａｔｈ）??（ｍｒｏ進行曲線收縮：經小波變換后，圖像的能量主要集中在少數小波系數上，而高斯白噪聲在高頻部分較為集中而且是均勻分布的；隨著小波分解級數...

【技術特征摘要】

【專利技術屬性】
技術研發人員：張德干，
申請(專利權)人：天津理工大學，
類型：發明
國別省市：12