基于变换域的三维匹配调和滤波图像去噪方法技术

本发明专利技术公开了一种基于变换域的三维匹配调和滤波图像去噪方法,包括如下步骤：一、将采集到的图像进行灰度转换并进行加噪处理；二、利用三维块匹配滤波得到图像的预估计数据；三、小波分解变换以提取步骤二得到的预估计图像中的高频部分进行滤波，为避免边缘模糊，引用拉普拉斯高斯算法构建新算子带入扩散模型，最后小波重构以得到原始图像的最终逼近；四、通过Canny算子对边缘进行检测以及计算各模型的峰值信噪比和结构相似度来分析该方法的有效性和可行性；本发明专利技术性能优越，内部信息保护更具完整性，运算速度合理，有利于实际应用。

3-D Matched Harmonic Filtering Image Denoising Method Based on Transform Domain

The invention discloses a three-dimensional matched harmonic filtering image denoising method based on transform domain, which includes the following steps: 1. gray level conversion and denoising of the collected image; 2. Predictive data of the image is obtained by using three-dimensional block matched filtering; 3. Wavelet decomposition transform to extract the prediction obtained by step 2. In order to avoid edge blurring, the high frequency part of the image is filtered, and a new operator is introduced into the diffusion model by using Laplace-Gauss algorithm, and the final approximation of the original image is obtained by wavelet reconstruction. Fourthly, edge detection is carried out by Canny operator, and peak signal-to-noise ratio and structural similarity of each model are calculated to analyze. The method has the advantages of superior performance, more integrity of internal information protection, reasonable operation speed, and is conducive to practical application.

