一种自适应非局部均值的图像去噪方法技术

本发明专利技术公开了一种自适应非局部均值的图像去噪方法，具体包括如下步骤：步骤1，输入含有噪声的自然图像；步骤2，依次判断步骤1中输入的自然图像中的每个像素点是否存在椒盐噪声；步骤3，如果像素点存在椒盐噪声，则进行中值滤波；步骤4，设定搜索窗口和邻域窗口的尺寸；步骤5，基于步骤4所得结果搜索具有相同结构的像素；步骤6，基于步骤5的搜索结果进行滤波处理。该方法将非局部均值和中值滤波相结合，主要用于对椒盐噪声和高斯噪声的混合噪声进行处理。进行处理。进行处理。

【技术实现步骤摘要】
一种自适应非局部均值的图像去噪方法


[0001]本专利技术属于自然图像处理
，涉及一种自适应非局部均值的图像去噪方法。

技术介绍

[0002]图像是现代社会信息的主要传播途径之一，图像化的信息易于接受，便于理解。但是在图像数据的采集和传输过程中都会受到噪声的污染，这会大大的降低或者改变原本的真实图像数据，影响人们对信息的获取和理解。比如在手机相机拍照过程中，空气中的尘埃经阳光的折射可能形成噪点，晚上由于环境光的不足也会形成很多的噪点。在图像的传播过程中由于信道的稳定性也会受到噪声的影响，而这就需要对图像数据进行处理，第一个预处理的步骤便是去噪，即含噪声图像中估计出原本的真实图像数据。图像去噪的目的就是为了更好的突出图像原有的信息，便于人们理解。
[0003]现实环境中存在各种各样的噪声，如高斯白噪声、椒盐噪声、乘性噪声以及量化噪声。主要使用的去噪算法可以分为局部均值去噪算法和非局部均值去噪算法两大类。局部均值去噪算法中主要包含均值滤波去噪算法、中值滤波去噪算法。局部均值类去噪算法虽然能够一定程度上抑制噪声，但是去噪后的图像会出现模糊，尤其是图像的边缘和细节可能出现信息丢失，中值滤波容易导致图像细节出现不连续性。相对局部均值去噪算法，非局部均值去噪算法在具有良好的去噪效果的同时，还很好的保留了图像的边缘及细节部分，可以满足当前对图像去噪要求。

