基于非局部均值与多级定向图像的图像降噪方法技术

本发明专利技术涉及一种基于非局部均值与多级定向图像的图像降噪方法，首先利用图像局部结构的相似性，在空域中运用小窗口的非局部均值算法对加噪图像进行预处理去除高频噪声，并用主成份分析法（ＰＣＡ）把局部窗口映射到低维空间来提高算法的速度。然后通过ＮＳＣＴ对预处理的图像进行多尺度多方向的稀疏分解。在ＮＳＣＴ变换域中，利用系数的邻域统计特性，采用维纳滤波消除低频噪声。并通过ＮＳＣＴ反变换得到降噪图像。此方法提高降噪图像的质量、提供更加全面、准确的目标和背景信息，达到较理想的降噪效果。在军事领域和非军事领域如光学成像、目标检测、安全监控等系统中均有广泛应用前景。

【技术实现步骤摘要】

本专利技术涉及一种图像处理技术，特别涉及一种基于非局部均值与多级定向图像的 图像降噪方法。
技术介绍
图像在获取、传输过程中通常都受到不同程度的噪声污染，图像噪声对图像分析、 图像压缩等的影响很大，有必要进行降噪处理以获得高信噪比且细节清晰的图像，因此，图 像去噪一直是图像处理领域中一个非常活跃的研究课题。现有的图像去噪工作可以概括的 分为两大类空域去噪和频域去噪方法。空域去噪中比较经典的方法包括高斯滤波、中值 滤波、维纳滤波等，高斯滤波器是各向同性的，对边缘和细节不加区分，因此该方法容易造 成图像边缘和细节的模糊；中值滤波能有效地保持图像的边缘信息，但是却使图像的细节 和纹理部分过于平滑；维纳滤波是一种基于最小均方误差估计准则设计的最优滤波器。它 们的一个共同点是利用局部窗口内像素灰度值的连续性对当前像素的灰度值进行调整，这 些本质上都属于局部均值去噪的范畴。Buades等人提出的非局部均值Non-local Means算法(NL-means)充分利用了空 域中图像局部结构的相似性，并通过理论分析和实验结果表明，NL-means算法在主客观性 能上都优于常见的图像去噪算法。但该算法的去噪结果与局域窗口的大小有密切的关系， 如果局域窗口过大，算法能有效地去除低频噪声，但易模糊图像的细节；反之，算法虽能保 持图像的细节，但是不能有效地去除低频噪声。此外非局部均值NL-Means算法的运算速度 较慢。近二十年来，小波变换以其良好的时频特性和多分辨思想，在信号和图像处理领 域得到了广泛的应用。但由于小波变换不能有效地描述图像中的二维或高维奇异信息，如 线、轮廓等重要信息，制约了小波降噪方法的性能。Do和Vetterli在2002年提出了各向 异性的非自适应、多方向、多分辨率几何表示方法——Contourlet变换，它比二维正交小波 有更高的稀疏性。但由于Contourlet缺乏平移不变性，降噪过程中会产生伪Gibbs现象， 而非下采样Contourlet变换(NSCT)是一种非正交变换，它舍弃了上述Contourlet变换中 的下采样操作，而将非下采样塔式变换(NSP)和非下采样方向滤波器组(NSDFB)结合起来，变换后各尺度上各方向子带的大小都与原图像相同，其冗余度达到了 夂表示NSP的分解层数)。系数冗余度的提高使得该变换具有了平移不变性，从而有利于图像去噪的效 果。在NSCT域广泛的采用阈值去噪法，但阈值法只对变换系数自身进行阈值处理，并没有 利用系数的邻域统计特性。而维纳滤波是一种基于最小均方误差准则的估计方法，利用了 变换系数的邻域统计特性，在高频子带中运用维纳滤波消除大部分的低频噪声。
技术实现思路
