一种基于噪点检测的自适应非局部均值去噪方法及系统技术方案

本发明专利技术公开了一种基于噪点检测的自适应非局部均值去噪方法，所述方法包括：输入原始高斯白噪声图像u；获取所述高斯白噪声图像u中某个点的hessian矩阵Hu，获取所述hessian矩阵Hu的第一特征值λ1和第二特征值λ2；获取所述原始高斯白噪声图像的噪点参数Di,j；根据所述第一特征值λ1、第二特征值λ2和噪点参数Di,j，获得噪点检测函数N；基于所述噪点检测函数N，对所述原始高斯白噪声图像u进行去噪处理。本发明专利技术提供的方法及系统解决了现有技术中采用非局部均值去噪方法，会模糊图像的边缘、纹理信息，存在整体去噪效果不好的技术问题。

An adaptive noise detection based on non local mean method and system for denoising

The invention discloses a non local mean denoising method based on adaptive noise detection, the method includes: input the original Gauss white noise image u; Hessian matrix Hu is a point to obtain the Gauss white noise in U image, the first feature to obtain the Hessian matrix Hu value 1 and second characteristic values lambda 2; noise parameter Di, obtaining the original Gauss white noise image J; according to the characteristics of the second lambda 1, lambda 2 first eigenvalue value and noise parameters of Di, J, obtain the noise detection function N; the noise detection function N based on the original Gauss white noise image u denoising processing. The method and the system provided by the invention solves the technical problems that the non local mean denoising method used in the prior art can blur the edge and texture information of an image, and the whole denoising effect is not good.

【技术实现步骤摘要】
一种基于噪点检测的自适应非局部均值去噪方法及系统
本专利技术涉及图像处理
，尤其涉及一种基于噪点检测的自适应非局部均值去噪方法及系统。
技术介绍
随着信息化时代的发展，图像成为人类获取及利用信息的重要来源。由于图像在获取、传输过程中受到外部环境、设备自身的限制，导致所生成的图像上会出现一些噪声。这些噪声不但会影响图像的视觉效果，而且直接影响后续的图像处理。在图像去噪的发展过程中，众多国内外学者提出了很多去噪方法，其中Buades等人在2005年提出的非局部均值算法(NLM)取得了较好的去噪效果，并得到了广泛地研究与发展。然而本申请专利技术人在实现本专利技术的技术方案时，发现现有技术中至少存在如下问题：NLM算法在去噪的同时会模糊图像中的边缘、纹理等重要细节信息。这些因素局限了NLM算法的应用。可见，现有技术中采用非局部均值去噪方法，会模糊图像的边缘、纹理信息，存在整体去噪效果不好的技术问题，实际环境中污染图像的噪声主要是高斯白噪声，因此去除高斯白噪声成为图像去噪领域的核心问题。
技术实现思路
本专利技术实施例提供一种基于噪点检测的自适应非局部均值去噪方法及系统，用以解决现有技术中采本文档来自技高网...

【技术保护点】
一种基于噪点检测的自适应非局部均值去噪方法，其特征在于，所述方法包括：输入原始高斯白噪声图像u；获取所述高斯白噪声图像u中某个点的hessian矩阵Hu，所述矩阵Hu为：

【技术特征摘要】
1.一种基于噪点检测的自适应非局部均值去噪方法，其特征在于，所述方法包括：输入原始高斯白噪声图像u；获取所述高斯白噪声图像u中某个点的hessian矩阵Hu，所述矩阵Hu为：其中，uxx、uxy、uyx、uyy为所述高斯白噪声图像u的二阶偏导数；获取所述hessian矩阵Hu的第一特征值λ1和第二特征值λ2；获取所述原始高斯白噪声图像u的噪点参数Di,j；根据所述第一特征值λ1、第二特征值λ2和噪点参数Di,j，获得噪点检测函数N，其中，N＝(1-exp(-|λ1|))(1-exp(-|λ2|))(1-exp(-Di,j))；基于所述噪点检测函数N，对所述原始高斯白噪声图像u进行去噪处理。2.如权利要求1所述的方法，其特征在于，所述获取所述hessian矩阵Hu的第一特征值λ1和第二特征值λ2，包括：根据线性尺度空间理论，获得尺度空间图像偏导数其中，u(x,y)为图像，为高斯函数偏导数，G(x,y)为二维高斯函数，s为标准差；根据所述尺度空间图像偏导数，获得第一特征值λ1和第二特征值λ2，其中，3.如权利要求2所述的方法，其特征在于，所述获取所述原始高斯白噪声图像u的噪点参数Di,j，包括：获取中心在u(i,j)处的窗口Wi,j大小；将所述窗口Wi,j分解为四个子窗口其中分别为窗口Wi,j中经过中心u(i,j)的水平子窗口、竖直子窗口、主对角线子窗口和次对角线子窗口；计算上述各子窗口中的点与中心点u(i,j)的差的绝对加权均值其中，表示四个子窗口中的任意一个，d表示子窗口中的点与中心点u(i,j)的差，ω表示当前差的权值，以绝对加权均值的最小值为噪点参数Di,j。4.如权利要求1所述的方法，其特征在于，所述基于所述噪点检测函数N，对所述原始高斯白噪声图像u进行去噪处理，包括：根据所述噪点检测函数N自适应确定非局部均值去噪时每个点的搜索窗口的大小及相似窗口的大小；根据所述搜索窗口的大小和所述相似窗口的大小，对所述原始高斯白噪声图像u进行去噪处...

【专利技术属性】
技术研发人员：陈鹏，伍世虔，何松，张俊勇，邹谜，韩浩，王欣，宋运莲，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北,42