一种裸眼3D再现图像散斑抑制方法与流程

本发明涉及3D显示技术领域，尤其是一种裸眼3D再现图像散斑抑制方法。

背景技术：

目前，针对种裸眼3D再现像的散斑噪声抑制问题，主要有两类方法：一类利用低度或部分相干光取代激光光源，在一定程度上抑制了激光散斑噪声，但操作复杂，成本高，不利于广泛应用。另一类则采用数字图像处理技术，抑制种裸眼3D再现像的散斑噪声。这方面国内外学者已经做了许多富有成效的工作，提出了滤波、多尺度变换等方法。滤波方法虽然能够有效抑制大部分散斑噪声，但同时也模糊了再现像，丢失了种裸眼3D后期需要测量部分的细节信息。将小波等多尺度变换方法引入种裸眼3D，直接消除了零级衍射像，相比滤波方法，噪声抑制性能有了很大的提升，极大地改善了再现像的像质。但是小波变换不具备平移不变性，且缺乏更多的方向选择，仅仅限于水平、垂直和对角线三个方向，在一定程度上损失了物像的有效信息。复Contourlet相对于小波而言有更多的方向性分析，而且具有平移不变性，对图像降噪有着很好的降噪效果。各向异性扩散在去除噪声的同时，能够很好地保留图像的细节信息；复Contourlet变换注重相位信息和幅值信息，且具有良好的时频局部化特征、近似的平移不变性及低冗余度，可很好的保留图像细节信息并能提高图像重构和分解的精度。另一方面，各向异性扩散因具有较强的局部化能力和方向适应性而在噪声抑制领域受到广泛关注。例如拉普拉斯金字塔非线性扩散(LPND)的噪声抑制方法，其缺点是极易丢失图像的细小边缘和纹理信息，这对需要保留细节信息的再现像来说极其不利。因此，可考虑将多尺度变换法与各向异性扩散结合起来运用于图像去噪。例如提出了小波阈值收缩结合全变差(TV)扩散的去噪方法，此方法只对低频分量进行扩散处理，高频分量仍采用阈值去噪，丢失了图像的高频细节信息。例如Contourlet结合TV扩散和自适应对比度扩散的去噪方法，虽然低频和高频分量均采用了各向异性扩散模型，但是高频分量采用的PM(Perona-Malik)扩散，没有根据不同尺度下各个高频方向噪声的特点自适应地扩散。

技术实现要素：

本发明提出的一种裸眼3D再现图像散斑抑制方法，对图像降噪有着很好的效果，能够很好的保留图像的细节信息。

本发明的技术方案是这样实现的：

利用复Contourlet变换和各向异性扩散的特点，其特征在于，该方法包括以下步骤：

步骤1：将被散斑噪声污染的数字全息再现像运用复Contourlet变换进行分解，分解的层数为[2,3]，得到一个低频分量和12个高频分量。其中低频分量包含了再现像的主要信息。高频分量主要包含再现像的细节信息和大部分的噪声，并且噪声其中分布在第一层的高频分量中；

步骤2：低频分量的处理采用TV扩散模型；

步骤3：高频部分方向子带信息采用各向异性扩散处理，扩散模型对每一层的高频分量进行分别处理，去除每个方向高频分量中的噪声；

步骤4：合成处理过的低频和高频分量，通过复Contourlet逆变换得到去噪后的图像。

本发明通过提供的一种裸眼3D再现图像散斑抑制方法，其有益效果在于：改善再现图像视觉效果的同时，提高了再现图像的信噪比，去噪的同时，更完整地保留了再现图像细节纹理特征。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为两级树结构的方向滤波器分解结构；

图2为复Contourlet频域分解原理图；

图3为复Contourlet变换原理图；

图4为本发明抑制方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

复Contourlet变换由方向滤波器和双树复小波变换两部分组成。两级树结构的方向滤波器分解结构如图1所示，图中U₀(Z^Q)是对滤波器U₀(Z)抽样得到的，U₁(Z^Q)是对滤波器U₀(Z)抽样得到的。相应的频域分解原理图如图2所示。

双树复小波变换通过两棵离散小波树并行实现实部和虚部运算，两棵树分别作用于图像矩阵的行与列产生双树结构，如图3所示。双树复小波变换每一级可分解出两个低频部分，同时可得到6个高频细节部分。低频部分用于产生下一级双树复小波变换的低频部分和高频部分。每一分解层中的6个高频细节部分对应了图像的±15°、±45°和±75°等6个图像不同方向的信息。

为了进一步提高双树复小波变换方向分辨的能力，将方向滤波器级联在每一级的高频子带上，可将每一个高频子带方向信息扩展至2的幂次方个，使得高频部分能够更加灵活地表达图像中的几何信息，即得到了复Contourlet变换。复Contourlet变换注重相位信息和幅值信息，且具有良好的时频局部化特征、近似的平移不变性及低冗余度，可很好的保留图像细节信息并能提高图像重构和分解的精度。

本申请结合复Contourlet变换和各向异性扩散的优点，提出了一种再现像散斑噪声抑制方法。如图4所示，包括以下步骤：

步骤1：将被散斑噪声污染的数字全息再现像运用复Contourlet变换进行分解，分解的层数为[2,3]，得到一个低频分量和12个高频分量。其中低频分量包含了再现像的主要信息。高频分量主要包含再现像的细节信息和大部分的噪声，并且噪声其中分布在第一层的高频分量中；

步骤2：低频分量的处理采用TV扩散模型；

步骤3：高频部分方向子带信息采用各向异性扩散处理，扩散模型对每一层的高频分量进行分别处理，去除每个方向高频分量中的噪声；

步骤4：合成处理过的低频和高频分量，通过复Contourlet逆变换得到去噪后的图像。

本发明通过提供的一种裸眼3D再现图像散斑抑制方法，改善再现图像视觉效果的同时，提高了再现图像的信噪比，去噪的同时，更完整地保留了再现图像细节纹理特征。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。