本专利技术是针对现在图像降噪方法存在的不足的问题，提出了一种基于非局部均值 与多级定向图像的图像降噪方法，将改进的非局部均值算法和非下采样Contourlet变换(NSCT)结合起来对图像进行去噪，以提高图像质量。本专利技术的技术方案为一种，假 设观测到的噪声图为I = f+n(l)，其中f为原始图像，n为独立同分步的高斯白噪声信号 N(0，o2)，具体包括如下步骤1)对输入的噪声图像v= {v(i)|i G I}，采用非局部均值去噪后图像为NL ⑴。对每个像素i的值通过下式加权得到 为依赖于像素i与像素j相似程度(高斯加权欧氏距离)的权值。满足 2)对第1)步骤中去噪图像NL⑴进行多尺度、多方向的NSCT分解，同时设定 NSCT变换中非下采样的塔式分解层数K和每层中非下采样的方向滤波分解数！^ ；即分解后 得到 其中T( )为NSCT变换；从而得到一副低频子图ylf和一系列具有不同分辨率的 高频图像jJ^，其中ke (l，K)和1 e (l,Lk)标明子图像位于第k层非下采样的塔式分解 (NSP)的第1方向；3)对NSCT变换后的高频子图像㈨)进行局部维纳滤波，得到降噪子图像Yw/ ， 4)对第3)步骤中得到的所有降噪高频率子图像^^力和第2)步骤中得到的低频 子图像ylf实施NSCT逆变换，得到最终的降噪图像 其中，T、 )为NSCT逆变换。所述步骤1)的具体实现步骤如下①定义队和 分别表示像素i和j周围MXM矩形邻域，为了提高算法的速 度，把队和 邻域通过PCA映射到低维子空间，对图像I中像素的每个邻域中，每行像 素的值看作M维行向量Xi，则有M个行向量组成大小为MXM的矩阵X，其协方差矩阵为 ，由& =人P，求出协方差矩阵S的M个特征值按从大到小的顺序排列Xi》\》…》人M，其对应的特征向量i^，…构成了特 征空间的一组基。其中前d(彡M)个基向量Ud= 可以表征\的主要特 征，这样队和 降到d维空间；②定义v(Ni)和v(Nj)分别表示i和j周围的局部子块像素集合，|| |2 表示像素i和j之间以它们中心的子块内像素之间高斯加权距离的平方，通过PCA映 射，用d维空间距离| v (N^-vtd] (Nj) |2代替|2以减少计算量， ④非局部均值去噪声算法结果如下< 所述步骤3)的具体实现步骤如下②在NSCT中，同一尺度内各方向的噪声方差基本相等。不同尺度的噪声方差沿着 分解层次近似为指数分布。对于NSCT中第k层的噪声方差^2“)。先求最小尺度图像的噪 ②对于NSCT中第k层第1方向的子带，根据最大似然估计，得到子带内信号的方 差，其中，M和N分别为图像长度和宽度， 本专利技术的有益效果在于本专利技术基于非局部均值与多级定向图像的图像降噪方 法，提高降噪图像的质量、提供更加全面、准确的目标和背景信息，达到较理想的降噪效果。 在军事领域和非军事领域如光学成像、目标检测、安全监控等系统中均有广泛应用前景。附图说明 图1为本专利技术流程框图；图2为各种降噪方法下的降噪结果局部放大照片图。具体实施例方式首先利用图像局部结构的相似 性，在空域中运用小窗口的非局部均值算法对加噪图像进行预处理去除高频噪声，并用主 成份分析法(PCA)把局部窗口映射到低维空间来提高算法的速度。然后通过NSCT对预处 理的图像进行多尺度多方向的稀疏分解。在NSCT变换域中，利用系数的邻域统计特性，采 用维纳滤波消除低频噪声。并通过NSCT反变换得到降噪图像，达到图像降噪目的。假设观测到的噪声图为 其中f为原始图像，n为独立同分步的高斯白 噪声信号N(0，o2)。上述降噪方法的具体步骤如下1)对输入的噪声图像v= {v(i)|i G I}，采用非局部均值去噪后图像为NL ⑴。对每个像素土的值通过下式加权得到肌卜；！⑴！ ^(^J) 依赖于像素i与像素j相似程度(高斯加权欧氏距离)的权值。满足0-!^^1^，》^、 2)对1)步骤处理后的图像NL⑴进行多尺度、多方向的NSCT分解。同时设定 NSCT变换中非下采样的塔式分解层数为K和每层中非下采样的方向滤波分解数为！^ ；即分 解后得到 3)其中 T( )为 NSCT 变换；从而 得到一副低频子图ylf和一系列具有不同分辨率的高频图像；^力，其中ke (i，K)和le (1， Lk)标明子图像位于第k层非下采样的塔式分解(NSP)的第1方向。3)对NSCT变换后的高频子图像；^力进行局部维纳滤波，得到降噪子图像；。 4)对第3)步骤中得到的所有降噪高频率子图像^^力和本文档来自技高网...

