一种基于噪声方差估计的非局部均值图像去噪方法技术

本发明专利技术属于数字图像处理技术领域，具体涉及一种应用于图像去噪并作为后续目标识别的预处理的基于噪声方差估计的非局部均值图像去噪方法。本发明专利技术包括：输入噪声图像，获取噪声图像尺寸；生成一个与噪声图像相同尺寸的零矩阵；对噪声图像边缘进行对称扩展；估计噪声方差，确定全局平滑参数；遍历噪声图像中每个像素，计算权值；利用非局部均值算法计算去噪图像。本发明专利技术中基于噪声方差估计的非局部均值图像去噪方法，可以显著提高噪声图像清晰度，并且去噪后能更清晰地保留边缘和细节信息。

【技术实现步骤摘要】
一种基于噪声方差估计的非局部均值图像去噪方法
本专利技术属于数字图像处理
，具体涉及一种应用于图像去噪并作为后续目标识别的预处理的基于噪声方差估计的非局部均值图像去噪方法。
技术介绍
图像去噪作为图像处理中的最为基础与核心的技术，是保证后续图像处理顺利实现的前提，又被称作图像滤波。其最终目的是改善实际图像受到噪声干扰引起的质量下降，通过各种技术手段的应用，有效提高图像的视觉质量及信噪比，更好的还原出图像的本质信息，作为重要的预处理手段为后续操作做好准备。图像中存在的噪声一般可被认为高斯白噪声，传统去噪方法大致可分为基于空域和变换域的两大类。这些方法在去除噪声的同时常常会引起细节与边缘的缺失。实际上图像中的每个像素并非孤立存在，与其周围像素一起构成图像中的几何结构，以目标像素为中心的领域称为图像块。而且处于不同位置的像素表现出很强的相关性，即图像的自相似性。Buades等人基于自然图像中冗余信息的存在，利用图像中的自相似性提出了非局部均值算法。其核心思想是以目标像素为中心选择合适的图像块，然后在整幅图像中搜索具有相似结构的图像块，以各图像块间相似度对于目标像素进行调整。但该方法中存在噪声图像的参数选取问题，包括图像块大小的选择与噪声方差的估计。传统的经验估计方法不能很好地获得准确的噪声方差，而过于复杂地估计方法又会导致整体计算量的加大。
技术实现思路
本专利技术的目的在于针对现有非局部均值图像去噪方法中存在的不完善之处，提出了一种通过噪声估计以及非局部均值滤波方法的结合，有效保持图像边缘和目标特性的同时实现图像快速去噪，为后续处理和分析提供准确的目标特性和边缘保持度的基于噪声方差估计的非局部均值图像去噪方法。本专利技术的目的是这样实现的：(1)输入噪声图像，获取噪声图像尺寸W×H；(2)生成一个与噪声图像相同尺寸的零矩阵；(3)对噪声图像边缘进行对称扩展，经扩展后噪声图像尺寸由W×H变为(W+4)×(H+4)；(4)估计噪声方差，确定全局平滑参数h；(5)遍历噪声图像中每个像素，计算权值w(x,y)；(6)利用非局部均值算法计算去噪图像NL[I](x)。对噪声图像边缘进行对称扩展具体为：(3.1)复制噪声图像第一行与第H行的灰度值，并分别添加至噪声图像图像的顶部与底部，则噪声图像尺寸变为W×(H+2)；(3.2)复制原噪声图像的第二行与第H-1行的灰度值，并分别添加至扩展后噪声图像图像的顶部与底部，则噪声图像尺寸变为W×(H+4)；(3.3)复制扩展后噪声图像第一列与第W列的灰度值，并分别添加至扩展后噪声图像图像的左侧与右侧，则噪声图像尺寸变为(W+2)×(H+4)；(3.4)复制扩展后噪声图像第二列与第W-1列的灰度值，并分别添加至扩展后噪声图像图像的左侧与右侧，最终噪声图像尺寸变为(W+4)×(H+4)。确定全局平滑参数h具体为：(4.1)生成噪声估计算子N，两个方向元素分别为：噪声估计算子N为：(4.2)将噪声图像与噪声估计算子进行二维卷积操作；(4.3)计算获得噪声方差，并将噪声标准差确定为全局平滑参数h：噪声估计算子具有零均值，每个像素位置的噪声标准差为则噪声估计算子方差为I(x)*N表示噪声估计算子与图像进行卷积运算，W×H的图像与3×3的算子卷积后的结果尺寸为(W+2)×(H+2)，其中真正属于原图像的范围为(W-2)×(H-2)，噪声方差估计值为：本专利技术的有益效果在于：本专利技术中基于噪声方差估计的非局部均值图像去噪方法，可以显著提高噪声图像清晰度，并且去噪后能更清晰地保留边缘和细节信息。附图说明图1为本专利技术实施例的图像去噪方法示范性流程图；图2为本专利技术实施例使用的测试图像；图3为本专利技术实施例图2加入标准差20的高斯噪声后的噪声图像；图4为利用小波硬阈值去噪方法，维纳滤波方法以及本专利技术方法对图3进行去噪的结果图。具体实施方式下面结合附图对本专利技术做进一步描述。噪声检测应当对图像中边缘具有敏感度，因此在估计算子的选取上应考虑到不同的方向性，假设两个方向元素分别为：噪声估计算子N通过下式获得噪声估计算子具有零均值，假设每个像素位置的噪声标准差为则噪声估计算子方差为I(x)*N表示噪声估计算子与图像进行卷积运算。W×H的图像与3×3的算子卷积后的结果尺寸为(W+2)×(H+2)。考虑到图像边缘的扩展，其中真正属于原图像的范围为(W-2)×(H-2)，因此噪声方差估计值为实现本专利技术的技术方案是以非局部均值滤波为工具，采用噪声估计算子对原始噪声图像进行噪声方差估计，然后计算估计所得的噪声标准差作为全局平滑参数h，利用非局部均值完成图像去噪，最终获得去除噪声的图像。本专利技术的目的是这样实现的：(1.1)读取噪声图像(1.2)通过噪声估计算子计算图像噪声的方差，获得全局平滑参数h(1.3)选取合适的搜索窗口尺寸、相似性窗口尺寸、利用全局平滑参数h完成图像非局部均值去噪本专利技术的核心
技术实现思路
在于图像噪声的方差估计以及非局部均值滤波算法的综合应用。应用本专利技术所去噪的图像能为用户带来功能更好的视觉体验且利于进一步的处理操作。假设f(x)表示原始无噪声图像，图像的尺寸为W×H像素。在独立同分布的加性高斯零均值噪声的作用下，噪声图像I(x)可以表示为I(x)＝f(x)+n(x)，x∈X(3)其中x＝(x1,x2)表示像素的空间坐标位置，X表示离散图像域。下面结合附图1和具体实施例对本专利技术作进一步详细说明。对于给定的噪声图像I(x)，图像中每一个像素的输出估计值由整幅图像中所有像素的加权平均决定有着相似灰度级的像素在平均计算中被分配更大的权值w(x,y)。权值函数为指数形式，两像素点间欧氏距离越小，则权值越大。在搜索区域中的每个像素点y，二范数表示灰度值向量i(x)和i(y)间的欧氏距离。其中Z(x)为归一化常数。h为全局平滑参数，它决定指数函数的衰减速度并影响滤波的程度。权值w(x,y)的确定依赖于像素x与像素y间的相似度，且满足0≤w(x,y)≤1以及∑yw(x,y)＝1。通过遍历计算图像中所有像素得到去噪结果。步骤1，输入含有噪声的图像后，获取噪声图像尺寸W×H；步骤2，生成一个与噪声图像相同尺寸的零矩阵；步骤3，对于噪声图像边缘进行对称扩展，经扩展后噪声图像尺寸由W×H变为(W+4)×(H+4)；对于噪声图像边缘对称扩展，具体按如下步骤进行：1.复制噪声图像第一行与第H行的灰度值，并分别添加至噪声图像图像的顶部与底部，则噪声图像尺寸变为W×(H+2)；2.复制原噪声图像的第二行与第H-1行的灰度值，并分别添加至扩展后噪声图像图像的顶部与底部，则噪声图像尺寸变为W×(H+4)；3.复制扩展后噪声图像第一列与第W列的灰度值，并分别添加至扩展后噪声图像图像的左侧与右侧，则噪声图像尺寸变为(W+2)×(H+4)；4.复制扩展后噪声图像第二列与第W-1列的灰度值，并分别添加至扩展后噪声图像图像的左侧与右侧，最终噪声图像尺寸变为(W+4)×(H+4)。以一幅原始尺寸为2×2图像为例进行上述扩展：步骤4，确定全局平滑参数h。在本专利技术方法中选取噪声标准差的估计值，即对于噪声方差的估计，具体按如下步骤进行：1.依据式(1)生成噪声估计算子N；2.将噪声图像与噪声估计算子进行二维卷积操作；3.利用式(2)计算获得方差，同时可确定全本文档来自技高网...

