The invention discloses a non-local Hall transform image denoising method, which includes the following steps: S1, block matching of original noisy image and row matching after column scanning; S2, Hall transform of results, shrinkage of transformation coefficients by double hard thresholds, aggregate the results after Hall inverse transform to obtain preliminary denoising image; S3, aggregate the original noisy image; The image and the preliminary denoised image synchronously perform block matching and row matching, perform Hall transform, get two sets of transform coefficients, and then Wiener filter denoising, perform inverse Hall transform to denoise the transform coefficients, and perform image block aggregation to obtain the final denoised image. The method achieves effective image denoising by performing simple Hall transform on the most similar group of pixels, which not only preserves image details but also seldom introduces false signals; the denoised image obtained not only improves the objective evaluation index greatly, but also is superior to the existing algorithm in subjective vision.
【技术实现步骤摘要】
一种非局部哈尔变换图像去噪方法
本专利技术涉及图像去噪
,更具体地说,特别涉及一种非局部哈尔变换图像去噪方法。
技术介绍
图像去噪一直以来都是一个重要的基础研究课题,尽管图像去噪已经被研究了几十年,但直到今天图像去噪仍然是一个比较活跃的研究方向。这是因为无论在什么环境下,无论用多么高级的设备获取的图像总会不可避免地引入各种各样的噪声,噪声的存在会对计算机视觉、模式识别、机器学习甚至人工智能等方面的研究带来或多或少的影响,所以人们总在追求更加完美的图像去噪结果。图像去噪研究总体分为空域方法与变换域方法,这两种方法在整个研究过程中总相互补充,更迭交替地向前发展。最典型的空域图像去噪方法是高斯滤波及维纳滤波,最典型的变换域方法是基于小波变换的图像去噪方法。而近十几年发展起来的非局部方法使图像去噪的发展有了很大的进展,其中最典型的NL-means(非局部平均)属于空域方法,而BM3D(块匹配三维变换)属于非局部变换域方法,尤其是BM3D方法为当前的最先进的图像去噪方法之一,尽管近几年又有多种优秀的算法被提出,但至今没有一种算法能全面超过BM3D方法。
技术实现思路
本专利技术的目的在于解决现有技术中的不足,从而提供一种不是对相似像素进行简单加权平均,从而能很好保留图像细节;提出的方法也不像BM3D那样进行了大量的复杂的小波变换与离散余弦变换致使在去噪的同时引入大量假信号,本专利技术仅仅是对聚类的相似像素进行了简单的哈尔变换就实现了比BM3D好得多的图像去噪结果。为了达到上述目的,本专利技术采用的技术方案如下:一种非局部哈尔变换图像去噪方法,包括以下步骤:S1、对 ...
【技术保护点】
1.一种非局部哈尔变换图像去噪方法,其特征在于,包括以下步骤:S1、对输入原始含噪图像执行块匹配与列扫描后的行匹配;S2、初步降噪:对图像行匹配结果执行哈尔变换,并对变换系数采用系数硬阈值与结构硬阈值的双硬阈值进行收缩,将结果执行哈尔逆变换后对图像块进行聚合获得初步降噪图像;S3、精细降噪:将步骤S1的原始含噪图像和步骤S2中初步降噪图像同步执行块匹配与行匹配,执行哈尔变换,得到两组变换系数,再将两组变换系数执行维纳滤波去噪,将去噪后的变换系数执行逆哈尔变换,执行图像块聚合获得最终去噪后的图像。
【技术特征摘要】
1.一种非局部哈尔变换图像去噪方法,其特征在于,包括以下步骤:S1、对输入原始含噪图像执行块匹配与列扫描后的行匹配;S2、初步降噪:对图像行匹配结果执行哈尔变换,并对变换系数采用系数硬阈值与结构硬阈值的双硬阈值进行收缩,将结果执行哈尔逆变换后对图像块进行聚合获得初步降噪图像;S3、精细降噪:将步骤S1的原始含噪图像和步骤S2中初步降噪图像同步执行块匹配与行匹配,执行哈尔变换,得到两组变换系数,再将两组变换系数执行维纳滤波去噪,将去噪后的变换系数执行逆哈尔变换,执行图像块聚合获得最终去噪后的图像。2.根据权利要求1所述的非局部哈尔变换图像去噪方法,其特征在于,所述步骤S2的具体执行方法为:S21、进行图像块匹配和行匹配,然后对相似像素进行聚类;S22、进行哈尔变换;S23、进行双硬阈值系数收缩;S24、进行哈尔逆变换与像素聚合形成初步降噪图像;所述步骤S3的具体执行方法为:S31、将原始含噪图像和初步降噪图像进行块匹配和行匹配,然后对相似像素进行聚类,得到两个群组结果;S32、将步骤S31中的两个群组结果分别进行哈尔变换;S33、进行维纳滤波去噪;S34、进行哈尔逆变换与像素聚合形成最终降噪图像。3.根据权利要求2所述的非局部哈尔变换图像去噪方法,其特征在于,所述步骤S21的具体执行方法为:首先执行原始含噪图像的块匹配,按一个指定的步长N_step提取大小为N1×N1的图像块作为参考块,然后在以该参考块为中心的一个大小为NS×NS的邻域内进行块匹配获得数量为N2的相似图像块,将匹配的所有图像块进行列扫描拼接成一个大小为(N1×N1)×N2的矩阵M,在M上用每一行作为参考行与其余的所有行计算欧式距离D,将距离最小N3行群组获得最大程度的图像中相似像素的聚类。4.根据权利要求2所述的非局部哈尔变换图像去噪方法,其特征在于:所述步骤S22的具体执行方法为:步骤S21获得的行群组执行可分的二维哈尔变换,即纵向与横向各自执行哈尔变换。5.根据权利要求2所述的非局部哈尔变换图像去噪方法,其特征在于:所述步骤S23的具体执行方法为:将最相似的行之间执行哈尔变换后的结果系数进行结构硬阈值,即将这些系数全部设置为零;对其余哈尔变换...
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。