小波与Canny算法相结合的图像去噪方法
【技术领域】
[0001] 本发明属于图像处理技术领域，设及图像去噪方法，尤其设及一种小波与Canny 算法相结合的图像去噪方法。
【背景技术】
[0002] 数字图像处理技术已广泛的应用于许多学科领域。图像去噪是图像恢复领域较早 研究的内容之一，好的去噪方法在平滑噪声的同时也能保留图像的边缘纹理等细节信息， 不使图像的边缘轮廓模糊[1-5]。
[0003] 事实上，在偏微分方程（partial differential equation, PDE：)的应用中，研究人 员Rudin，化her,化temi等首次提出了基于图像的全变差正则化模型（R0F模型），较好地 保持了图像的边缘纹理等细节特征[6]。随后，化ang.YM等在R0F模型的基础上，利用最大 后验估计和对数变量提出了二项数据保真项乘性噪声去除模型，且获得了较好的降噪效果 [7]。2011年刘等提出了一种基于双树复小波与波原子的图像扩散滤波方法，该方法在对含 噪图像滤波的同时，较好的保持了图像的边缘和纹理等细节信息巧]。上述二阶偏微分降噪 方法在去除噪声的同时能够很好地保持边缘，但在图像平滑区域会产生"块效应"，即图像 处理后某些区域灰度相同巧-13]。2011年化ang等提出了一种TV模型和四阶模型的组合 图像去噪模型，该模型是通过某一权函数对A0S算法求解出的R0F模型和四阶PDE模型进 行了加权组合，相对于单一去噪模型在消除"阶梯效应"现象和保留边缘信息方面，该模型 有所改善，但去噪强度不是很大[14]。
[0004] 本发明针对大部分偏微分方程去噪模型去噪后图像容易产生"块状效应"的问题， 提出一种小波与Canny算法[1引相结合的图像去噪方法，该方法在R0F算法的基础上，构 造了一个能够有效抑制"块状效应"的趋势保真项，然后，用小波对图像进行系数分解，利用 Canny算法的边缘检测特性，设计控制函数，用来控制R0F模型和趋势保真项，能够在保护 图像边缘纹理等细节信息的同时，抑制"块状效应"。
[0005] 参考文献
[0006] [1]Liu Peng, Huang Fang,Li Guoqing. Remote-Sensing Image De-noising Using Partial Differential Equations and Auxiliary Images as Priors[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9 (3):358-361.
[0007] 巧]Ham B, Min D, Sohn K. Revisiting the Relationship Between Adaptive Smoothing and Anisotropic Diffusion With Modified Filters[J]. IEEE Transactions On Image Processing, 2013, 22(3):1096-1101.
[0008] [3]Li Zhongbin, Liu Zhizhao, Shi Wenzhong. A Fast Level Set Algorithm for Building Roof Recognition From High Spatial Resolution Panchromatic Images[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(4):743-747.
[0009] [4]Niang 0, Thioune A, Gueirea M C, et al. Partial Differential Equation-Based Approach for Empirical Mode Decomposition:Application on Image Analysis[J]. IE邸 Transactions on Image Processing, 2012, 21 (9):3991-3999.
[0010] [5]Ghita 0, Ilea D E, Whelan P F. Adaptive noise removal approach for restoration digital image corrupted by multimodal noise[J]. lET Image Process, 2012,6巧）：1148-1160.
[0011] [6]Rudin L I, Osher S, Fatemi E. Nonlinear Total Variation Based Noise Removal Algorithms[J].Physica 0,1992,60(1-4):259-268.
[001引 [7] Huang, Y M, Ng, M. , Wen, Y W. A new total variation method for multiplicative noise removal[J]. SIAM J. Imaging Sci. 2009, 2 (1):20-40.
[0013] [引刘金华，余壁.基于双树复小波与波原子的图像扩散滤波[J].物理学报，201 1,60 (12):124203-1-124203-10.
[0014] [9]克兢，侯偷青，王大凯，等.一种改进型保持形状的图像对比度增强算法 [J].光子学报，2009, 38 (1) : 214-219.
[0015] [10]王毅，张培良，李平湘.各向异性扩散平滑滤波的改进算法[J].中国图像 图形学报，2006(02) : 66-72.
[0016] [山李敏，冯象初.基于总变分和各向异性扩散方程的图像恢复模型[J].西安电 子科技大学学报，2006, 33巧）：759-762.
[0017] [切朱立新，王平安，夏德深.非线性扩散图像去噪中的禪合自适应保真项研究 [J].计算机辅助设计与图形学学报，2006,18(10) ; 1519-1524.
[0018] [13]李金才，马自辉，彭宇行，黄斌.基于图像滴的各向异性扩散相干斑噪声抑制 [J].物理学报，2013, 62 巧）：099501-1-099501-8.
[0019] [14] Zhang Yonghong, Ding Yang, Wang Lihua. The Improvement of ROF De-noising Model Based on AOS and Fourth-order PDE[J]. Procedia Elngineering, 2011, 15:2778-2782.
