一种基于图像块分类的自适应去噪方法技术

本发明专利技术公开一种基于图像块分类的自适应去噪方法，包括如下步骤：步骤1，利用包括电荷耦合器件的摄像机采集需要处理的原始图像，将采集到的图像进行灰度转换并进行加噪处理；步骤2，将噪声图像进行块分类，通过计算图像块的方差将图像分成平滑区和非平滑区；步骤3，对步骤2中分类出的平滑区用均值滤波法进行去噪；步骤4，对步骤2中分类出的非平滑区，利用K‑SVD算法进行去噪处理；步骤5，通过计算峰值信噪比和运行时间，分析去噪算法的有效性。此种去噪方法可弥补传统K‑SVD图像去噪算法中运行效率低的不足，并很好地保留图像的结构信息。

An Adaptive Denoising Method Based on Image Block Classification

The present invention discloses an adaptive denoising method based on image block classification, which includes the following steps: step 1, gray level conversion and denoising of the acquired image by capturing the original image which needs to be processed with a camera including charge coupled devices; step 2, noise image is classified into blocks, and the image is divided into smooth and non-smooth regions by calculating the variance of image blocks. In step 3, the smoothing area classified in step 2 is denoised by means of mean filter; in step 4, the Non-smoothing area classified in step 2 is denoised by K_SVD algorithm; in step 5, the effectiveness of denoising algorithm is analyzed by calculating peak signal-to-noise ratio and running time. This denoising method can make up for the low efficiency of traditional K_SVD image denoising algorithm, and preserve the structure information of the image well.

【技术实现步骤摘要】
一种基于图像块分类的自适应去噪方法
本专利技术属于图像处理
，特别涉及一种基于图像块分类的自适应去噪方法研究。
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，图像数据方面的爆炸式增长也大大地促进了科学研究、医疗、教育、工业生产等领域的发展，同时对数字图像处理技术提出了更高的要求。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。近些年来，稀疏分解、过完备字典的训练以及理论分析已经成为研究热点，传统的K-SVD算法在稀疏编码过程中使用的是正交匹配追踪OMP和奇异值分解，其中OMP得到的是每一个样本信号对应的稀疏系数向量的近似逼近，但是依旧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
本专利技术的目的，在于提供一种基于图像块分类的自适应去噪方法，其可弥补传统K-SVD本文档来自技高网...

【技术保护点】
1.一种基于图像块分类的自适应去噪方法，其特征在于包括如下步骤：步骤1，利用包括电荷耦合器件的摄像机采集需要处理的原始图像，将采集到的图像进行灰度转换并进行加噪处理；步骤2，将噪声图像进行块分类，通过计算图像块的方差将图像分成平滑区和非平滑区；步骤3，对步骤2中分类出的平滑区用均值滤波法进行去噪；步骤4，对步骤2中分类出的非平滑区，利用K‑SVD算法进行去噪处理；步骤5，通过计算峰值信噪比和运行时间，分析去噪算法的有效性。

【技术特征摘要】
1.一种基于图像块分类的自适应去噪方法，其特征在于包括如下步骤：步骤1，利用包括电荷耦合器件的摄像机采集需要处理的原始图像，将采集到的图像进行灰度转换并进行加噪处理；步骤2，将噪声图像进行块分类，通过计算图像块的方差将图像分成平滑区和非平滑区；步骤3，对步骤2中分类出的平滑区用均值滤波法进行去噪；步骤4，对步骤2中分类出的非平滑区，利用K-SVD算法进行去噪处理；步骤5，通过计算峰值信噪比和运行时间，分析去噪算法的有效性。2.如权利要求1所述的一种基于图像块分类的自适应去噪方法，其特征在于：所述步骤1中，利用MATLAB的rgb2gray函数将采集到的RGB图像进行灰度转换，转换为灰度图像。3.如权利要求1所述的一种基于图像块分类的自适应去噪方法，其特征在于：所述步骤1中，对灰度转换后的图像进行加噪处理，加噪后图像如下式所示：I0(x,y)＝I(x,y)+n(x,y)(x,y∈R)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；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。4.如权利要求3所述的一种基于图像块分类的自适应去噪方法，其特征在于：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。5.如权利要求1所述的一种基于图像块分类的自适应去噪方法，其特征在于：所述步骤2的具体内容是：将步骤1中N×N的加噪图像I0分成...

【专利技术属性】
技术研发人员：石兰芳，黄金，周先春，方林凤，
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