[發明專利]基于Treelet變換和高斯尺度混合模型的圖像去噪方法

有效

• 申請號: 201210073293.7
• 申請日: 2012-03-19
• 公開（公告）號: CN102663686A
• 公開（公告）日: 2012-09-12
• 發明（設計）人: 王桂婷;焦李成;張林剛;公茂果;鐘樺;張小華;田小林;侯彪;王爽
• 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: 田文英;王品華

技術領域

本發明屬于圖像處理技術領域，更進一步涉及一種自然圖像的Treelet變換和高斯尺度混合模型的去噪方法。該方法可用于開展森林資源調查、災害評估、城市規劃、醫學影像、天文學影像等領域的數字圖像預處理。

背景技術

由于受各種條件的限制，圖像在獲取、編碼、傳輸過程中會受到的噪聲影響，這給圖像分割，目標識別等其他一些后續處理工作帶來了不利，因此從噪聲圖像中盡量恢復不含噪聲的圖像很有必要。圖像去噪解決了圖像受到噪聲干擾圖像質量下降的問題，抑制了噪聲影響，提高了圖像質量，是圖像處理和計算機視覺中非常重要的基本問題。

在過去的幾十年里，人們提出了許多圖像去噪方法，其中頻域濾波是一種非常重要的去噪方法。頻域濾波就是對原始圖像進行多尺度變換，再用閾值，或者對系數分布進行建模的方法對變換后的系數進行處理。常見的頻域濾波方法有小波域的閾值收縮方法，小波域的高斯尺度混合方法，還有一些基于后小波的圖像去噪方法等。

Javier?Portilla等人在“Image?Denoising?using?Scale?Mixtures?of?Gaussians?in?the?Wavelet?Domain.IEEE?Transactions?on?Image?Processing，vol.12，no.11，Nov.2003，1338-1351.”中提出了一種小波域的高斯尺度混合模型的去噪方法。該方法首先對圖像進行多分辨率的金字塔分解，再將相鄰尺度內對應的系數和當前尺度內的系數的分布用高斯尺度混合模型(Gaussian?Scale?Mixture，GSM)來擬合，GSM由一個高斯向量和一個隱的正尺度縮放因子這兩個獨立隨機變量的乘積組成，用Bayes最小二乘估計去噪后小波系數，最后進行反變換就得到最終的去噪結果。該方法的不足是，對圖像進行金字塔分解需要足夠多的方向和尺度，導致了計算復雜度的增加。而且，該方法對變化域系數進行處理，去噪的效結果中存在很多劃痕，偽吉布斯效應十分明顯，導致去噪效果不理想。

西安電子科技大學在其申請的專利“基于Treelet變換和非局部均值的圖像去噪方法”(專利申請號201110001952.1，公開號CN102063708A)中公開了一種利用相似圖像塊灰度值Treelet變換的系數來計算計算圖像塊之間的相似度的非局部均值去噪方法。該方法在高噪聲情況下能提高去噪效果，但是該方法存在的不足是，對圖像中細節信息保持不好，去噪后圖像過平滑，導致處理后的圖像結構信息(邊緣、紋理、點)會被模糊或濾除。

發明內容

本發明的目的在于克服現有技術中的不足，提出一種基于Treelet變換和高斯尺度混合模型的圖像去噪方法。將圖像中結構和紋理相似的圖像塊歸為一類，再對每一類的圖像塊的灰度特征向量組成的矩陣進行Treelet變換。再用高斯尺度混合模型來擬合每一類圖像塊Treelet變換后的系數分布情況，用Bayes方法估計無噪聲系數。

為實現上述目的，本發明的去噪方法主要包括以下步驟：

(1)輸入一幅待去噪圖像；

(2)對圖像塊進行分類

2a)在待去噪圖像中，以任一像素點為中心，以固定長度為邊長，確定一個正方形的圖像塊，用相同方法，對圖像中所有像素都做同樣操作；

2b)用k-means方法對步驟2a)中取得的所有圖像塊進行分類；

(3)將同一類的所有圖像塊的像素灰度向量組成矩陣Y；

(4)獲得基矩陣B

4a)按照下式，計算灰度特征向量組成的矩陣Y的協方差矩陣和相關系數矩陣

Σ^ij=E[(yi-Eyi)(yj-Eyj)T]]]>