结合局部和非局部的自适应图像去噪方法技术

本发明专利技术公开了一种结合局部和非局部的自适应图像去噪方法，主要解决现有去噪方法去噪效果不佳问题。其实现步骤：①输入含噪图像；②估计含噪图像的噪声标准差；③以含噪图像的任意像素点为中心提取像素矢量，并计算像素矢量非局部均值；④对含噪图像的所有像素点进行步骤3操作；⑤对所有的像素矢量进行聚类，对每类像素矢量子集训练字典；⑥对所有的像素矢量分别进行自适应去噪；⑦将所有的去噪像素矢量拉成图像块，并聚集得到去噪图像；⑧判断迭代是否完成，若完成则输出去噪图像，否则将去噪图像作为含噪图像转到步骤2进入下一步迭代。本发明专利技术能有效去除含有高斯白噪声的自然图像中的噪声，可用于医学影像、视频多媒体等领域的数字图像预处理。

【技术实现步骤摘要】

本专利技术属于图像处理
，具体的说是一种，可用于医学影像、天文学影像、视频多媒体等领域的数字图像预处理。
技术介绍
图像去噪技术解决了图像在获取、编码及传输等过程中受到的各种噪声干扰所导致的图像质量下降问题，提高了图像质量，是图像处理中的重要环节和研究内容。图像去噪技术大致是从空域和变换域两方面来进行的，目前效果较好的空域滤波方法有非局部均值滤波去噪方法NLM、稀疏表示下的图像去噪方法KSVD等，较好的变换域的滤波方法有三维块匹配去噪方法BM3D等。非局部均值滤波去噪方法NLM,是Buades等人在文献“A non local algorithmfor image denoising.1EEE Conference on Computer Vision and Pattern Recognition，2005, vol.2, pp:60-65.”中提出来的。该方法通过计算图像中两个像素点邻域的相似度来确定该点对所要求的点的信息补偿程度，中心点的灰度值为邻域内像素点灰度值的加权平均。该方法存在的不足是，过于强调邻域内像素点的非局部信息而忽略了中心像素点自身的局部信息，导致图像边缘细节信息丢失严重。稀疏表示下的图像去噪方法KSVD,是Elad等人在文献“Image denoising viaspare and redundant representations over learned dictionaries.1EEE Transactionson Image Processing, 2006，vol.15n0.12，pp.3736-3745.” 中提出来的。该方法是用图像块在冗余字典上的稀疏近似来实现图像去噪，图像块在冗余字典上越稀疏，则逼近原图像块的信息就越准确。该方法存由于只是对图像块自身进行稀疏逼近，利用的只是图像块自身的局部信息，而忽视了邻域图像块的非局部信息，因而对图像的平滑区域去噪效果不理想。三维块匹配去噪方法BM3D,是Dabov等人在文献“Image denoising bysparse3_D transform-domain collaborative filtering.1EEE Transactions on ImageProcessing, 2007, vol.16n0.8, pp.2080-2095.”中提出来的。该方法不仅利用了图像的结构信息，而且结合了变换域的阈值方法，是一种结合局部、非局部、多尺度稀疏的自适应非参数化的滤波技术。但该方法仍然存在的不足是，对图像块稀疏逼近采用的是离散余弦变换DCT字典，由于该字典是一个固定字典，不能有效地逼近原图像的边缘和细节信息，易造成原图中部分边缘和纹理细节丢失。
技术实现思路
本专利技术的目的在于针对上述去噪方法的不足，提出一种，以保持图像的边缘和纹理细节，提高图像的去噪效果。实现本专利技术的技术思路是:利用基于非局部均值NLM的自适应去噪算法对图像块进行去噪，并通过BM3D的聚集方法对去噪后的图像块进行重构获得去噪图像，其具体实现步骤包括如下:(I)输入一幅N行M列的含噪图像Y，设置最大迭次数Y和停止参数δ ；(2)采用下式估计含噪图像Y的噪声标准差σ η:本文档来自技高网...

