[發(fā)明專利]圖像多方向形態(tài)結(jié)構(gòu)分組的主分量分析協(xié)同濾波方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310034170.7
• 申請(qǐng)日: 2013-01-29
• 公開（公告）號(hào): CN103208097A
• 公開（公告）日: 2013-07-17
• 發(fā)明（設(shè)計(jì)）人: 費(fèi)選;肖亮;韋志輝
• 申請(qǐng)（專利權(quán)）人: 南京理工大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 唐代盛

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，特別是一種圖像多方向形態(tài)結(jié)構(gòu)分組的主分量分析協(xié)同濾波方法。

背景技術(shù)

在數(shù)字圖像的獲取和傳輸過程中，不可避免的會(huì)引入各種噪聲。噪聲的存在，不僅破壞了圖像的真實(shí)信息，而且還嚴(yán)重影響圖像的視覺效果，使得對(duì)圖像的后期處理如特征提取和目標(biāo)檢測(cè)等變得困難，因此對(duì)噪聲圖像進(jìn)行濾波就成了一種有效的圖像預(yù)處理方法。圖像濾波方法可分為空域和頻域的方法。空域方法直接對(duì)圖像像素進(jìn)行處理，如經(jīng)典的均值濾波、中值濾波和雙邊濾波等。頻域方法先將圖像變換到頻率域，然后對(duì)變換系數(shù)進(jìn)行處理，最后再逆變換到空域以達(dá)到濾波的目的，如小波變換、多尺度幾何分析和稀疏表示等。

基于圖像濾波的重要性，很多學(xué)者進(jìn)行了大量的相關(guān)研究工作。王紅梅等人發(fā)明了一種保持邊緣的自適應(yīng)圖像濾波方法（專利號(hào)：200610043000.5）。該方法首先采用系數(shù)相關(guān)法標(biāo)記像素為噪聲或邊緣，根據(jù)標(biāo)記信息，利用自適應(yīng)鄰域收縮小波系數(shù)，在去噪同時(shí)，具有一定的邊緣保持能力，但沒有充分利用圖像內(nèi)容的非局部相似性和局部差異性。王錫貴等人發(fā)明了一種多模板混合濾波的圖像去噪方法（專利號(hào)：200610065679.8）。該方法先定義一組濾波器，然后對(duì)圖像分塊，考慮了圖像塊的差異性，根據(jù)其勻質(zhì)程度，選擇某一個(gè)濾波器對(duì)圖像塊進(jìn)行去噪處理，能夠保持部分圖像細(xì)節(jié)信息，但沒有充分考慮圖像塊的非局部相似性。劉芳等人發(fā)明了一種結(jié)合結(jié)構(gòu)信息的非局部均值圖像去噪方法（專利申請(qǐng)?zhí)枺?01110091450.2）。該方法先利用primal?sketch提取圖像結(jié)構(gòu)，將圖像分為結(jié)構(gòu)區(qū)和平滑區(qū)，然后分別采用非局部均值方法對(duì)圖像去噪。這些方法在一定程度上提高了圖像去噪的效果，但都沒有考慮到圖像內(nèi)容所具有的形態(tài)結(jié)構(gòu)性和多方向性，從而無法在噪聲去除和細(xì)節(jié)保持方面做到較好的均衡。

發(fā)明內(nèi)容

本發(fā)明目的在于提供一種圖像多方向形態(tài)結(jié)構(gòu)分組的主分量分析協(xié)同濾波方法，通過同方向同結(jié)構(gòu)特性的圖像塊的協(xié)同濾波，充分利用圖像非局部相似性信息，在濾除噪聲的同時(shí)較好保持圖像的邊緣和紋理等細(xì)節(jié)信息，提高圖像去噪的視覺效果。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種圖像多方向形態(tài)結(jié)構(gòu)分組的主分量分析協(xié)同濾波方法，步驟如下：

步驟1：輸入像素大小為M×N的噪聲圖像，對(duì)其進(jìn)行重疊分塊，即從圖像左上角開始，依次抽取像素大小為K×K的圖像塊P，按列每次移動(dòng)一個(gè)像素位置，最終可得到(M-K+1)×(N-K+1)個(gè)大小為K×K的圖像塊；

步驟2：對(duì)得到的所有圖像塊，根據(jù)圖像塊的方差、梯度和奇異值信息對(duì)其進(jìn)行多方向形態(tài)結(jié)構(gòu)分組，從而可獲得光滑塊組、隨機(jī)塊組、方向邊緣塊組和方向紋理塊組；

步驟3：對(duì)得到的分組圖像塊，進(jìn)行特征自適應(yīng)主分量分析，從而采取合適的變換，包括主分量分析變換、行二維主分量分析變換和列二維主分量分析變換，得到特征自適應(yīng)變換系數(shù)；

步驟4：對(duì)得到的分組圖像塊的特征自適應(yīng)變換系數(shù)，進(jìn)行閾值收縮，閾值函數(shù)為Ψ(x)=x,|x|≥HT0,|x|<HT,]]>從而得到濾波系數(shù)；

步驟5：對(duì)得到的分組圖像塊的濾波系數(shù)，進(jìn)行步驟3所選取合適變換的逆變換，從而得到濾波重構(gòu)的分組圖像塊；

步驟6：對(duì)得到的所有濾波重構(gòu)的圖像塊，進(jìn)行平均聚合，生成全幅濾波圖像，即從圖像左上角開始，針對(duì)每一個(gè)像素點(diǎn)，尋找包含當(dāng)前像素點(diǎn)的所有濾波重構(gòu)的圖像塊，對(duì)找到的所有圖像塊的當(dāng)前像素點(diǎn)進(jìn)行平均，得到當(dāng)前像素點(diǎn)的去噪結(jié)果，按列每次移動(dòng)一個(gè)像素位置，從而可得到全幅濾波圖像。