【技术保护点】
一种基于非局部均值与多级定向图像的图像降噪方法，其特征在于，假设观测到的噪声图为Ｉ＝ｆ＋ｎ（１），其中ｆ为原始图像，ｎ为独立同分步的高斯白噪声信号Ｎ（０，σ↑［２］），具体包括如下步骤：１）对输入的噪声图像ｖ＝｛ｖ（ｉ）｜ｉ∈Ｉ｝，采用非局部均值去噪后图像为ＮＬ［ｖ］（ｉ）。对每个像素ｉ的值通过下式加权得到：ＮＬ［ｖ］（ｉ）＝＊ｗ（ｉ，ｊ）ｖ（ｊ），ｗ（ｉ，ｊ）为依赖于像素ｉ与像素ｊ相似程度（高斯加权欧氏距离）的权值。满足０≤＊ｗ（ｉ，ｊ）≤１和＊ｗ（ｉ，ｊ）＝１；２）对第１）步骤中去噪图像ＮＬ［ｖ］（ｉ）进行多尺度、多方向的ＮＳＣＴ分解，同时设定ＮＳＣＴ变换中非下采样的塔式分解层数Ｋ和每层中非下采样的方向滤波分解数Ｌ↓［Ｋ］；即分解后得到：［ｙ↓［ｌｆ］，ｙ↓［ｈｆ］↑［（１，１）］，…，ｙ↓［ｈｆ］↑［（１，Ｌ↓［１］）］，ｙ↓［ｈｆ］↑［（２，１）］，…，ｙ↓［ｈｆ］↑［（Ｋ，Ｌ↓［ｋ］）］］＝Ｔ（ＮＬ［ｖ］（ｉ））其中Ｔ（.）为ＮＳＣＴ变换；从而得到一副低频子图ｙ↓［ｌｆ］和一系列具有不同分辨率的高频图像ｙ↓［ｈｆ］↑［（ｋ，ｌ）］，其中ｋ∈（１，Ｋ）和ｌ∈（１，Ｌ↓［ｋ］）标明子图像位于第ｋ层非下采样的塔式分解（ＮＳＰ）的第ｌ方向；３）对ＮＳＣＴ变换后的高频子图像ｙ↓［ｈｆ］↑［（ｋ，ｌ）］进行局部维纳滤波，得到降噪子图像＊↓［Ｄｈｆ］↑［（ｋ，ｌ）］，＊＊＊；４）对第３）步骤中得到的所有降噪高频率子图像＊↓［Ｄｈｆ］↑［（ｋ，ｌ）］和第２）步骤中得到的低频子图像ｙ↓［ｌｆ］实施ＮＳＣＴ逆变换，得到最终的降噪图像：ｙ↓［ｉ，ｊ］↑［ｎｆ］＝Ｔ↑［－１］（ｙ↓［ｌｆ］，＊↓［Ｄｈｆ］↑［（１，１）］，…，＊↓［Ｄｈｆ］↑［（１，Ｌ↓［１］）］，＊↓［Ｄｈｆ］↑［（２，１）］，…，＊↓［Ｄｈｆ］↑［（Ｋ，Ｌ↓［ｋ］）］），其中，Ｔ↑［－１］（.）为ＮＳＣＴ逆变换。...

【技术特征摘要】

【专利技术属性】
技术研发人员：赵倩，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：31[中国|上海]