一種基于方向金字塔濾波的圖像處理方法及裝置制造方法及圖紙

一種基于方向金字塔濾波的圖像處理方法，包括如下步驟，對輸入圖像信號XIN進行傅里葉變換后，經(jīng)過低通濾波器組（L0…LM-1）進行圖像信號相減的尺度分解，隨后再通過方向濾波器組(B0…BN)進行方向濾波，再經(jīng)過反傅里葉變換，得到一系列各個方向和尺度的圖像信號和粗尺度圖像信號，將這些信號相加，得到最終輸出的圖像信號。此外本發(fā)明專利技術(shù)還提供一種能實現(xiàn)上述方法的圖像處理裝置。本發(fā)明專利技術(shù)所述的基于方向金字塔濾波的圖像處理方法及裝置，采用了方向可控的金字塔形濾波器，具有平移不變性和旋轉(zhuǎn)不變性，對圖像自由進行多尺度分解，采用基本濾波器組合得出全方向角度的濾波器，實現(xiàn)了對圖像的全方向濾波，且計算量相對較小。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)屬于圖像信號處理領(lǐng)域，涉及一種基于方向金字塔濾波的圖像處理方法及裝置
技術(shù)介紹
目前現(xiàn)有的圖像去噪方法大致可以劃分為兩類(1)空間域方法。在空間域采用各種平滑模板與圖像進行卷積，從而達到壓制或消除噪聲的目的；(2)變換域方法。對圖像進行各種變換以后，選用適當?shù)念l率帶通濾波器進行濾波，其理論基礎(chǔ)是信號主要分布于低頻部分，而噪聲主要分布于高頻部分，濾除信號的高頻部分就可以濾除噪聲。但是對圖像來說，圖像的細節(jié)信號也位于高頻部分，濾除高頻的同時，在不同程度上也破壞了圖像細節(jié)，所以還需要進行相關(guān)處理。迄今為止，已經(jīng)存在有多種去除噪聲的算法，每一種算法都有它自身的假設、優(yōu)點和缺點。例如空域處理方法,主要包括領(lǐng)域平均法、中值濾波、維納濾波等。領(lǐng)域平均法是一種典型的線性去噪方法，能有效地去除高斯噪聲，適用面較廣，缺點是嚴重破壞了圖像的邊緣，模糊了圖像。中值濾波是一種去除噪聲的非線性處理方法，對消除圖像中的脈沖噪聲很有效，且能較好地保護圖像邊緣，但涉及大量的排序運算，運算速度較慢，對圖像的實時處理有影響。維納濾波對去除高斯白噪聲效果好，去噪同時保留圖像的邊緣和高頻細節(jié)，但在信噪比較低的情況下，效果不佳。因此，傳統(tǒng)空域去噪方法是在濾除噪聲的同時也去除了圖像的部分邊緣信息，而人眼對圖像的邊緣非常敏感，這就造成了去噪后圖像的主觀質(zhì)量下降，即去噪處理是以清晰度降低為代價的。而且，傳統(tǒng)空域去噪算法的效果依賴于濾波窗口的大小以及參與中值計算的像素點個數(shù)，不同大小的窗口對輸出圖像的質(zhì)量有較大影響。窗口太大，會丟失過多的圖像細節(jié)，圖像模糊，窗口太小，去噪效果又不好，所以，傳統(tǒng)空域濾波去噪是以犧牲圖像分辨率為代價換取的。這就要求在保留地質(zhì)細微特征時選擇合適的去噪方法。大多數(shù)商業(yè)軟件采用一系列基本的空間濾波器來進行均值、中值、定向?qū)?shù)和尖銳化。由于小波變換的稀疏特性，小波域的信號去噪成為了一個熱點。由小波變換的特性可知，高斯噪聲的小波變換均勻分布在頻率尺度空間的各部分，系數(shù)仍然是高斯分布的，而信號則是帶限的，小波變換系數(shù)只集中在頻率尺度空間的有限部分。從信號能量的觀點看，在小波域上，噪聲能量分布在所有的小波系數(shù)上，所有的小波系數(shù)都對噪聲有貢獻，而只有一小部分小波系數(shù)對信號能量有貢獻。因此可以把小波系數(shù)分成兩類，第一類小波系數(shù)僅由噪聲變換得到，這類系數(shù)數(shù)目較多，幅值小，第二類小波系數(shù)由信號變換得來，同時包含噪聲的變換系數(shù)，這類系數(shù)數(shù)目較小，幅值大。根據(jù)信號小波變換系數(shù)分界的特點，可以根據(jù)這種差異來降低噪聲。