技术实现思路

[0004]本专利技术的目的是提供一种自适应非局部均值的图像去噪方法，该方法将非局部均值和中值滤波相结合，主要用于对椒盐噪声和高斯噪声的混合噪声进行处理。
[0005]本专利技术所采用的技术方案是，一种自适应非局部均值的图像去噪方法，具体包括如下步骤：
[0006]步骤1，输入含有噪声的自然图像；
[0007]步骤2，依次判断步骤1中输入的自然图像中的每个像素点是否存在椒盐噪声；
[0008]步骤3，如果像素点存在椒盐噪声，则进行中值滤波；
[0009]步骤4，设定搜索窗口和邻域窗口的尺寸；
[0010]步骤5，基于步骤4所得结果搜索具有相同结构的像素；
[0011]步骤6，基于步骤5的搜索结果进行滤波处理。
[0012]本专利技术的特点还在于：
[0013]步骤1中：自然图像为灰度图像；灰度图像的取值范围为：0～225；
[0014]图像中含有的噪声均为加性噪声；G(y)表示一幅含噪声的图像G＝{G(y)y∈I}的噪声模型，如公式(1)所示：
[0015]G(y)＝X(y)+N(y),y∈I
ꢀꢀꢀ
(1)；
[0016]其中，I表示待处理的图像，y表示图像I中的像素位置，G(y)为含噪声像素值，X(y)为真实的像素值，N(y)为噪声值；如果该噪声N(y)为高斯噪声则概率密度函数f(x)如公式(2)所示，如果该噪声为椒盐噪声则概率密度函数如公式(3)所示：
[0017][0018][0019]步骤2的具体过程为：
[0020]如果像素x的值与周围邻域像素相比是一个孤立值，即离群点，则判断该像素为椒盐噪声，计算公式如下：
[0021]|G(x)
‑
u
x
|＞3
·
s
ꢀꢀꢀ
(4)；
[0022]其中，G(x)表示该像素x的值，u
x
表示x邻域像素的平均值，s表示x邻域像素的标准差，如果像素x满足公式(4)，则判定x为邻域的离群值。
[0023]步骤3中采用如下公式(5)进行值滤波：
[0024]G(x)
′
＝mid({l1,l2,l3,...,l
n
‑1,l
n
})
ꢀꢀꢀ
(5)；
[0025]其中，G(x)
′
表示中值滤波后的像素值，集合{l1,l2,l3,...l
n
‑1,l
n
}表示x的邻域像素集合，mid表示取邻域集合中的中值。
[0026]步骤4的具体过程为：首先在图像上取一个像素x，以像素x为中心，在x周围确定边长为A的正方形搜索框，即搜索窗口为A
×
A的正方形区域；然后在搜索框中确定边长为a的正方形图像块，即邻域窗口为a
×
a的正方形区域。
[0027]步骤5的具体过程为：
[0028]以x为中心，边长为A的正方形区域为搜索窗口，设x为中心，边长为a的小正方形为x邻域窗口；在搜索窗口内，从左上角开始，以像素y为中心，边长为a的正方形区域滑动，依次计算滑动窗口与以x邻域之间的相似度w(x,y)，并将w(x,y)作为像素y的权重，计算公式如下：
[0029][0030]其中，||V(x)
‑
V(y)||2表示以x为中心和以y为中心的小区域之间的距离，具体计算如公式(7)所示，其中x+z和y+z表示相对于中心像素x和y的对应位置，G(x+z)和G(y+z)为该位置的像素值，a2为邻域像素个数。Z(x)表示距离的归一化参数，具体计算如公式(8)所示：
[0031][0032][0033]其中，h为平滑系数，参数h采用自适应的算法，采用x与搜索窗口中每个y的距离值
的标准差，具体计算如公式(9)所示：
[0034][0035]步骤6的具体过程为：
[0036]采用如下公式(10)将搜索框中的所有像素y的值进行加权平均代替原来像素x的值，通过w(x,y)的加权：
[0037][0038]其中，Ω
x
表示x的搜索框，G(y)表示像素y的值，表示经过非局部均值滤波后像素x的值。
[0039]本专利技术的有益效果是：本专利技术将中值滤波算法和非局部均值去噪算法进行结合，然后用于含有混合噪声的图像去噪中。首先判断图像中每个像素点是否含有椒盐噪声。如果判断去噪后的像素点依然含有椒盐噪声，则进行中值滤波；如果判断后像素点没有椒盐噪声，则保持不变。然后依次对图像中的像素点进行自适应的非局部均值去噪。
附图说明
[0040]图1是本专利技术一种自适应非局部均值的图像去噪方法中采用的无噪声实例图像；
[0041]图2是本专利技术一种自适应非局部均值的图像去噪方法中加噪后的图像；
[0042]图3是本专利技术一种自适应非局部均值的图像去噪方法中搜索窗口和邻域窗口示意图；
[0043]图4是采用本专利技术一种自适应非局部均值的图像去噪方法去噪后的图像。
具体实施方式
[0044]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0045]本专利技术一种自适应非局部均值的图像去噪方法，具体的步骤如下：
[0046]步骤1，输入含有噪声的图像，为了更好的展示去噪算法的效果，通常使用无噪声的图像，通过人为添加噪声后，形成含噪声的图像，再用于去噪处理，以检验所专利技术算法的有效性。图1中为不含噪声的实例图像，图像的大小为512
×...

【技术保护点】

【技术特征摘要】
1.一种自适应非局部均值的图像去噪方法，其特征在于：具体包括如下步骤：步骤1，输入含有噪声的自然图像；步骤2，依次判断步骤1中输入的自然图像中的每个像素点是否存在椒盐噪声；步骤3，如果像素点存在椒盐噪声，则进行中值滤波；步骤4，设定搜索窗口和邻域窗口的尺寸；步骤5，基于步骤4所得结果搜索具有相同结构的像素；步骤6，基于步骤5的搜索结果进行滤波处理。2.根据权利要求1所述的一种自适应非局部均值的图像去噪方法，其特征在于：所述步骤1中：自然图像为灰度图像；灰度图像的取值范围为：0～225；图像中含有的噪声均为加性噪声；G(y)表示一幅含噪声的图像G＝{G(y)y∈I}的噪声模型，如公式(1)所示：G(y)＝X(y)+N(y),y∈I
ꢀꢀꢀꢀꢀꢀ
(1)；其中，I表示待处理的图像，y表示图像I中的像素位置，G(y)为含噪声像素值，X(y)为真实的像素值，N(y)为噪声值；如果该噪声N(y)为高斯噪声则概率密度函数f(x)如公式(2)所示，如果该噪声为椒盐噪声则概率密度函数如公式(3)所示：率密度函数如公式(3)所示：3.根据权利要求2所述的一种自适应非局部均值的图像去噪方法，其特征在于：所述步骤2的具体过程为：如果像素x的值与周围邻域像素相比是一个孤立值，即离群点，则判断该像素为椒盐噪声，计算公式如下：|G(x)
‑
u
x
|＞3
·
s
ꢀꢀꢀꢀꢀ
(4)；其中，G(x)表示该像素的值，u
x
表示x邻域像素的平均值，s表示x邻域像素的标准差，如果像素x满足公式(4)，则判定x为邻域的离群值。4.根据权利要求3所述的一种自适应非局部均值的图像去噪方法，其特征在于：所述步骤3中采用如下公式(5)进行值滤波：G(x)
′
＝mid({l1,l2,l3,...,l
n
‑1,l
...

【专利技术属性】
技术研发人员：张爽，王璐，罗静蕊，吴婷，崔真，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：