結(jié)合局部和非局部的自適應(yīng)圖像去噪方法技術(shù)

本發(fā)明專(zhuān)利技術(shù)公開(kāi)了一種結(jié)合局部和非局部的自適應(yīng)圖像去噪方法，主要解決現(xiàn)有去噪方法去噪效果不佳問(wèn)題。其實(shí)現(xiàn)步驟：①輸入含噪圖像；②估計(jì)含噪圖像的噪聲標(biāo)準(zhǔn)差；③以含噪圖像的任意像素點(diǎn)為中心提取像素矢量，并計(jì)算像素矢量非局部均值；④對(duì)含噪圖像的所有像素點(diǎn)進(jìn)行步驟3操作；⑤對(duì)所有的像素矢量進(jìn)行聚類(lèi)，對(duì)每類(lèi)像素矢量子集訓(xùn)練字典；⑥對(duì)所有的像素矢量分別進(jìn)行自適應(yīng)去噪；⑦將所有的去噪像素矢量拉成圖像塊，并聚集得到去噪圖像；⑧判斷迭代是否完成，若完成則輸出去噪圖像，否則將去噪圖像作為含噪圖像轉(zhuǎn)到步驟2進(jìn)入下一步迭代。本發(fā)明專(zhuān)利技術(shù)能有效去除含有高斯白噪聲的自然圖像中的噪聲，可用于醫(yī)學(xué)影像、視頻多媒體等領(lǐng)域的數(shù)字圖像預(yù)處理。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專(zhuān)利技術(shù)屬于圖像處理
，具體的說(shuō)是一種，可用于醫(yī)學(xué)影像、天文學(xué)影像、視頻多媒體等領(lǐng)域的數(shù)字圖像預(yù)處理。
技術(shù)介紹
圖像去噪技術(shù)解決了圖像在獲取、編碼及傳輸?shù)冗^(guò)程中受到的各種噪聲干擾所導(dǎo)致的圖像質(zhì)量下降問(wèn)題，提高了圖像質(zhì)量，是圖像處理中的重要環(huán)節(jié)和研究?jī)?nèi)容。圖像去噪技術(shù)大致是從空域和變換域兩方面來(lái)進(jìn)行的，目前效果較好的空域?yàn)V波方法有非局部均值濾波去噪方法NLM、稀疏表示下的圖像去噪方法KSVD等，較好的變換域的濾波方法有三維塊匹配去噪方法BM3D等。非局部均值濾波去噪方法NLM,是Buades等人在文獻(xiàn)“A non local algorithmfor image denoising.1EEE Conference on Computer Vision and Pattern Recognition，2005, vol.2, pp:60-65.”中提出來(lái)的。該方法通過(guò)計(jì)算圖像中兩個(gè)像素點(diǎn)鄰域的相似度來(lái)確定該點(diǎn)對(duì)所要求的點(diǎn)的信息補(bǔ)償程度，中心點(diǎn)的灰度值為鄰域內(nèi)像素點(diǎn)灰度值的加權(quán)平均。該方法存在的不足是，過(guò)于強(qiáng)調(diào)鄰域內(nèi)像素點(diǎn)的非局部信息而忽略了中心像素點(diǎn)自身的局部信息，導(dǎo)致圖像邊緣細(xì)節(jié)信息丟失嚴(yán)重。稀疏表示下的圖像去噪方法KSVD,是Elad等人在文獻(xiàn)“Image denoising viaspare and redundant representations over learned dictionaries.1EEE Transactionson Image Processing, 2006，vol.15n0.12，pp.3736-3745.” 中提出來(lái)的。該方法是用圖像塊在冗余字典上的稀疏近似來(lái)實(shí)現(xiàn)圖像去噪，圖像塊在冗余字典上越稀疏，則逼近原圖像塊的信息就越準(zhǔn)確。該方法存由于只是對(duì)圖像塊自身進(jìn)行稀疏逼近，利用的只是圖像塊自身的局部信息，而忽視了鄰域圖像塊的非局部信息，因而對(duì)圖像的平滑區(qū)域去噪效果不理想。三維塊匹配去噪方法BM3D,是Dabov等人在文獻(xiàn)“Image denoising bysparse3_D transform-domain collaborative filtering.1EEE Transactions on ImageProcessing, 2007, vol.16n0.8, pp.2080-2095.”中提出來(lái)的。該方法不僅利用了圖像的結(jié)構(gòu)信息，而且結(jié)合了變換域的閾值方法，是一種結(jié)合局部、非局部、多尺度稀疏的自適應(yīng)非參數(shù)化的濾波技術(shù)。但該方法仍然存在的不足是，對(duì)圖像塊稀疏逼近采用的是離散余弦變換DCT字典，由于該字典是一個(gè)固定字典，不能有效地逼近原圖像的邊緣和細(xì)節(jié)信息，易造成原圖中部分邊緣和紋理細(xì)節(jié)丟失。
技術(shù)實(shí)現(xiàn)思路