【技术实现步骤摘要】
基于变换域的三维匹配调和滤波图像去噪方法
本专利技术涉及图像处理
，尤其涉及一种基于变换域的三维匹配调和滤波图像去噪方法。
技术介绍
图像俨然已成为现阶段人类活动中最常用的信息载体，边缘检测、特征提取、模式识别等图像处理过程的研究也越来越受到广泛学者的青睐。然而在图像的获取、压缩或是传输过程中极易引入噪声，从而影响后续的工作。所以降噪处理工作在图像处理过程中为尤为首要。现阶段去噪算法大多是从概率统计理论，模糊理论，非参数估计理论等领域衍生而来。由于先验信息的缺乏，去噪问题常具有病态性，因此需要使用如偏微分方程(PDE)的数学方法，其能够准确反映未知变量关于时间和空间变量的导数之间的制约关系。目前，对于去噪方法的研究有很多，当前许多图像去噪算法中都存在缺乏对整体结构的分析以及运算量过大的不足，所以急需对相关的内容进行研究，得到完善的结论，在图像结构信息的保护与运算复杂度之间能够得到较好的平衡提供有效方法。
技术实现思路
针对含有噪声的图像，提供一种基于变换域的三维匹配调和滤波图像去噪方法对图像进行处理分析，运用建立的新型模型对采集到的图像加入噪声样本，并进行噪声滤除工作，将噪声图像先进行三维块匹配滤波预处理，增加对于图像块信息的分析，而后利用改进后的扩散模型进行滤波处理，以此保证边缘结构纹理信息的完整性，为图像噪声去除提供有效的指导方法。本专利技术为解决上述技术问题采用以下技术方案：基于变换域的三维匹配调和滤波图像去噪方法，具体包括如下步骤：步骤一，将采集到的原始图像依次进行灰度转换和加噪处理，则加噪处理后的图像具体如下式(1)所示：I0(x,y)＝I(x,y)+n(x,y)(x,y∈R)(1)其中，I0表示加噪图像，I为原始图像，n表示均值为0，方差为σ2的高斯噪声，R为图像的定义域，(x,y)表示图像域的二维空间坐标；步骤二，将加噪处理后的图像转换为三维数组进行预估计操作；步骤三：对预估计操作后的图像进行小波分解，提取其高频部分进行滤波处理；为避免边缘模糊，引用拉普拉斯高斯算法构建新滤波算子带入扩散模型，最后小波重构以得到原始图像的最终逼近；步骤四：利用Canny算子对去噪处理后的图像进行边缘检测，并通过计算峰值信噪比和结构相似比，分析去噪算法的有效性。作为本专利技术基于变换域的三维匹配调和滤波图像去噪方法的进一步优选方案，在步骤一中，灰度转换利用MATLAB的rgb2gray函数将采集到的RGB图像转换为灰度图像；图像加噪处理利用MATLAB的imnoise函数添加高斯噪声来验证去噪模型的有效性，其调用格式为J＝imnoise(I,’gaussian’,m,v),其中，I表示原始图像，gaussian在MATLAB中表示高斯噪声，m为高斯噪声均值，m的默认值为0，v为高斯噪声的方差。作为本专利技术基于变换域的三维匹配调和滤波图像去噪方法的进一步优选方案，所述步骤二具体如下：将相似的二维图像块组合成三维数组矩阵，进行联合滤波，而后对三维数组进行逆变换并加权平均以消除图像块重叠部分，得到含噪图像的预估计。作为本专利技术基于变换域的三维匹配调和滤波图像去噪方法的进一步优选方案，扩散模型具体如下：式(2)中，表示预估计图像，表示最终估计，div为散度算子、为梯度算子，W表示对图像进行小波变换分解，与梯度信息相关的递减函数c[·]用来控制不同位置的扩散程度。作为本专利技术基于变换域的三维匹配调和滤波图像去噪方法的进一步优选方案，新滤波算子的具体表达式如下：式(3)中，表示预估计图像，x,y分别表示图像域的二维空间坐标；将式(3)带入(2)式，并建立新的扩散模型，即：式(4)中，以增强图像边缘，控制扩散速度，表示预估计图像，表示最终估计，div为散度算子、为梯度算子，W表示对图像进行小波变换分解，其中为高斯核函数，σ为平滑尺度。作为本专利技术基于变换域的三维匹配调和滤波图像去噪方法的进一步优选方案，峰值信噪比的计算公式为：其中，W×H表示图像的分辨率，I表示初始图像，表示最终估计图像。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1、本专利技术性能优越，内部信息保护更具完整性，运算速度合理，有利于实际应用；2、本专利技术提供的基于变换域的三维匹配调和滤波图像去噪方法，弥补了当前图像去噪算法中所存在的缺乏对整体结构的分析以及运算量过大的不足，在图像结构信息的保护与运算复杂度之间能够得到较好的平衡。附图说明附图1是本专利技术具体实施方式的基于变换域的三维匹配调和滤波图像去噪方法的流程图；附图2A-2B是本专利技术具体实施方式的原始图像进行灰度图像转换后的加噪图像的局部,图2A为Dxy，图2B为Tsg；附图3A-3B是采用本专利技术具体实施方式的方法对加噪图像进行去噪处理后的效果图，图3A是图2A的去噪效果图，图3B是图2B的去噪效果图；附图4A-4D是加噪图像经过本专利技术具体实施方式的方法进行去噪后的Canny算子边缘检测图,图4A是图2A的边缘检测图，图4B是图2B的边缘检测图,图4C是图3A的边缘检测图，图4D是图3B的边缘检测图；；附图5A-5B是加噪图像经过本专利技术具体实施方式的方法进行去噪后与多种方法在不同方差下比较的PSNR仿真图,图5A是图2A的PSNR仿真图，图5B是图2B的PSNR仿真图；具体实施方式下面结合附图对本专利技术提供的基于变换域的三维匹配调和滤波图像去噪方法的具体实施方式做详细说明。本具体实施方式提供了一种基于变换域的三维匹配调和滤波图像去噪方法，附图1是本专利技术具体实施方式的基于变换域的三维匹配调和滤波图像去噪方法的流程图。如图1所示，本具体实施方式提供的基于变换域的三维匹配调和滤波图像去噪方法包括如下步骤：步骤一：将采集到的图像进行灰度转换并进行加噪处理，其中，加噪后图像如下式(1)所示：I0(x,y)＝I(x,y)+n(x,y)(x,y∈R)(1)式(1)中I0表示加噪图像,I为原始图像，n表示均值为0，方差为σ2的高斯噪声。设R是实平面中一个有界开子集，定义为图像的定义域，(x,y)表示图像域的二维空间坐标。优选的，利用MATLAB的rgb2gray函数将采集到的原始图像转换为灰度图像。优选的，利用MATLAB的imnoise函数为所述灰度图像添加高斯噪声，其调用格式为J＝imnoise(I,’gaussian’,m,v)，其中I为原始灰度图像，gaussian表示添加的高斯噪声，m为高斯噪声均值，默认值为0，v为高斯噪声的方差。灰度转换后的加噪图如图2A-2B所示，并且从灰度图中可以清晰的得到有无明显双峰信息。步骤二：将二维图像数据转换为三维数组进行预估计操作,优选的，利用欧式距离度量准则搜索与以当前参考块的中心像素点区域相似的另一个区域的图像相似块，如式(5)所示：其中，Bx,y均为大小N1×N1的图像块，Γ2D表示利用离散余弦(DCT)进行的二维线性变换,γ是阈值算子。定义图像块搜索相似块的最大距离为τmatch，通过式(2)进行块匹配得到的结果为将集合中的相似块合并堆叠为的三维数组，通过对该数组进行归一化三维线性变换，随后进行三维逆变换得到匹配块的初步逼近：式(6)中,表示利用离散余弦(DCT)进行的三维线性逆变换,γ是阈值算子,Γ3D表示利用离散余弦进行的三维线性变换,表示集合中的相似块合并堆叠为本文档来自技高网...

