变换域图像去噪方法及系统技术方案

本发明专利技术公开了变换域图像去噪方法及系统，通过将待处理图像划分成多个大小相同的，且至少部分重叠的局部块；对于任意一块局部块均进行去噪处理：计算局部块的平均局部噪声方差，计算局部块的变换域，使用平均局部噪声方差对变换域中对应像素点的变换域系数进行截断处理；将局部块的变换域反向变换至空间域中，得到去噪后的局部块；将去噪处理后的各个局部块聚合重构成去噪后的图像，相比现有技术，将图像划分成局部块再去噪而非全局去噪，避免了“振铃效应”的出现，由于使用重叠的局部块，避免了“块效应”的出现。的出现。的出现。

【技术实现步骤摘要】
变换域图像去噪方法及系统


[0001]本专利技术涉及图像处理
，具体涉及变换域图像去噪方法及系统。

技术介绍

[0002]数字图像在获取过程中不可避免地包含噪声，图像去噪的目的是在保留图像内容的同时去除图像噪声。目前的图像去噪方法可分成四类：空域方法、变换域方法、双域方法(空域或变换域结合)、深度学习方法。
[0003]传统的空域方法，如均值滤波、中值滤波等技术，在去噪的同时也平滑了图像边缘，使得图像变得模糊。改进的双边滤波、非局部均值滤波等技术，将空间距离和亮度差异同时考虑来定义自适应的滤波器核，试图在保留边缘的同时滤除图像噪声。
[0004]传统的变换域方法，如小波变换域、傅里叶变换域等技术，在保留图像细节的同时很容易引入“振铃效应”，影响图像质量。
[0005]双域方法结合空域技术和变换域技术，试图保留各自优点的同时去除各自的不足，如BM3D(Block-Matching and 3D filtering，三维块匹配算法)技术，这类技术总体上对图像质量的提升非常大，但代价是高昂的时间复杂度。
[0006]深度学习方法在图像去噪领域也取得了突破性的进展，其主要问题在于高昂的时间复杂度、大量样本集的获取，使得其实用性大打折扣。
[0007]因此，现有的图像去噪方法效率不高，去噪后的图像质量不好已成为本领域技术人员亟待解决的技术问题。

