基于群-轮廓小波变换断口图像去噪和增强方法
【专利摘要】一种基于群-轮廓小波变换断口图像去噪和增强方法，其核心技术是利用Grouplet变换将断口图像分解为低频和高频两部分，用方向滤波器组对高频子带进行方向分解，经带通滤波器得到各个方向的子带，其低频子带重复上述过程进行迭代，直到达到预定的分解级数。本发明的特色在于利用Grouplet变换代替Contourlet变换中的拉普拉斯塔形分解，既克服了小波变换只能获取断口图像有限的方向信息，不能充分利用图像本身的几何正则性的不足；又避免了Contourlet变换中的冗余性，可以最大限度地利用图像的几何特征。该方法在图像处理中前景广阔。
【专利说明】基于群-轮廓小波变换断口图像去噪和增强方法
【技术领域】
[0001] 本发明涉及图像处理的方法，特别涉及一种基于Grouplet-Contourlet (群-轮 廓）小波变换的金属断口图像去噪和增强方法。
【背景技术】
[0002] 金属断口图像在获取与传输过程中，往往因为外部环境和系统本身噪声源的干 扰，对于人们从断口图像中提取有用信息造成严重的影响。因此，为了提高断口图像的质 量，必须先对断口图像进行去噪处理。目前，在对图像进行去噪的方法中，低通滤波虽然能 将图像的高频滤去，达到降噪的目的，然而，也破坏了图像的细节分量。小波变换在这方面 取得了巨大的成功，但其本身也有其局限性，只能获取图像有限的方向信息，不能充分地利 用图像本身的几何正则性。
[0003] 图像增强是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像 中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配，以改 善图像质量。目前，对图像增强提出了多种方法，如灰度变换法、直方图均衡、小波变换法 等。然而，各种方法的应用都存在一些不足。如灰度变换法和直方图均衡会引起图像中重 要的边界信息和细节结构丢失，小波变换不能有效地利用图像的几何正则性。
[0004] 针对小波变换在图像处理中不能充分利用数据本身所特有的几何特征，挖掘图像 中边缘方面的信息，参考文献[1]提出了一种Contourlet变换，并成功应用到图像处理中。 参考文献[2]给出了基于Contourlet变换域的图像滤噪算法，参考文献[3]给出了无采 样的Contourlet变换的图像增强算法，利用Contourlet变换域系数的萎缩实现滤噪。参 考文献[4]给出了基于Contourlet的图像压缩算法。参考文献[5]给出了基于去频谱混 叠Contourlet变换的层内局部相关性图像降噪新方法。参考文献[6]将Contourlet变 换应用到金属断口图像消噪中，取得了比较好的效果。然而，这些基于Contourlet变换的 图像消噪和增强方法存在一个致命弱点，即低频变换产生冗余性，也就是说，Contourlet变 换中的拉普拉斯分解是有冗余的。由于Contourlet变换的拉普拉斯塔形分解（Laplacian pyramid, LP)具有冗余性，冗余度为4/3,因此，必须寻找有效的正交变换方法来减少甚至 消除其冗余。
【发明内容】
[0005] 基于上述【背景技术】，本发明所要解决的技术问题是消除Contourlet变换的冗余 性，提出了一种无冗余的金属断口图像去噪和增强方法。考虑到Grouplet变换是基于 图像几何流最佳稀疏表示的正交变换，可以最大限度的利用图像的几何特征，在此，结合 Grouplet变换和Contourlet变换各自的优点，提出了一种基于Grouplet-Contourlet的 图像去噪和增强方法，提出的方法利用Grouplet变换代替Contourlet变换中的拉普拉斯 塔形分解，消除Contourlet变换的冗余性，最大限度地利用图像的几何特征；并将提出的 方法分别与小波和Contourlet图像去噪和增强的方法进行对比分析，仿真和实验结果验 证提出的方法的有效性。
[0006] 本发明采用以下技术方案实现上述目的，基于群-轮廓小波变换断口图像去噪和 增强方法，在结合金字塔分解和方向滤波器形成的Contourlet变换中，用Grouplet变换代 替Contourlet变换中的拉普拉斯塔形分解，实现正交变换，消除了 Contourlet的低频变换 的冗余；
[0007] 具体过程为：
[0008] 1)给定断口图像，利用Grouplet变换将断口图像分解为低频和高频两部分；
[0009] 2)用方向滤波器组对断口图像的高频子带进行方向分解，经带通滤波器可以得到 各个方向的子带；
[0010] 3)断口图像的低频子带重复步骤1)和步骤2)进行迭代，直到达到预定的分解级 数；
[0011] 4)对 Grouplet-Contourlet 变换系数进行处理；
[0012] 若要达到消噪的目的，按事先设定的阈值T，进行阈值去噪；
[0013] 若要达到增强的目的，则事先估计输入图像的噪声标准差和每个细节子带的噪声 方差，然后，计算每个细节子带的均值和最大值，并对于每一个像素进行分类；然后，选取一 个非线性映射函数来修改每个像素对应的Grouplet-Contourlet变换系数，函数式为：
[0014]
【权利要求】
1.基于群-轮廓小波变换断口图像去噪和增强方法，其特征在于：在结合金字塔分解 和方向滤波器形成的Contourlet变换中，用Grouplet变换代替Contourlet变换中的拉普 拉斯塔形分解，实现正交变换，消除了Contourlet的低频变换的冗余； 具体过程为： 1)给定断口图像，利用Grouplet变换将断口图像分解为低频和高频两部分； 2) 用方向滤波器组对断口图像的高频子带进行方向分解，经带通滤波器可以得到各个 方向的子带； 3)断口图像的低频子带重复步骤1)和步骤2)进行迭代，直到达到预定的分解级数； 4)对Grouplet-Contourlet变换系数进行处理； 若要达到消噪的目的，按事先设定的阈值T，进行阈值去噪； 若要达到增强的目的，则事先估计输入图像的噪声标准差和每个细节子带的噪声方 差，然后，计算每个细节子带的均值和最大值，并对于每一个像素进行分类；然后，选取一个 非线性映射函数来修改每个像素对应的Grouplet-Contourlet变换系数，函数式为：
其中，X为Grouplet-Contourlet变换系数；0<p< 1是放大倍数，c的值范围为1?5,〇为系数子带的噪声标准偏差，对变换系数进行处理； 5)根据修改后的系数，进行Grouplet-Contourlet逆变换，重构图像。
【文档编号】G06T5/00GK104240201SQ201410448695
【公开日】2014年12月24日 申请日期:2014年9月4日 优先权日:2014年9月4日
【发明者】李志农, 梁鹏, 闫敬文 申请人:南昌航空大学