专利名称：基于小波高频的贝叶斯去噪方法
技术领域：
本发明属于图像处理技术领域，更进一步涉及一种自然图像处理技术的滤波方法，该方法使用小波高频系数来描述贝叶斯去噪模型中的相似性权值，以贝叶斯非局部均值滤波为去噪模型，可用于对自然图像进行去噪处理。
背景技术：
计算机科学技术的迅猛发展对数字图像处理领域产生了巨大的影响，图像去噪作为图像处理领域的一个重要分支，其主要目的是解决实际图像由于噪声干扰导致的图像质量下降的问题。现有消除噪声即滤波的方法主要分为空域滤波和频域滤波，但是这两种滤波都会使图像丢失很多细节信息，为了克服这两种方法的缺点，有人提出了非局部均值的思想，非局部均值的方法能够尽可能充分的利用整幅图像中的冗余信息，根据图像块之间的相似性估计出待估计像素点的真实值，但是非局部均值方法在提出时只是应用于空域， 而且随着图像噪声的增加，整幅图像的相关信息遭到了噪声的破坏，使得非局部均值方法很难有效地利用图像中的冗余信息。在西安电子科技大学申请的“基于shearlet域非局部均值的自然图像去噪方法” 的专利(申请号为201010252202. 7，公开号为CN101930598A)中公开了一种基于shearlet 域非局部均值的自然图像去噪方法。该方法利用拉普拉斯金字塔方法将图像分解为三层， 第一层采用非局部均值方法进行处理，第二、第三层先利用shearlet方向滤波器组分别分解成四组shearlet系数，再对每组shearlet系数进行β值的估计，之后，对各组shearlet 系数进行广义高斯模型下的非局部均值方法的去噪处理；对去噪结果进行重构，得到最终去噪结果。该方法存在的不足是，由于使用了广义高斯模型，因此其可调参数非常多，不具有自适应性，而且此方法只对高噪声的图像有明显的去噪效果，对低噪声的图像效果一般。在西安电子科技大学申请的“基于Treelet和非局部均值的图像去噪”的专利(申请号为201110001952. 1，公开号为CN102063708A)中公开了一种基于Treelet和非局部均值的图像去噪方法。该方法通过计算图像的协方差矩阵，在对协方差矩阵做Treelet变换， 得到尺度向量，再对图像逐像素取滑窗与尺度向量相乘，得到特征向量函数，由特征向量函数对图像逐像素滤波，得到去噪图像。该方法存在的不足是，此方法的处理过程过于复杂， 并且无法保证特征向量函数的准确性，不能在较好平滑噪声的同时保持和恢复自然图像的边缘和纹理细节。该方法同样只对高噪声的图像有明显的去噪效果，对低噪声的图像效果一般。
发明内容
本发明的目的在于克服现有技术的不足，用小波高频系数描述贝叶斯去噪模型中的相似性权值，根据贝叶斯非局部均值滤波框架，提出了一种基于小波高频的贝叶斯去噪方法，以实现对自然图像去噪中纹理和平滑区域的兼顾，提高图像去噪效果。本发明的具体步骤包括如下
(1)输入一幅待去噪的自然图像；(2)对待去噪的自然图像做小波分解对待去噪自然图像做小波分解，将其分解为高频子带和低频子带；(3)分别计算出每个高频子带的贝叶斯萎缩阈值3a)用Donoho提出的鲁棒中值法，估计各高频子带的噪声标准差；3b)按照下式计算各高频子带贝叶斯萎缩阈值
权利要求
1. 一种基于小波高频的贝叶斯去噪方法，包括如下步骤(1)输入一幅待去噪的自然图像；(2)对待去噪的自然图像做小波分解对待去噪自然图像做小波分解，将其分解为高频子带和低频子带；(3)分别计算出每个高频子带的贝叶斯萎缩阈值3a)用Donoho提出的鲁棒中值法，估计各高频子带的噪声标准差； 3b)按照下式计算各高频子带贝叶斯萎缩阈值
2.根据权利要求1所述的基于小波高频的贝叶斯去噪方法，其特征在于步骤3a)中所述鲁棒中值法的公式为median(abs (Wkl (:))) 一 0.6745其中，&为第k层第ι个方向的的高频图像的噪声标准差； median为取中值函数； abs为取绝对值函数；Wkl为第k层第1个方向的高频图像小波系数； wkl(:)为Wkl中含有的全部小波系数。
3.根据权利要求1所述的基于小波高频的贝叶斯去噪方法，其特征在于步骤中所述的固定长度为2 5个像素点。
4.根据权利要求1所述的基于小波高频的贝叶斯去噪方法，其特征在于步骤(5)中所述的固定长度为7 15个像素点。
5.根据权利要求1所述的基于小波高频的贝叶斯去噪方法，其特征在于步骤(7)中所述的均值约束条件为mean (Zi) -mean (Zj) | 彡 3 σ / (2f+l)其中，Hiean(Zi)为待去噪自然图像中以像素点i为中心的像素块Zi的均值； mean (Zj)为待去噪自然图像中以像素点j为中心的像素块的均值； σ为待去噪自然图像中噪声的标准差； f为待估计像素块的半径。
6.根据权利要求1所述的基于小波高频的贝叶斯去噪方法，其特征在于步骤(7)中所述的方差约束条件为
7.根据权利要求1所述的基于小波高频的贝叶斯去噪方法，其特征在于步骤(8)中所述的高频相似度距离由下式得到
8.根据权利要求1所述的基于小波高频的贝叶斯去噪方法，其特征在于步骤(8)中所述归一化因子为
9.根据权利要求1所述的基于小波高频的贝叶斯去噪方法，其特征在于步骤(10)中所述加权求和采用下列公式完成
全文摘要
本发明公开一种基于小波高频的贝叶斯去噪方法，包括如下步骤步骤1.输入一幅待去噪的自然图像；步骤2.对待去噪的自然图像做小波分解；步骤3.分别计算出每个高频子带的贝叶斯萎缩阈值；步骤4.选取待估计像素块；步骤5.确定搜索窗；步骤6.在搜索窗中选取一个像素块；步骤7.判断是否满足约束条件；步骤8.计算高频相似性权值；步骤9.判断搜索窗内的点是否搜索完；步骤10.计算待估计像素块的恢复值；步骤11.判断待去噪自然图像是否搜索完；步骤12.整合恢复值。本发明采用了小波高频系数来计算相似性权值，相对于现有的去噪方法，能够在较好平滑噪声的同时保持和恢复自然图像的边缘和纹理细节，可用于对自然图像的去噪处理。
文档编号G06T5/00GK102314675SQ20111028998
公开日2012年1月11日 申请日期2011年9月27日 优先权日2011年9月27日
发明者侯彪, 张小华, 焦李成, 王桂婷, 王爽, 钟桦, 韩超 申请人:西安电子科技大学