技术实现思路

[0008]本专利技术提供了变换域图像去噪方法及系统，用于解决的图像去噪方法去噪后的图像质量不高的技术问题。
[0009]为解决上述技术问题，本专利技术提出的技术方案为：
[0010]一种变换域图像去噪方法，包括以下步骤：
[0011]将待处理图像划分成多个大小相同的，且至少部分重叠的局部块；
[0012]对于任意一块局部块均进行以下去噪处理：
[0013]计算局部块的平均局部噪声方差，计算局部块的变换域，使用平均局部噪声方差对变换域中对应像素点的变换域系数进行截断处理；将局部块的变换域反向变换至空间域中，得到去噪后的局部块；
[0014]将去噪处理后的各个局部块聚合重构成去噪后的图像。
[0015]优选的，计算局部块的平均局部噪声方差，包括以下步骤：
[0016]计算待处理图像的全局噪声方差，并根据待处理图像的全局噪声方法分别计算待处理图像中各个像素点的局部噪声方差，
[0017]选取局部块中各个像素的局部噪声方差进行均值计算，得到局部块的平均局部噪声方差。
[0018]优选的，全局噪声方差通过以下公式计算得到：
[0019]mean_I＝f(I,R)
[0020]globalVar＝g(I-mean_I)
[0021]其中，I为待处理图像，mean_I为图像均值滤波结果，f为均值滤波函数，R为第一均值滤波器半径；g为全局方差函数；globalVar全局噪声方差；
[0022]优选的，局部噪声方差通过以下公式计算得到；
[0023]localVar＝β*globalVar*gain
[0024]其中，localVar为局部噪声方差矩阵，globalVar为全局噪声方差值，β为去噪参数，取值范围为大于0的实数，gain为去噪增益矩阵。
[0025]优选的，去噪增益矩阵通过以下公式获取得到：
[0026]mean_I＝f(I,r)
[0027]mean_II＝f(I*I,r)
[0028]var_I＝mean_II-mean_I*mean_I
[0029][0030][0031]其中，I为待处理图像，mean_I为图像均值滤波结果，mean_II为图像平方的均值滤波结果，f为均值滤波函数，r为均值滤波器半径，eps为一个与var_I最大值相当的参数值，该公式将var_I值调整到[0,1)区间范围，resp为归一化后的方差矩阵，var_I为局部滤波方差矩阵，θ为增益倍数。
[0032]优选的，将去噪处理后的各个局部块聚合重构成去噪后的图像，具体包括以下步骤：
[0033]将去噪处理后的各个局部块中位于待处理图像相同位置的像素值进行加权平均处理，得到待处理图像中各个像素点的去噪像素值，将待处理图像中各个像素点的去噪像素值重构成去噪后的图像。
[0034]优选的，正向变换、截断处理以及反向变换采用GPU(Graphics Processing Unit，图形处理器)并行计算框架进行处理。
[0035]优选的，变换域为傅里叶变换域或DCT(Discrete Cosine Transform，离散余弦变换)变换域。
[0036]优选的，当待处理图像为多通道图像时，对多通道图像中任意一种通道图像均进行以下步骤：
[0037]将通道图像划分成多个大小相同的，且至少部分重叠的局部块；
[0038]将多个局部块均进行正向变换，得到多个局部块的变换域；
[0039]对于任意一块局部块均进行以下去噪处理：
[0040]计算局部块的平均局部噪声方差，计算局部块的变换域，使用平均局部噪声方差对变换域中对应像素点的变换域系数进行截断处理；将局部块的变换域反向变换至空间域中，得到去噪后的局部块；
[0041]将去噪处理后的各个局部块聚合重构成去噪后的通道图像；
[0042]将去噪后的多种通道图像进行合并，得到去噪后的多通道图像。
[0043]一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
[0044]本专利技术具有以下有益效果：
[0045]1、本专利技术中的变换域图像去噪方法及系统，通过将待处理图像划分成多个大小相同的，且至少部分重叠的局部块；对于任意一块局部块均进行去噪处理：计算局部块的平均局部噪声方差，计算局部块的变换域，使用平均局部噪声方差对变换域中对应像素点的变换域系数进行截断处理；将局部块的变换域反向变换至空间域中，得到去噪后的局部块；将去噪处理后的各个局部块聚合重构成去噪后的图像，相比现有技术，将图像划分成局部块再去噪而非全局去噪，避免了“振铃效应”的出现，由于使用重叠的局部块，避免了“块效应”的出现。由于使用每个局部块的平均局部噪声方差对每个局部块的变换域中的各个像素点的变换域系数进行截断处理，能准确去除待处理图像各个区域的噪声，并保留各个区域的细节，从而提高图像的质量。
[0046]除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照附图，对本专利技术作进一步详细的说明。
附图说明
[0047]构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0048]图1是本专利技术中的变换域图像去噪方法的流程图；
[0049]图2是本专利技术中优选实施例中未采用变换域图像去噪方法去噪的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变换域图像去噪方法，其特征在于，包括以下步骤：将待处理图像划分成多个大小相同的，且至少部分重叠的局部块；对于任意一块局部块均进行以下去噪处理：计算所述局部块的平均局部噪声方差，计算所述局部块的变换域，使用所述平均局部噪声方差对所述变换域中对应像素点的变换域系数进行截断处理；将所述局部块的变换域反向变换至空间域中，得到去噪后的所述局部块；将去噪处理后的各个局部块聚合重构成去噪后的图像。2.根据权利要求1所述的变换域图像去噪方法，其特征在于，计算所述局部块的平均局部噪声方差，包括以下步骤：计算待处理图像的全局噪声方差，并根据待处理图像的全局噪声方法分别计算待处理图像中各个像素点的局部噪声方差，选取所述局部块中各个像素的局部噪声方差进行均值计算，得到所述局部块的平均局部噪声方差。3.根据权利要求2所述的变换域图像去噪方法，其特征在于，所述全局噪声方差通过以下公式计算得到：mean_I＝f(I,R)globalVar＝g(I-mean_I)其中，I为待处理图像，mean_I为图像均值滤波结果，f为均值滤波函数，R为第一均值滤波器半径；g为全局方差函数；globalVar全局噪声方差值。4.根据权利要求2所述的变换域图像去噪方法，其特征在于，局部噪声方差矩阵通过以下公式计算得到；localVar＝β*globalVar*gain其中，localVar为局部噪声方差矩阵，globalVar为全局噪声方差值，β为去噪参数，取值范围为大于0的实数，gain为去噪增益矩阵。5.根据权利要求4所述的变换域图像去噪方法，其特征在于，所述去噪增益矩阵通过以下公式获取得到：mean_I＝f(I,r)mean_II＝f(I*I,r)var_I＝mean_II-mean_I*mean_Imean_I*mean_I其中，I为待处理图像，mean_I为图像均...

【专利技术属性】
技术研发人员：贺遵亮，陈小天，
申请(专利权)人：湖南傲英创视信息科技有限公司，
类型：发明
国别省市：