在小波域利用进化规划进行图像去噪和增强的方法
【专利摘要】本发明提出在小波域利用进化规划进行图像去噪和增强的方法，目的是为了在小波域利用进化规划对无人机图像进行去噪和增强。该算法包括以下步骤：利用双树离散小波将图像变换到小波域；在小波域使用进化规划估算去噪阈值，对高频子带中的高分辨率系数进行软阈值去噪；在小波域使用进化规划估计增强参数，对高频子带中的低分辨率系数进行增强；进行小波逆变换，获得重构图像。本发明通过在小波域使用进化规划对无人机进行去噪和增强，设计的算法不仅能够得到视觉质量非常优秀的去噪图像，而且能够很好的保留边缘和纹理细节信息。
【专利说明】在小波域利用进化规划进行图像去噪和增强的方法
【技术领域】
[0001]本发明涉及图像处理【技术领域】和智能计算领域，特别涉及一种基于双树离散小波包和进化规划相结合的自适应图像去噪和增强方法。
【背景技术】
[0002]在无人机图像去噪中多尺度特征分析是非常重要的，同时小波处理也是非常必要的。基于小波的图像去噪和增强的基本方案如下:1)小波分解；2)在不同尺度对小波系数修正；3)根据修正的小波系数复原图像。现在一些图像增强方法仅考虑细节增强，而忽略噪声削减或者抑制。一些图像增强方法仅考虑减少噪声而忽略细节增强。一些图像增强方法既考虑噪声削减也注重细节增强。然而，他们大部分使用噪声的静态属性来估算去噪阈值。实际上，这是非常困难的，因为精确的噪声静态属性不能被提前知道或者精确预计。此外，他们大部分通过用户干预增强细节以便能获得好的结果。这将限制他们在实际图像增强中的广泛应用。
【发明内容】
[0003]本发明的目的旨在解决上述技术缺陷，改善双树离散小波去噪算法的效果以及更好地保护图像的边缘和细节信息。
[0004]为了达到上述目的，本发明提出一种基于双树离散小波和进化规划相结合的自适应双树离散小波包的 图像去噪和增强方法，包括以下几个步骤:
[0005]S1:采用双树离散小波对含有噪声的图像g进行L层分解，获得第L分解层的低频子带(即近似系数矩阵)和第I~L分解层的高频子带(即细节系数矩阵)，其中细节系数矩阵又分为高分辨率系数矩阵和低分辨率系数矩阵；
[0006]S2:针对高分辨率系数矩阵采用小波阈值去噪方法进行处理，获得去噪后的高分辨率系数矩阵，具体如下:
[0007]S2.1:利用进化规划估算各高分辨率系数矩阵对应的最优去噪阈值。
[0008]S2.1.1:把各高分辨率系数矩阵对应的初始去噪阈值作为初始群体的个体，随机初始化群体并对所有的个体进行适应度计算，获得每个个体的适应度，其中，第s个分解层、第I个个体的适应度计算公式如下:
【权利要求】
1.在小波域利用进化规划进行图像去噪和增强的方法，其特征在于包括以下步骤: 51:采用双树离散小波对含有噪声的图像g进行L层分解，获得第L分解层的低频子带，即近似系数矩阵和第I~L分解层的高频子带，即细节系数矩阵，其中细节系数矩阵又分为高分辨率系数矩阵和低分辨率系数矩阵； 52:针对高分辨率系数矩阵采用小波阈值去噪方法进行处理，获得去噪后的高分辨率系数矩阵，具体如下: S2.1:利用进化规划估算各高分辨率系数矩阵对应的最优去噪阈值； S2.1.1:把各高分辨率系数矩阵对应的初始去噪阈值作为初始群体的个体，随机初始化群体并对所有的个体进行适应度计算，获得每个个体的适应度，其中，第s个分解层、第I个个体的适应度计算公式如下:
2.根据权利要求1所述的在小波域利用进化规划进行图像去噪和增强的方法，其特征在于，步骤S2.1中所用参数cF_表示第j代种群的中心位置，其计算公式如下:
【文档编号】G06T5/00GK103903232SQ201410144096
【公开日】2014年7月2日 申请日期:2014年4月10日 优先权日:2014年4月10日
【发明者】刘芳, 付凤之, 邓志仁, 马玉磊 申请人:北京工业大学