自然圖像非局部均值去噪方法

2023-05-13 16:37:21 3

專利名稱：自然圖像非局部均值去噪方法
技術領域：
本發明屬於圖像處理技術領域，具體地說是一種去噪方法，可用於對自然圖像的 去噪處理。
背景技術：
隨著計算機和數碼成像設備的日益普及，數字圖像處理越來越受到人們的重視。 然而由於成像設備及成像條件的限制，數字圖像在採集，轉換，以及運輸過程中不可避免受 到噪聲的汙染，因此圖像去噪作為圖像處理領域的基本技術之一，受到廣泛的重視。許多實 際的噪聲可以近似的認為是高斯白噪聲，去除圖像中的高斯白噪聲成為圖像去噪領域中一 個重要的方向。傳統的去噪方法大致可以分為兩類，一類是基於空域的方法，一類是基於變換域 的方法。空域去噪方法中比較經典的方法包括高斯濾波，中值濾波，雙邊濾波等。它們的共 同特點就是利用局部窗口內像素灰度值的連續性來對當前像素進行灰度調整。這些方法大 都在去除噪聲的同時模糊了圖像的細節信息，例如圖像的邊緣，紋理等。由於自然圖像，特別是紋理圖像所含信息具有一定的冗餘性，Buades等人提出了 一種非局部均值的去噪方法。該方法以當前像素為中心取大小一定的窗口，在整幅圖像內 尋找與其具有相似結構的窗口，以窗口之間的相似度為權值對當前像素的灰度值進行調 整。由於這種方法在去噪領域良好的性能，自提出以來迅速引起眾多學者的廣泛關注，但是 它仍然存在以下問題1 算法複雜性比較大；2 權值計算準確性欠佳；3 圖像的邊緣與細 節仍存在一定程度的模糊。基於變換域的去噪方法比較成熟的就是小波域的各種去噪方法，小波去噪的關鍵 問題是對圖像小波係數統計模型的研究，這類算法的基本思想是把統計模型作為小波係數 的先驗概率模型，然後利用這個先驗信息，在貝葉斯框架下對原始圖像的小波係數進行估 計。然而，小波變換仍然具有以下不足1 高維時係數的稀疏性較差；2 圖像分解後方向 信息有限，為了克服小波變換的不足，近幾年來出現了 Ridgelet，Curve let, Contourlet, Brushlet,Bandelet等一系列圖像分解的新工具。但是由於變換域的方法只是對高頻圖像 的小波係數做萎縮閾值調整，對低頻圖像不做處理，所以其最終的去噪效果並不是很令人 滿意，而且常常會產生吉布斯現象。

發明內容
本發明的目的在於克服上述已有技術的不足，提出了自然圖像非局部均值去噪方 法，對圖像塊相似性度量的準確性進行改進，實現對自然圖像去噪中邊緣和平滑區域的兼 顧，提高圖像去噪效果。為實現上述目的，本發明包括如下步驟(1)對輸入的含噪自然圖像做小波變換，將其分解為低頻圖像和高頻圖像；(2)對高頻圖像進行方差歸一化處理；
3
(3)利用如下公式對輸入的含噪自然圖像中待修正像素點χ與搜尋區域內像素點 y的相似性進行計算，得到搜尋區域內所有像素點的權值w (x, y) = W1 (χ, y) Xw2 (χ, y)其中，W1 (χ, y)表示低頻圖像中的相似性，叫沁>0 = exp _ IMfLfiM. - Lj (χ),
VJ
L2(y)分別表示低頻圖像中以x，y為中心的大小為nXn的圖像塊，Ii1為平滑控制參數，Ii1 =kin σ η = 7, σ0是圖像所含噪聲的標準差，t指圖像的分解層數，Ic1是常數，實驗中 取& = 1.0 ；
,、 (!/Z1(X)-^2Ml2)w2(x，y)表示高頻圖像中的相似性，w2(u) = eXp -丨丨1V ; 7 2 2 V役.H1(X),
hI
V/
H2(y)分別表示所有高頻圖像中以x，y為中心的大小為nXn的圖像塊，h2為平滑控制參數， h2 = k2n 0 2^^ = 7, σ是高頻子帶的噪聲標準差，取值為1. 0，k2是常數，實驗中取k2 = 0. 6 ；
V w(x, y) = l ；權值w(x，y)滿足0 彡 w(x，y)彡 1，々 V ；(4)根據計算出的搜尋區域內所有像素點的權值，對搜尋區域內所有像素點進行 加權平均，得到像素點修正後的灰度值ν'(χ) = EF(y)w(x'y)
y^J其中，J為搜索窗口像素點集合，V(y)為搜尋區域內像素點的灰度值；(5)用修正後像素點的灰度值V' (χ)取代輸入的含噪自然圖像中像素點的灰度 值，得到去噪後的圖像。本發明由於使用了新提出的權值公式，與現有的技術相比具有以下優點1.本發明能夠更準確地計算含噪自然圖像中像素點之間的相似性，進而能更準確 的計算出待修正像素點的灰度值；2.本發明能夠更準確計算出待修正像素點的灰度值，進而能夠在較好平滑噪聲的 同時保持和恢復自然圖像的邊緣和紋理細節。


