[發明專利]基于相似塊矩陣秩最小化的非局部圖像去噪方法

有效

• 申請號: 201310030376.2
• 申請日: 2013-01-27
• 公開（公告）號: CN103049892A
• 公開（公告）日: 2013-04-17
• 發明（設計）人: 張小華;焦李成;唐中和;馬文萍;馬晶晶;鐘樺
• 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

本發明屬于數字圖像處理技術領域，具體地說是一種對含噪相似塊矩陣低秩逼近無噪矩陣的去噪方法，可用于醫學影像、天文學影像、視頻多媒體等領域的數字圖像預處理。

背景技術

圖像已成為人類活動中最常用的信息載體，它們包含著物體的大量信息，成為人們獲取外界原始信息的主要途徑。然而圖像在拍攝、采樣、傳輸和存貯等過程中，經常會受到外界噪聲的干擾和影響而使圖像降質而不能真實地反映景物，并且圖像預處理算法的好壞又直接關系到后續圖像處理的效果，如圖像分割、特征提取、目標識別等，所以在圖像處理中，圖像去噪起著重要作用。它可以有效地抑制各種噪聲、保持邊緣等細節信息，從而改善后續處理工作的質量。

目前存在的圖像去噪方法有很多，主要有空域濾波和變換域濾波方法。空域濾波是在原圖像上直接進行數據運算，對像素的灰度值進行處理。常見的空域濾波方法有Lee濾波、Frost濾波、非局部均值濾波NLM，基于稀疏表示和KSVD字典學習濾波KSVD的方法、基于塊的最優濾波PLOW等。變換域濾波方法是對圖像進行某種變換，將圖像從空域轉換到變換域，再對變換域中的變換系數進行處理，最后進行反變換將圖像從變換域轉換到空域來達到去除噪聲的目的。將圖像從空域轉換到變換域的變換方法很多，如小波變換方法、三維塊匹配去噪濾波BM3D法等。

由Buades等人在文獻“A?non?local?algorithm?for?image?denoising.IEEE?CVPR，2005,vol.2,pp.60-65.”中提出非局部均值方法，通過利用圖像中模式結構的自相似來恢復原始圖像，具體實現是計算圖像中兩個像素點為中心的圖像塊的歐氏距離來確定兩點的相似度，由得到的相似度來確定該點對所要求的點的信息補償程度，并設計負指數函數將兩點間的歐氏距離轉化為相似度權值，中心點的灰度值為鄰域內像素點灰度值的加權平均。相比其它方法，它能準確地表征像素的特征，并能很好地解決圖像邊緣和線性體等細節的保留問題，但該方法過于強調鄰域內像素點的非局部信息而忽略了中心像素點自身的局部信息，導致圖像邊緣細節信息丟失嚴重，圖像平滑區域也存在過平滑現象。圖像中存在的大量分形模式作為圖像的先驗信息，在越來越多的算法中得以應用并取得不錯的效果。

由Elad等人在文獻“Image?denoising?via?spare?and?redundant?representations?over?learned?dictionaries.IEEE?TIP，2006,vol.15no.12,pp.3736-3745.”中提出的稀疏表示下的圖像去噪方法，采用的是圖像塊在冗余字典上的稀疏近似來實現圖像去噪，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確。但該方法仍然存在的不足是，只是對圖像塊自身進行稀疏逼近，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，使得圖像的平滑區域出現偽紋理的現象并且紋理區域去噪效果也不夠理想。

由Dabov等人在文獻“Image?denoising?by?sparse3-D?transform-domain?collaborative?filtering.IEEE?Transactions?on?Image?Processiag，2007,vol.16no.8,pp.2080-2095.”中提出來的BM3D去噪方法。該方法結合了三維變換、非局部和維納濾波，并采用了基于兩步的去噪方式。該方法的主要步驟：第一步，對噪聲圖像進行基于三維變換的硬閾值；第二步，將硬閾值的去噪結果作為初始估計再對原噪聲圖像進行基于三維變換的維納濾波。但該方法仍然存在的不足有：該方法中第一步的去噪方式采用的是硬閾值，通過這樣的方式易造成圖像邊緣和紋理細節的丟失；該方法中第一步的去噪結果是第二步的初始估計，如果初始估計不準確，那么直接地影響了第二步的去噪結果。

由Priyam?Chatterjee在文獻“Patch-Based?Near-Optimal?Image?Denoising.IEEE?Transactions?on?Image?Processing，2012,vol.21,NO.4,pp.1635-1649”中提出的PLOW方法，結合了基于結構聚類的PCA變換、非局部和維納濾波。該方法首先對圖像進行逐像素分塊，然后再對圖像塊進行聚類并計算每一類的均值和方差，最后在非局部搜索窗內找相似塊，并結合所屬類的均值和方差利用設計的維納濾波器對圖像塊去噪。該方法的不足是：利用的是每一類的均值和方差對圖像塊進行去噪，由于有些相似塊不夠相似，使得均值和方差的估計都不夠準確，導致去噪效果不夠理想。

發明內容