對信號的小波系數(shù)設置一個閾值，認為大于這個閾值的小波系數(shù)屬于第二類系數(shù)，它同時包含信號和噪聲的變換結(jié)果，可以簡單保留或進行后續(xù)操作，小于這個閾值的小波系數(shù)屬于第一類系數(shù)，它只包含噪聲系數(shù)，應該去掉。這樣就達到了去噪的目的。這種方法保留了大部分包含信號的小波系數(shù)，因此可以較好地保持圖像細節(jié)信肩、O傳統(tǒng)的低通濾波方法直接將圖像的高頻成分濾除，雖然能達到去噪的目的，但卻破壞了圖像細節(jié)，利用小波理論可以構(gòu)造一種既能去噪，又能保持圖像細節(jié)的方法。一般情況下，小波作為一種逼近工具，在處理具有點狀奇異性的一維和二維目標時，體現(xiàn)了良好的性能。小波變換具有能量壓縮特性，經(jīng)過變換后象征奇異點的信號系數(shù)保持很大，而其它的系數(shù)則變得很小。但是，小波變換在處理一維信號時所具有的優(yōu)勢并不能簡單的推廣到二維或更高維。由一維小波擴展成的二維離散小波只具有有限的方向，不可能“最優(yōu)”表示含有線奇異或者面奇異的高維函數(shù)。二維離散小波基只具有水平、垂直、對角三個方向，這種方向性的缺乏致使小波變換不能充分利用圖像本身的幾何正則性。對于圖像，邊緣的非連續(xù)性是按空間分布的，這種奇異性影響了小波的多項展開級數(shù)，因此，小波變換在處理圖像邊緣時不可避免地會在圖像邊緣和細節(jié)位置造成一定程度的模糊。對于一維分段平滑信號的表示，小波具有很好的性能，然而，對于二維圖像處理，二維小波變換的基函數(shù)是各向同性的，變換系數(shù)的局部模極大值只能反映出該小波系數(shù)出現(xiàn)的位置是“過”邊緣的，而無法表達“沿”邊緣的信息。因此，發(fā)展能夠在不同子帶內(nèi)分離邊緣和不同方向以及更有效地描述邊緣的2D多尺度變換尤其重要，比如Curvelet變換、Contourlet變換、Steerable Pyramid分解等。針對上述小波變換的缺陷，E. J. Candes和D. L. Donoho于1999年提出了 Curvelet變換，也就是第一代Curvelet變換。與小波變換的不同之處在于，除了尺度和位移參數(shù)，Curvelet還增加了一個方位參數(shù)，因此可以更好的辨識方位。然而，第一代Curvelet變換的數(shù)字實現(xiàn)比較復雜，需要子帶分解、平滑分塊和Ridgelet變換等一系列步驟，同時Curvelet變換金字塔的分解也帶來了巨大的數(shù)據(jù)冗余量，因此E. J. Candes等又提出了實現(xiàn)更簡單、更便于理解的快速變換算法，即第二代Curvelet變換。自從引進了第二代Curvelet變換理論后，國外學者發(fā)展了新的數(shù)字算法實現(xiàn)Curvelet變換,新的重構(gòu)理論簡單透明。最近幾年來我們所說的Curvelet變換,其理論實際上己經(jīng)經(jīng)過重新設計，從而更簡單易用，容易理解。在新的數(shù)學體系上提出的創(chuàng)新算法，給早期人們實現(xiàn)Curvelet變換提供了機會，目前已經(jīng)成功發(fā)展了兩種新的快速離散曲波變換。這兩種變換方式更簡單、更快，相對于以前的算法簡潔不冗余。曲波變換具有很強的方向性，能同時獲得對圖像平滑區(qū)域和邊緣部分的稀疏表達，同時該變換是各向異性的，以邊緣為基本表示元素，具有完備性，能很好地適合圖像的特點。但Curvelet變換的缺點是在裂縫、邊緣等區(qū)域會出現(xiàn)輕微的“振鈴”現(xiàn)象和放射性條紋，且Curvelet變換中隨著波數(shù)的增加，方向濾波器的數(shù)量也在增加。在2D情況下，每隔一個尺度層，曲波變換所采用的方向濾波器的數(shù)量就增加一倍；在3D情況下，每隔一個尺度層，曲波變換所采用的方向濾波器的數(shù)量就增加4倍，因此計算和存儲濾波圖像的大量數(shù)據(jù)就成了曲波變換3D工作的一個缺點。