[0020] [15]Xu Qian, Varadarajan S, Chakrabarti C, et al. A Distributed Canny Edge Detector:Algorithm and FPGA Implementation[J]. IEEE Transactions on Image Proce ssing, 2014, 23(7) : 2944-2959.
【发明内容】
[0021] 本发明所要解决的技术问题是针对【背景技术】中所设及的缺陷，提供一种小波与 Canny算法相结合的图像去噪方法。
[0022] 本发明为解决上述技术问题采用W下技术方案：
[0023] 小波与Canny算法相结合的图像去噪方法，包含W下步骤：
[0024] 步骤1)，对含噪图像I (X，y)进行小波分解，得到低频分量1苗0高频分量I Ihh，其中，X是横坐标方向的图像分解尺度，y是纵坐标方向的图像分解尺度；
[0025] 步骤2)，建立用于边缘检测的控制函数a和0 ;
[0026] 步骤3)，根据图像梯度的变化趋势构造趋势保真项，并根据该趋势保真项建立去 噪模型；
[0027] 步骤4)，在低频分量中，利用控制函数a和P、根据Canny算法对含噪图像进 行边缘检测；
[002引步骤5)，调节参数，根据边缘检测的结果应用去噪模型对低频分量I 行扩散去 噪处理，并利用去噪模型对高频分量U、lun Ihh作扩散去噪处理；
[0029] 步骤6)，对处理后的低频分量Iix和高频分量I 重构，得到去噪后的图像。
[0030] 作为本发明小波与Canny算法相结合的图像去噪方法进一步的优化方案，步骤2) 中控制函数0 = 1-a，控制函数a的公式为；
[0031]
【主权项】
1. 小波与Canny算法相结合的图像去噪方法，其特征在于，包含以下步骤： 步骤1)，对含噪图像I(x，y)进行小波分解，得到低频分量込和高频分量IIM、IHH， 其中，x是横坐标方向的图像分解尺度，y是纵坐标方向的图像分解尺度； 步骤2)，建立用于边缘检测的控制函数a和0 ; 步骤3)，根据图像梯度的变化趋势构造趋势保真项，并根据该趋势保真项建立去噪模 型； 步骤4)，在低频分量垃中，利用控制函数a和0、根据Canny算法对含噪图像进行边 缘检测； 步骤5)，调节参数，根据边缘检测的结果应用去噪模型对低频分量la进行扩散去噪处 理，并利用去噪模型对高频分量U、1^IHH作扩散去噪处理； 步骤6)，对处理后的低频分量la和高频分量IIM、IHH重构，得到去噪后的图像。
2. 根据权利要求1所述的小波与Canny算法相结合的图像去噪方法，其特征在于，步骤 2)中棹制函数B
=〗-a,棹制函数a的公式为： 其中，V(i，j)为边缘点，i、j分别为点的横坐标和纵坐标，且V(i，j)多z，z为图像窗 函数。
3. 根据权利要求2所述的小波与Canny算法相结合的图像去噪方法，其特征在于，所述 步骤3)的详细步骤如下： 步骤3. 1)，根据图像变化趋势的相似度，构建趋势保真：
；
中，I为去噪后图像，▽为梯度算子，G。为高斯核函数，」 为高斯核函数的方差； 步骤3. 2)，在ROF算法的基础上建立去噪模型：
其中，lei为加入噪声后图像，div、A分别为散度算子、拉普拉斯算子，A为Lagrange乘子。
4. 根据权利要求3所述的小波与Canny算法相结合的图像去噪方法，其特征在于，步 骤5)中根据边缘检测的结果应用去噪模型对低频分量垃进行扩散去噪处理的详细步骤如 下： 步骤4. 1)，以点（x，y)为中心、预先设定的窗口大小阈值确定一个局部的窗口区域； 步骤4. 2)，判断点（x，y)是否为边缘点； 步骤4.2. 1)，若点（x，y)为边缘点，则保留窗口区域中图像的边缘纹理信息； 步骤4. 2.2)，若点（x，y)为非边缘点，则对窗口区域进行扩散去噪处理。
5. 根据权利要求4所述的小波与Canny算法相结合的图像去噪方法，其特征在于，所述 预设的窗口大小为5X5。
【专利摘要】本发明公开了一种小波与Canny算法相结合的图像去噪方法，首先对输入的待去噪图像进行小波分解，得到低频分量和高频分量；其次根据去噪过程中图像梯度的变化趋势，构造一个趋势保真项，建立去噪模型；然后在低频分量中用Canny算法做边缘检测，建立控制函数；接着调节参数，选取适合的控制函数，利用去噪模型分别对低频分量和高频分量作扩散去噪处理；最后将处理后的高频子带和低频子带重构，得到去噪后的图像。本发明复杂度低，时效性高，能够解决现有的ROF去噪算法去噪后的图像存在“块状效应”的问题。
【IPC分类】G06T5-00
【公开号】CN104616254
【申请号】CN201510012886
【发明人】周先春, 汪美玲, 石兰芳, 周林锋
【申请人】南京信息工程大学
【公开日】2015年5月13日
【申请日】2015年1月9日