基于滑窗邻域数据选择的小波图像降噪方法

1.一种基于滑窗邻域数据选择的小波图像降噪方法，包括下列步骤：
步骤1：将含噪图像经过小波变换处理；
步骤2：对每个子带中的小波系数单独处理，处理步骤如下：
1)在每个子带中，以每个小波系数为中心，对各个滑动窗口内小波系数邻域的 中心小波系数做阈值判断，通过$\Theta =\frac{\underset{j=1}{\overset{n}{\Sigma }}\left|{\rho }_{\mathrm{tj}}\right|}{n}+\frac{\underset{i=1}{\overset{n}{\Sigma }}\left|{\rho }_{\mathrm{is}}\right|}{n}$ 比较该系数所在各邻域的 相关度系数Θ，若最大相关度系数Θ大于经验值T，则执行2)，若最大相 关度系数Θ小于经验值T，则取消对所在滑窗的阈值处理，直接执行步骤3， 其中，(i，j)∈滑窗所在的邻域，(t，s)为滑窗的中心点，
为(X1，X2，…，Xn)的相关系数矩阵，
${\rho }_{X_1{X}_2}=\frac{\mathrm{Cov}(X_1,X_2)}{\sqrt{\mathrm{Var}\left(X_1\right)\mathrm{Var}\left(X_2\right)}}$ 为相关系数，
Cov(X1，X2)＝E{[X1-E(X1)][X2-E(X2)]}为X1，X2的协方差定义。
2)设{dm，n}是含噪图像小波后的系数的集合，对每一个小波系数dm，n，设以它为 中心的邻域窗口为Wm，n，定义邻域Nm，n(d)包含所有落在以当前阈值化小波系 数为中心，半径为d的方阵内所有小波系数，d为水平或垂直方向上相邻小 波系数的间隔，计算1)中选取的阈值处理窗口的基于广义高斯模型的贝叶斯 自适应阈值其中，噪声标准差采用鲁棒性中值估计 一层对角高频子带， 信号方差则按估计，得到缩放因子${\alpha }_{m,n}=1-{\left(\frac{\mathrm{n\lambda }}{S_{m,n}}\right)}^2,$ 其中$S_{m,n}^2=\underset{(m,n)\in W_{m,n}}{\Sigma }{d}_{m,n}^2;$
3)将窗口中心的小波系数按缩放因子进行收缩；
步骤3：依次对小波各个子带进行自适应滑动窗口邻域小波处理之后，再将小波系数 重构，得到滤波之后的图像。

暂无

暂无