【技术保护点】
一种结合局部和非局部的自适应图像去噪方法，包括如下步骤：（1）输入一幅N行M列的含噪图像Y，设置最大迭次数γ和停止参数δ；（2）采用下式估计含噪图像Y的噪声标准差σn：σn=median(abs|W|)0.6745,其中，W为含噪图像Y进行小波分解得到的第一层高频系数，abs|·|是取绝对值操作，median(·)是取中值操作；（3）以含噪图像Y中的任意像素点为中心，分别确定一个l×l大小的位置区域Γi和一个s×s大小的搜索窗Ωi，提取含噪图像Y的位置区域Γi的像素得到图像块yi，其中i∈{1,...,N×M}，l、s的取值范围分别为5~11和21~41奇数个像素；（4）将l×l大小的图像块yi按列拉成l2×1大小的像素矢量vi，按照下式分别计算像素矢量vi和搜索窗Ωi内所有像素矢量集合{vip}之间的相似度，得到相似度集合{wip}：wip=exp(-||vi-vip||22h),其中，p=1,...,s2，表示二范数，h为衰减因子，h的取值范围10σn~15σn；（5）对相似度集合{wip}中的s2个相似度按照从大到小排序，选取前k个相似度作为像素矢量vi的相似度集合{wij}，将该相似度集合{wij}对应的像素矢量作为像素矢量vi的相似像素矢量集合{vij}，其中j=1，...,k，k的取值范围为10~30；（6）计算相似像素矢量集合{vij}的像素矢量非局部均值v_i=Σj=1kwijvijΣj=1kwij;（7）在含噪图像Y中，对所有的像素点分别进行步骤（3）至步骤（6）操作，得到N×M个像素矢量vi，N×M个相似像素矢量集合{vij}，N×M个像素矢量非局部均值（8）采用K均值k?means聚类方法将N×M个像素矢量vi分成f类，得到f个像素矢量子集Ut和f个聚类中心ct，其中t∈{1,...,f}，f的取值范围为15~60；（9）采用主成分分析PCA方法分别对f个像素矢量子集Ut训练一个l2×l2大小的字典Dt；（10）利用f个字典Dt对N×M个像素矢量vi分别进行自适应去噪，得到N×M个去噪像素矢量（11）将N×M个l2×1大小的去噪像素矢量分别按列拉成N×M个l×l大小的去噪图像块（12）采用基于三维块匹配去噪BM3D的图像块聚集方法对N×M个去噪图像块进行聚集，得到去噪图像X；（13）计算含噪图像Y和去噪图像X之间的均方误差e(X,Y)；（14）判断均方误差e(X,Y)是否小于停止参数δ或者本次迭代次数是否达到最大迭代次数γ，若满足两个条件中的一个，则终止迭代，输出去噪图像X，否则将去噪图像X作为含噪图像Y，重复步骤（2）到步骤（13）。FDA00002781000700013.jpg,FDA00002781000700014.jpg,FDA00002781000700021.jpg,FDA00002781000700022.jpg,FDA00002781000700023.jpg,FDA00002781000700024.jpg,FDA00002781000700025.jpg...

【技术特征摘要】
1.一种结合局部和非局部的自适应图像去噪方法，包括如下步骤: (1)输入一幅N行M列的含噪图像Y，设置最大迭次数Y和停止参数S； (2)釆用下式估计含噪图像Y的噪声标准差on:2.根据权利要求1所述的图像去噪方法，其中步骤(10)所述的利用f个字典Dj^NXM个像素矢量Vi分别进行自适应去噪，按如下步骤进行: IOa)分别计算像素矢量Vi与f个聚类中心Ct之间的欧式距离(Kvi, ct):3.根据权利要求1所述的图像去噪方法，其中步骤(12)所述的采用基于三维块匹配去...

【专利技术属性】
技术研发人员：王桂婷，焦李成，丁炜，马文萍，马晶晶，钟桦，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：