本專(zhuān)利技術(shù)的目的在于針對(duì)上述去噪方法的不足，提出一種，以保持圖像的邊緣和紋理細(xì)節(jié)，提高圖像的去噪效果。實(shí)現(xiàn)本專(zhuān)利技術(shù)的技術(shù)思路是:利用基于非局部均值NLM的自適應(yīng)去噪算法對(duì)圖像塊進(jìn)行去噪，并通過(guò)BM3D的聚集方法對(duì)去噪后的圖像塊進(jìn)行重構(gòu)獲得去噪圖像，其具體實(shí)現(xiàn)步驟包括如下:(I)輸入一幅N行M列的含噪圖像Y，設(shè)置最大迭次數(shù)Y和停止參數(shù)δ ；(2)采用下式估計(jì)含噪圖像Y的噪聲標(biāo)準(zhǔn)差σ η:本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種結(jié)合局部和非局部的自適應(yīng)圖像去噪方法，包括如下步驟：（1）輸入一幅N行M列的含噪圖像Y，設(shè)置最大迭次數(shù)γ和停止參數(shù)δ；（2）采用下式估計(jì)含噪圖像Y的噪聲標(biāo)準(zhǔn)差σn：σn=median(abs|W|)0.6745,其中，W為含噪圖像Y進(jìn)行小波分解得到的第一層高頻系數(shù)，abs|·|是取絕對(duì)值操作，median(·)是取中值操作；（3）以含噪圖像Y中的任意像素點(diǎn)為中心，分別確定一個(gè)l×l大小的位置區(qū)域Γi和一個(gè)s×s大小的搜索窗Ωi，提取含噪圖像Y的位置區(qū)域Γi的像素得到圖像塊yi，其中i∈{1,...,N×M}，l、s的取值范圍分別為5~11和21~41奇數(shù)個(gè)像素；（4）將l×l大小的圖像塊yi按列拉成l2×1大小的像素矢量vi，按照下式分別計(jì)算像素矢量vi和搜索窗Ωi內(nèi)所有像素矢量集合{vip}之間的相似度，得到相似度集合{wip}：wip=exp(-||vi-vip||22h),其中，p=1,...,s2，表示二范數(shù)，h為衰減因子，h的取值范圍10σn~15σn；（5）對(duì)相似度集合{wip}中的s2個(gè)相似度按照從大到小排序，選取前k個(gè)相似度作為像素矢量vi的相似度集合{wij}，將該相似度集合{wij}對(duì)應(yīng)的像素矢量作為像素矢量vi的相似像素矢量集合{vij}，其中j=1，...,k，k的取值范圍為10~30；（6）計(jì)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）在含噪圖像Y中，對(duì)所有的像素點(diǎn)分別進(jìn)行步驟（3）至步驟（6）操作，得到N×M個(gè)像素矢量vi，N×M個(gè)相似像素矢量集合{vij}，N×M個(gè)像素矢量非局部均值（8）采用K均值k?means聚類(lèi)方法將N×M個(gè)像素矢量vi分成f類(lèi)，得到f個(gè)像素矢量子集Ut和f個(gè)聚類(lèi)中心ct，其中t∈{1,...,f}，f的取值范圍為15~60；（9）采用主成分分析PCA方法分別對(duì)f個(gè)像素矢量子集Ut訓(xùn)練一個(gè)l2×l2大小的字典Dt；（10）利用f個(gè)字典Dt對(duì)N×M個(gè)像素矢量vi分別進(jìn)行自適應(yīng)去噪，得到N×M個(gè)去噪像素矢量（11）將N×M個(gè)l2×1大小的去噪像素矢量分別按列拉成N×M個(gè)l×l大小的去噪圖像塊（12）采用基于三維塊匹配去噪BM3D的圖像塊聚集方法對(duì)N×M個(gè)去噪圖像塊進(jìn)行聚集，得到去噪圖像X；（13）計(jì)算含噪圖像Y和去噪圖像X之間的均方誤差e(X,Y)；（14）判斷均方誤差e(X,Y)是否小于停止參數(shù)δ或者本次迭代次數(shù)是否達(dá)到最大迭代次數(shù)γ，若滿足兩個(gè)條件中的一個(gè)，則終止迭代，輸出去噪圖像X，否則將去噪圖像X作為含噪圖像Y，重復(fù)步驟（2）到步驟（13）。FDA00002781000700013.jpg,FDA00002781000700014.jpg,FDA00002781000700021.jpg,FDA00002781000700022.jpg,FDA00002781000700023.jpg,FDA00002781000700024.jpg,FDA00002781000700025.jpg...

【技術(shù)特征摘要】
1.一種結(jié)合局部和非局部的自適應(yīng)圖像去噪方法，包括如下步驟: (1)輸入一幅N行M列的含噪圖像Y，設(shè)置最大迭次數(shù)Y和停止參數(shù)S； (2)釆用下式估計(jì)含噪圖像Y的噪聲標(biāo)準(zhǔn)差on:2.根據(jù)權(quán)利要求1所述的圖像去噪方法，其中步驟(10)所述的利用f個(gè)字典Dj^NXM個(gè)像素矢量Vi分別進(jìn)行自適應(yīng)去噪，按如下步驟進(jìn)行: IOa)分別計(jì)算像素矢量Vi與f個(gè)聚類(lèi)中心Ct之間的歐式距離(Kvi, ct):3.根據(jù)權(quán)利要求1所述的圖像去噪方法，其中步驟(12)所述的采用基于三維塊匹配去...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：王桂婷，焦李成，丁煒，馬文萍，馬晶晶，鐘樺，
申請(qǐng)(專(zhuān)利權(quán))人：西安電子科技大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：