圖1是本發明的流程圖2是本發明使用的測試圖像；
圖3是本發明使用的含噪圖像；
圖4是用現有的BayesShrink小波閾值方法對圖3進行去噪的結果圖
圖5是用現有的雙邊濾波器方法對圖3進行去噪的結果圖6是用現有的多分辨雙邊濾波器方法對圖3進行去噪的結果圖7是用現有的非局部濾波器方法對圖3進行去噪的結果圖8是用本發明方法對圖3進行去噪的結果圖。
具體實施例方式參照附圖1，本發明給出自然圖像非局部均值去噪方法，包括如下步驟步驟1，對輸入的含噪自然圖像做小波變換，將其分解為低頻圖像和高頻圖像。數字圖像由於成像設備以及成像條件的限制，不可避免的要受到噪聲的汙染，許 多實際的噪聲都可以認為是高斯加性白噪聲，含噪的自然圖像模型為
權利要求
一種自然圖像的非局部均值去噪方法，包括如下步驟(1)對輸入的含噪自然圖像做小波變換，將其分解為低頻圖像和高頻圖像；(2)對高頻圖像進行方差歸一化處理；(3)利用如下公式對輸入的含噪自然圖像中待修正像素點x與搜尋區域內像素點y的相似性進行計算，得到搜尋區域內所有像素點的權值w(x，y)＝w1(x，y)×w2(x，y)其中，w1(x，y)表示低頻圖像中的相似性，L1(x)，L2(y)分別表示低頻圖像中以x，y為中心的大小為n×n的圖像塊，h1為平滑控制參數，h1＝k1nσ02t 1，1≤n≤5，σ0是圖像所含噪聲的標準差，t指圖像的分解層數，k1是常數，實驗中取k1＝1.0；w2(x，y)表示高頻圖像中的相似性，H1(x)，H2(y)分別表示所有高頻圖像中以x，y為中心的大小為n×n的圖像塊，h2為平滑控制參數，h2＝k2nσ2t 1，σ是高頻子帶的噪聲標準差，取值為1.0，k2是常數，實驗中取k2＝0.6；權值w(x，y)滿足0≤w(x，y)≤1，(4)根據計算出的搜尋區域內所有像素點的權值，對搜尋區域內所有像素點進行加權平均，得到像素點修正後的灰度值 V ( x )= yJ V ( y )w ( x , y ) 其中，J為搜索窗口像素點集合，V(y)為搜尋區域內像素點的灰度值；(5)用修正後像素點的灰度值V′(x)取代輸入的含噪自然圖像中像素點的灰度值，得到去噪後的圖像。FSA00000255297600011.tif,FSA00000255297600012.tif,FSA00000255297600013.tif
2.根據權利要求1所述的自然圖像非局部均值去噪方法，其特徵在於步驟(2)中所述 的對高頻圖像進行方差歸一化處理，按如下步驟進行2a)對於輸入的含噪自然圖像進行小波變換，利用Donoho提出的魯棒中值法，估計各 高頻圖像的噪聲標準差median(abs(Vij (:))) _ 0.6745其中，Vu是指第i層第j個方向的高頻圖像小波係數，abs是指取絕對值，median是指 取中值；2b)利用如下公式對各高頻圖像的小波係數進行方差歸一化
全文摘要
本發明公開了一種自然圖像的非局部均值去噪方法，它屬於圖像處理技術領域，主要克服現有自然圖像非局部均值去噪中相似性計算不準確的問題。其實現過程是(1)對輸入的含噪自然圖像做小波變換；(2)對高頻信息進行方差歸一化處；(3)計算像素點x與搜尋區域內像素點y的相似性，得到搜尋區域內所有像素點的權值；(4)根據計算出的搜尋區域內所有像素點的權值，對搜尋區域內所有像素點進行加權平均，得到像素點修正後的灰度值；(5)用修正後像素點的灰度值取代輸入的含噪自然圖像中像素點的灰度值，得到去噪後的圖像。本發明在總體性能上優於其它的去噪方法，能夠更好地平滑噪聲的同時保持自然圖像的邊緣和紋理等細節，可用於對自然圖像的去噪處理。
文檔編號G06T5/00GK101950414SQ201010271499
公開日2011年1月19日 申請日期2010年9月2日 優先權日2010年9月2日
發明者侯彪, 尚榮華, 焦李成, 王桂婷, 王燦, 王爽, 鍾樺, 馬文萍 申請人:西安電子科技大學