在信號的處理過程中，去噪已經(jīng)成為一個最最基本的工作。在空間域及變換域的去噪算法中，小波因其局部性、稀疏性和多尺度等特性顯示出了卓越的能力。其中比較典型的算法是Donoho等人提出的閾值收縮去噪算法及圍繞閾值選取的一系列改進算法。1994年Donoho提出了最早的小波域值去噪方法Visushrink閾值估計方法，也叫做全局域值去噪方法，它是對所有的小波系數(shù)采取一個統(tǒng)一的閾值。由于高斯噪聲的小波變換均勻分布在頻率尺度空間的各部分，系數(shù)仍然是高斯分布的，而信號則是帶限的，小波變換系數(shù)只集中在頻率尺度空間的有限部分。這樣就可以把小波系數(shù)分成兩類，第一類小波系數(shù)僅由噪聲變換得到，這類系數(shù)數(shù)目較多，幅值小，第二類小波系數(shù)由信號變換得來，同時包含噪聲的變換系數(shù)，這類系數(shù)數(shù)目較小，幅值大。根據(jù)信號小波系數(shù)分界的這個特點，就可以根據(jù)其差異來降低噪聲。對信號的小波系數(shù)設置一個閾值，認為大于這個閾值的小波系數(shù)屬于第二類系數(shù)，它同時含有信號和噪聲的變換系數(shù)，可以簡單保留或進行后續(xù)操作，小于這個閾值的小波系數(shù)屬于第一類小波系數(shù)，完全是噪聲系數(shù)，應該去掉。這樣就達到了降噪的目的。這種估計方法叫做硬閾值本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種基于方向金字塔濾波的圖像處理方法，包括如下步驟，步驟1.對輸入圖像信號XIN進行傅里葉變換后輸出圖像信號A1步驟2.對圖像信號A1，分別經(jīng)過低通濾波器組（L0…LM?1）的前兩個低通濾波器L0和L1，得到濾波后的圖像信號P0，P1，所述低通濾波器組（L0…LM?1）中各低通濾波器的通帶的帶寬是等比遞減的；步驟3.用P1減去P0得到圖像信號VB1,將圖像信號VB1分別通過方向濾波器組(B0…BN)，后再經(jīng)過反傅里葉變換，得到N+1個帶通濾波圖像信號Q00~Q0N；步驟4.包括M?2個如下的循環(huán)步驟：從m=2開始，將上一步的圖像信號Pm?1通過低通濾波器組的第m+1個低通濾波器Lm,得到圖像信號Pm；用圖像信號Pm減去Pm?1，得到圖像信號VBm,將圖像信號VBm分別通過方向濾波器組(B0…BN)后再經(jīng)過一次反傅里葉變換，得到(N+1)個帶通濾波圖像信號Q(m?1)0~Q(m?1)N；步驟4中M為預先設定的尺度分解參數(shù),是大于2的整數(shù)，m為大于1但不大于M的整數(shù)，在各個循環(huán)步驟中，m依次等于2,3，…,（M?1）；步驟5.步驟4中最后一次循環(huán)得到的圖像信號PM?1直接進行反傅里葉變換，得到粗尺度層圖像信號Q；步驟6.將步驟3和步驟4中得到的全部（N+1）*（M?1）個帶通濾波圖像信號與步驟5中得到的粗尺度層圖像信號Q相加得到最終圖像信號；其中步驟3和4中所述方向濾波器組(B0…BN)符合下式：???????②,為方向濾波器的輸入信號頻率在x，y方向的頻率分量，②式中j為不大于N的非負整數(shù)；上述各步驟中N為預先設定的方向分解參數(shù)，N為正整數(shù)。2012104683060100001dest_path_image001.jpg,236183dest_path_image002.jpg,2012104683060100001dest_path_image003.jpg...

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉力輝，
申請(專利權(quán))人：成都晶石石油科技有限公司，
類型：發(fā)明
國別省市：