【技术实现步骤摘要】
本 专利技术属于图像处理领域,涉及。
技术介绍
图像去噪技术属于图像处理和底层视觉中的关键性问题,是后续模式识别和高层理解的基础,有着广泛的应用需求,该技术可以应用到交通监控、军事、医学等多个领域。因此,通过图像去噪技术提高图像质量,具有重要的理论意义和现实价值,收到国内外学术界和商业界的极大关注。非局部均值方法是当前新兴而又非常有效的一种图像去噪方法,它利用大多数图像内存在很多相似性图像块的特点,在图像中搜索灰度相似的块进行匹配来估计噪声点的值。非局部均值方法权值窗口大小的选择至关重要,选择较大的权值窗口容易可以很好地去除噪声,但同时会导致边缘结构的模糊化,反之,选择较小的权值窗口,可以很好地保护边缘结构,但噪声不能很好地得到抑制。由于图像边缘结构是图像中最重要的视觉特征,保护图像边沿结构尤为重要。为了达到这比目标,非局部均值去噪方法中的权值窗口应该具有结构自适应性,即当待处理的像素点为边缘结构上的点时,采用较小的权值窗口函数,以更好地保护边缘结构;当待处理的像素点属于平坦区域或噪声点是,采用较大的权值窗口函数,以抑制噪声。为此,本专利技术提出了一种基于图像区域自适应的非局部均值去噪方法,该方法能够根据图像的局部结构特性自适应选取权值窗口的大小,从而可以更好地保护边缘结构和抑制噪声。
技术实现思路
技术问题:本专利技术提供一种可以更好地保护图像边缘结构和抑制噪声的权值窗口自适应非局部均值图像去噪方法。技术方案:本专利技术的权值窗口自适应非局部均值图像去噪方法,包括如下步骤:步骤1:读入一帧大小为M1XM2X 3的噪声彩色图像uQ,其中M1和M2 ...
【技术保护点】
一种权值窗口自适应非局部均值图像去噪方法,其特征在于,该方法包括以下步骤:步骤1:读入一帧大小为M1×M2×3的噪声彩色图像u0,其中M1和M2为正整数,分别表示图像矩阵的行数和列数,然后将输入的噪声彩色图像从RGB彩色空间转换到YCbCr彩色空间,转换后的噪声图像记为f,大小为M1×M2×3;步骤2:构建噪声图像f所有像素点(i,j)的结构张量矩阵Tσ(i,j)Tσ(i,j)=Gσ(i,j)*(fx(i,j))2Gσ(i,j)*fx(i,j)fy(i,j)Gσ(i,j)*fx(i,j)fy(i,j)Gσ(i,j)*(fy(i,j))2,]]>其中,fx(i,j)表示噪声图像f在点(i,j)处沿坐标轴x方向的导数,fy(i,j)表示噪声图像f在点(i,j)处沿坐标轴y方向的导数,Gσ(i,j)表示标准差为σ的高斯核函数,其表达式为:G(i,j)=12πσ2exp[-(i2+j2)/2σ2]]]>其中,exp表示公知的以e为底的指数函数,标准差σ取值范围为0.5;步骤3:构建边缘结构指示符,具体方法 ...
【技术特征摘要】
1.一种权值窗口自适应非局部均值图像去噪方法,其特征在于,该方法包括以下步骤: 步骤1:读入一帧大小SM1XM2X 3的噪声彩色图像Utl,其中M1和M2为正整数,分别表示图像矩阵的行数和列数,然后将输入的噪声彩色图像从RGB彩色空间转换到YCbCr彩色空间,转换后的噪...
【专利技术属性】
技术研发人员:曾维理,季赛平,李聪,路小波,费树岷,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。