[發明專利]基于Treelet和非局部均值的圖像去噪

有效

• 申請號: 201110001952.1
• 申請日: 2011-01-06
• 公開（公告）號: CN102063708A
• 公開（公告）日: 2011-05-18
• 發明（設計）人: 王桂婷;焦李成;蓋超;曹娟;公茂果;鐘樺;王爽;侯彪;張曉華
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，涉及高噪聲情況下的自然圖像的去噪，可用于開展森林資源調查、土地利用與覆蓋的變化檢測、環境變化評估、災害評估、城市規劃、國防軍情監控、醫學影像、天文學影像等領域的數字圖像預處理。

背景技術

圖像去噪的主要目的是解決實際圖像由于噪聲干擾導致的圖像質量下降問題。通過去噪可以提高圖像質量，增大信噪比，更好地體現圖像所攜帶的信息，因此圖像去噪技術在很多領域中都占據著很重要的位置。

根據圖像的特點和噪聲的統計特征，多年來已經提出了很多的圖像去噪方法，現有消除噪聲即濾波的已有方法主要分為空間域濾波和頻率域濾波。圖像的空間域濾波方法是直接對圖像的灰度做運算，圖像的頻率域濾波方法則是在某種變換域內對圖像的變換系數進行運算，然后反變換回圖像空間域的。其中空間域的濾波因不需要對原圖像進行變換和反變換，方法直接簡潔，在一定領域內較為常用。常用的空間濾波方法有擬合圖像和平滑圖像的方法。這些方法以平滑數據的方式去除噪聲，通常也會模糊數據本身，使得紋理等細節結構無法得到較好的保持。非局部均值去噪方法利用圖像的信息冗余特性，通過對待去噪像素點的鄰域窗口內的所有像素點進行加權平均取得新的像素灰度值，并且在對每個像素點進行加權平滑的過程中考慮了局部結構的相似性，充分利用了圖像的冗余性以及局部結構信息，因此取得到了較好的濾波效果。

在非局部均值方法中其每一個相似塊實際就是一種無序含噪的高維數據，若相似窗大小為5×5像素，則圖像中每個像素的鄰域特征向量為25維，因此計算特征向量間的相似性需要大量的存儲空間和計算時間，算法的復雜度較高。Huang等人和Lee等人發現圖像中的強度數據在低維空間中更為集中，這意味著圖像在低維空間中更能體現其相關性。Azzabou等人最早提出將非局部均值方法中的相似窗的鄰域特征向量投影至其低維的子空間中計算，通過主成分分析PCA得到鄰域觀察值向量的低維子空間，并將鄰域特征向量間的相似性權重在低維空間中計算，降低了非局部均值方法的時間消耗，且精度有所提高，但主成分分析獲得的低維特征是針對高維數據的特定方向進行投影，當高維數據的分布不明顯時，獲得的低維特征將會產生誤差。Tolga等人同樣提出了一種基于字典的主成分分析方法，在提取的前d個低維主成份空間中計算每個像素點的權重取得了更優的去噪效果，但需要對獲得的字典耗費大量時間進行訓練，算法復雜度高。

在本發明中我們引入了一種新的自適應多尺度分析和表示方法-Treelet，該方法通過對高維數據的逐層降維分解更能反映數據潛在的結構以及變量之間的相關性，對于高維無序、含噪數據的分析要優于PCA等降維方法，因此本發明將Treelet與非局部均值方法相結合，提出了一種基于Treelet和非局部均值的圖像去噪方法，該方法相比前兩種方法在高噪聲下的去噪效果更優。

發明內容

本發明的目的在于針對非局部去噪中高維數據的計算問題，提出一種基于Treelet和非局部均值的圖像去噪方法，以減少了計算復雜度，克服現有方法對自然圖像去噪產生的視覺模糊現象，提高去噪后圖像的可視性。

為實現上述目的，本發明的去噪方法包括如下步驟：

(1)對輸入加噪圖像逐像素取5×5的滑窗N_i，計算其協方差矩陣

(2)根據滑窗N_i的協方差矩陣計算圖像的Treelet變換的尺度向量Φ：

(2a)依據滑窗N_i的協方差矩陣計算圖像的相似度矩陣

M^mn=|Σ^mnΣ^mmΣ^nn|+|Σ^mn|]]>