一种非局部哈尔变换图像去噪方法技术

本发明专利技术公开了一种非局部哈尔变换图像去噪方法，包括以下步骤：S1、对原始含噪图像执行块匹配与列扫描后的行匹配；S2、对结果执行哈尔变换，并对变换系数采用双硬阈值进行收缩，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、将原始含噪图像和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。本发明专利技术通过对最相似的像素群组执行简单的哈尔变换实现了有效的图像去噪，不仅能较好保留图像细节而且极少引入假信号；获得的去噪结果图像不仅在客观评价指标方面比现有算法有了较大提升，在主观视觉方面也优于现有算法。

A Non-local Hall Transform Image Denoising Method

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。进一步地，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。进一步地，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。进一步地，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。进一步地，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；对其余哈尔变换的系数采用传统的系数硬阈值进行系数收缩。进一步地，所述步骤S23中系数硬阈值参数为Thr，当输入图片噪声标准偏差小于等于25时，Thr＝1.65，迭代执行步骤S21-S24，2-3次；当输入图片噪声标准偏差大于25且小于等于75时，Thr＝1.45，迭代执行步骤S21-S24，4-6次；当输入图片噪声标准偏差大于75时，Thr＝1.45，迭代执行步骤S21-S24，7-12次。进一步地，所述步骤S24的具体执行方法为：对双硬阈值收缩后的哈尔变换系数执行逆哈尔变换，获得去噪后的二维矩阵，再将此二维矩阵扫描回原来的图像块，最终将这些图像块加权放回到图像中的原始位置获得去噪后的图像。进一步地，所述步骤S31的具体执行方法为：用步骤S24的结果图像作为参考,同步执行步骤S21结果图像与原始含噪图像的块匹配操作及行匹配操作，按一个指定的步长N_step在第一阶段结果图像中提取大小为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，原始含噪图像进行同步的同参数的操作，经过块匹配与行匹配后获得两个同样大小的行群组结果。进一步地，所述步骤S32中，将步骤S31中的两个行群组各自执行二维哈尔变换获得两组变换系数,所述步骤S33中，用步骤S2中初步降噪的结果的变换系数θ1对原始含噪图像的变换系数θ2按下述公式执行维纳滤波：其中σ为噪声标准偏差。进一步地，对维纳滤波后的含噪图像的系数执行逆哈尔变换，获得去噪后的二维矩阵，再将此二维矩阵扫描回原来的图像块，将这些图像块加权放回到图像中的原始位置获得最终去噪后的图像。本专利技术首先执行图像块匹配获得一定数目的图像块，将获得的图像按行或列扫描拼接成一个二维矩阵，再执行此二维矩阵上的行匹配或列匹配获得最相似的一定数目像素行。通过这种方法最大程度地将图像中的自相似信息进行了聚类。对聚类的像素执行简单的哈尔变换，由于哈尔变换存在简单的提升方法，即只是对这些行之间进行加权平均，所以很容易硬件实现。整个算法不需要任何矩阵乘法，与BM3D方法相比大大降低了运算复杂度。在去噪过程中本专利技术提出一种双硬阈值策略，即不仅对变换系数进行一般的硬阈值实现系数收缩，而且将最相似的两行像素的哈尔变换的系数全部置为零(本专利技术称这种阈值为结构硬阈值)，从而大大提高了图像去噪能力。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术的非局部哈尔变换图像去噪方法的方法原理图；图2是本专利技术的非局部哈尔变换图像去噪方法的方法流程图；图3是本专利技术实施例中原始图像和含噪图像；图4是本专利技术实施例中BM3D去噪结果图；图5是本专利技术实施例中非局部哈尔变换图像去噪方法去噪结果图。具体实施方式下面结合附图对本专利技术的优选实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。实施例一参阅图1所示，一种非局部哈尔变换图像去噪方法，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本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：侯迎坤，侯昊，杨洪祥，
申请(专利权)人：泰山学院，
类型：发明
国别省市：山东,37