基于变换域的非局部均值和双变量模型的图像去噪方法技术

本发明专利技术公开了一种基于变换域的非局部均值和双变量模型的图像去噪方法，其实现步骤是：（1）对含噪图像进行非下采样拉普拉斯分解,得到低频图像和高频图像；（2）对得到的低频图像利用局部系数方差检测低频图像的边缘，并对边缘区域和平滑区域分别进行非局部均值降噪；然后，对低频图像再利用NSLP方法分解，得到第二次分解的高频部分和低频部分；（3）对第一次NSLP分解得到的高频图像和第二次NSLP分解得到的高频部分进行方向滤波器分解，并进行双变量收缩去噪；（4）对去噪后的低频图像和高频图像进行逆变换，得到空域图像；（5）对空域图像进行全变分处理，得到最终去噪结果。本发明专利技术去噪效果显著，可用于图像的预处理阶段。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及自然图像的去噪，具体地说是一种基于变换域非局部均值和双变量模型的自然图像去噪方法。该方法可用于对自然图像进行去噪处理。
技术介绍
图像在获取和传输的过程中，经常会受到各种噪声的污染，以至降低了原图像的分辨率，不仅影响人的主观视觉效果，而且严重阻碍了后续的目标分类与识别工作。因此，图像去噪已成为必不可少的一个关键步骤，以尽可能恢复图像原貌、改善图像质量、突出图像本身的特征，从而为后续图像处理打下良好的基础。目前的图像去噪算法主要在空间域和频率域进行，空域方法是直接在图像的二维空间进行处理，即直接对每一个像素的灰度值进行处理，其典型代表为非局部均值NLM滤波方法。NLM方法在对每个像素的加权平滑过程中考虑了局部结构的相似性，取得了很高的滤噪效果。但该方法的前提假设是图像中存在大量结构相似的区域。在图像的平滑区域此假设是成立的，在图像的边缘轮廓区域则不一定能找到与当前像素点结构相似的区域，因此，该方法在平滑区域去除噪声的效果显著，但无法很好地保持图像的边缘轮廓区域。变换域去噪方法，首先是将图像按照某种变换模型变换到频域，然后在频域对图像进行处理，最后将本文档来自技高网...

【技术保护点】
一种基于变换域的非局部均值和双变量模型的图像去噪方法，包括如下步骤：（1）对含噪图像Y进行非下采样拉普拉斯塔型NSLP分解,得到一幅低频图像YL和一幅高频图像YH；（2）对得到的低频图像YL进行处理：首先，利用局部系数方差LCV方法检测低频图像YL的边缘和平滑区域，并对于边缘区域和平滑区域分别进行非局部均值降噪，得到去噪后的低频图像YL’；其次，对低频图像YL利用NSLP方法分解，得到二次分解的高频部分YH1和低频部分YL1；（3）对一次NSLP分解得到的高频图像YH和二次NSLP分解得到的高频部分YH1分别进行shearlet方向滤波器分解，利用二次NSLP分解得到的高频部分YH1和一次NS...

【技术特征摘要】
1.种基于变换域的非局部均值和双变量模型的图像去噪方法，包括如下步骤: (1)对含噪图像Y进行非下采样拉普拉斯塔型NSLP分解，得到一幅低频图像Yl和一幅闻频图像Yh ； (2)对得到的低频图像\进行处理: 首先，利用局部系数方差LCV方法检测低频图像\的边缘和平滑区域，并对于边缘区域和平滑区域分别进行非局部均值降噪，得到去噪后的低频图像V ； 其次，对低频图像\利用NSLP方法分解，得到二次分解的高频部分Ym和低频部分Yu ； (3)对一次NSLP分解得到的高频图像Yh和二次NSLP分解得到的高频部分Yhi分别进行shearlet方向滤波器分解，利用二次NSLP分解得到的高频部分Yhi和一次NSLP分解得到的高频图像Yh进行双变量收缩去噪，得到去噪后高频图像系数《u; (4)对去噪后的低频图像YJ和高频图像系数进行shearlet逆变换，得到空域图像Yz ； (5)对空域图像Yz进行全变分TV处理，得到最终去噪结果。2.据权利要求1所述的基于变换域的非局部均值和二变量模型的图像去噪方法，其中步骤2所述的利用局部系数方差LCV方法检测低频图像Yl的边缘和平滑区域，按如下步骤进行: 2a)对于低频图像\中的任意像素点(m，n)，取以该像素点(m，n)为中心的大小为5X5像素邻域W ； 2b)计算像素邻域W的局部系数方差LCV (m，n):3.据权利要求1所述的基于变换域的非局部均值和双变量模型的图像去噪方法，所说的非下采样拉普拉斯塔型分解，按如下步骤...

【专利技术属性】
技术研发人员：王桂婷，焦李成，郭一民，马文萍，马晶晶，侯彪，钟桦，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：