【技术保护点】
一种基于噪声方差估计的非局部均值图像去噪方法，包括如下步骤：(1)输入噪声图像，获取噪声图像尺寸W×H；(2)生成一个与噪声图像相同尺寸的零矩阵；(3)对噪声图像边缘进行对称扩展，经扩展后噪声图像尺寸由W×H变为(4)估计噪声方差，确定全局平滑参数h；(5)遍历噪声图像中每个像素，计算权值w(x,y)；(6)利用非局部均值算法计算去噪图像NL[I](x)。

【技术特征摘要】
1.一种基于噪声方差估计的非局部均值图像去噪方法，包括如下步骤：(1)输入噪声图像，获取噪声图像尺寸W×H；(2)生成一个与噪声图像相同尺寸的零矩阵；(3)对噪声图像边缘进行对称扩展，经扩展后噪声图像尺寸由W×H变为(W+4)×(H+4)；(4)估计噪声方差，确定全局平滑参数h；(5)遍历噪声图像中每个像素，计算权值w(x,y)；(6)利用非局部均值算法计算去噪图像NL[I](x)；所述对噪声图像边缘进行对称扩展具体为：(3.1)复制噪声图像第一行与第H行的灰度值，并分别添加至噪声图像图像的顶部与底部，则噪声图像尺寸变为W×(H+2)；(3.2)复制原噪声图像的第二行与第H-1行的灰度值，并分别添加至扩展后噪声图像图像的顶部与底部，则噪声图像尺寸变为W×(H+4)；(3.3)复制扩展后噪声图像第一列与第W列的灰度值...

【专利技术属性】
技术研发人员：李一兵，付强，叶方，刘悦，张静，朱瑶，杨鹏，李敖，陈杰，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23