【技术保护点】
1.基于变换域的三维匹配调和滤波图像去噪方法，其特征在于：具体包括如下步骤：步骤一，将采集到的原始图像依次进行灰度转换和加噪处理，则加噪处理后的图像具体如下式(1)所示：I0(x,y)＝I(x,y)+n(x,y)(x,y∈R)                   (1)其中，I0表示加噪图像，I为原始图像，n表示均值为0，方差为σ2的高斯噪声，R为图像的定义域，(x,y)表示图像域的二维空间坐标；步骤二，将加噪处理后的图像转换为三维数组进行预估计操作；步骤三：对预估计操作后的图像进行小波分解，提取其高频部分进行滤波处理；为避免边缘模糊，引用拉普拉斯高斯算法构建新滤波算子带入扩散模型，最后小波重构以得到原始图像的最终逼近；步骤四：利用Canny算子对去噪处理后的图像进行边缘检测，并通过计算峰值信噪比和结构相似比，分析去噪算法的有效性。

【技术特征摘要】
1.基于变换域的三维匹配调和滤波图像去噪方法，其特征在于：具体包括如下步骤：步骤一，将采集到的原始图像依次进行灰度转换和加噪处理，则加噪处理后的图像具体如下式(1)所示：I0(x,y)＝I(x,y)+n(x,y)(x,y∈R)(1)其中，I0表示加噪图像，I为原始图像，n表示均值为0，方差为σ2的高斯噪声，R为图像的定义域，(x,y)表示图像域的二维空间坐标；步骤二，将加噪处理后的图像转换为三维数组进行预估计操作；步骤三：对预估计操作后的图像进行小波分解，提取其高频部分进行滤波处理；为避免边缘模糊，引用拉普拉斯高斯算法构建新滤波算子带入扩散模型，最后小波重构以得到原始图像的最终逼近；步骤四：利用Canny算子对去噪处理后的图像进行边缘检测，并通过计算峰值信噪比和结构相似比，分析去噪算法的有效性。2.根据权利要求1所述的基于变换域的三维匹配调和滤波图像去噪方法，其特征在于：在步骤一中，灰度转换利用MATLAB的rgb2gray函数将采集到的RGB图像转换为灰度图像；图像加噪处理利用MATLAB的imnoise函数添加高斯噪声来验证去噪模型的有效性，其调用格式为J＝imnoise(I,’gaussian’,m,v),其中，I表示原始图像，gaussian在MATLAB中表示高斯噪...

【专利技术属性】
技术研发人员：石兰芳，黄金，周先春，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32