[發明專利]一種基于非局部理論的圖像去噪方法有效

申請號：	201310132243.6	申請日：	2013-04-16
公開（公告）號：	CN103208104A	公開（公告）日：	2013-07-17
發明（設計）人：	金燕;何萍;王晶	申請（專利權）人：	浙江工業大學
主分類號：	G06T5/00	分類號：	G06T5/00
代理公司：	杭州天正專利事務所有限公司 33201	代理人：	王兵;黃美娟
地址：	310014 浙***	國省代碼：	浙江;33
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于局部理論圖像方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

(一)技術領域

本發明屬于圖像處理技術中的圖像去噪領域，具體涉及一種基于非局部理論的圖像去噪方法。

(二)背景技術

數字圖像在采集、轉換以及傳輸時都會受到噪聲的污染，因此,圖像去噪是圖像處理中最基本、最重要的問題，圖像噪聲的去除也一直是圖像處理領域一個重要的課題。而廣泛存在于實際數字圖像中的噪聲可以近似為高斯白噪聲，所以去除高斯白噪聲也成為去噪領域的重要部分。

自2005年，Buades等人提出了非局部均值算法（Nonlocal?Means?Filter,常縮寫為NLM,見參考文獻:A?review?of?image?denoising?algorithms?with?a?new?one,[J]multiscale?model.Simul,2005,4:490-530），在空間域得到了較好的去噪效果，是目前最好的去噪算法之一,尤其是對高斯白噪聲，圖像去噪領域進入了一個新的階段，其中的非局部理論已應用到圖像處理的其他領域.然而非局部均值方法在去噪的同時會有部分紋理及邊緣細節的丟失。非局部均值算法的應用有一定的局限性。本發明以非局部均值算法為基礎,提出一種新算法，和NLM方法相比,在信噪比和邊緣細節保持方面有明顯提升。

(三)發明內容

本發明旨在克服非局部均值算法的不足，提供一種基于非局部理論的圖像去噪方法，提高去噪效果。

本發明所述的基于非局部理論的圖像去噪方法，包括如下步驟：

1、輸入含高斯白噪聲圖像u；

2、設置算法中的參數：包括第一部分中的基本非局部均值算法(NLM)中的相關參數（搜索窗口大小、鄰域窗口大小、濾波參數h）以及第二部分的迭代參數ξ的選取；

3、初步濾波：使用步驟2中選擇的參數對輸入圖像u進行非局部均值濾波，得到的輸出圖像為丟失了部分細節的圖像u₁，作為下一步的基礎；

4、計算差圖像：u_c1=u-u₁；

5、調用梯度算子（Candy算子、Roberts算子及Prewitt算子均可），檢測出u_c1的邊緣u_b1，并把它的位置當作所要提取的邊緣細節的位置信息，即檢測出的邊緣位置，也就是細節丟失的位置；

6、利用步驟5中得到的細節的位置信息將u中丟失的細節u_x1提取出來，包括細節位置信息所在像素點及其鄰域的像素值，其他位置的像素值置零；

7、將已經提取出的細節按比例疊加回圖像u₁：將細節u_x1的每個像素點賦一個權值w(i,j)，0≤w(i,j)≤1，(i,j為該像素點的橫縱坐標)，像素值為零的像素點權值為零，即w(i,j)=0；權值賦值原則為中心像素權值大于邊緣像素權值，得到圖像u₂=w(i,j)u_x1+(1-w(i,j))u₁；

8、依據步驟2中的迭代參數ξ，ξ為一常數，然后利用步驟5中所調用的梯度算子所檢測出的邊緣圖像矩陣u_b1，計算矩陣u_b1內所有像素的和θ，如θ≤ξ，則迭代停止，如θ≥ξ，則重復4～7步驟；

9、迭代完成后，得到輸出圖像u_n。

本發明的技術方案：本發明的算法結構分為兩大部分，第一步是初步濾波部分，輸入圖像u，并選擇合適的參數，應用非局部均值算法得到一個初步濾波后的圖像，即丟失部分細節的圖像u₁。第二步細節添加部分，是通過模式識別技術將圖像u₁丟掉的細節逐步疊加融合回圖像u₁：計算差圖像u_c1=u-u₁，識別出u_c1中的邊緣信息，用這些信息提取出圖像u的細節u_x1，然后將細節u_x1疊加融合回圖像u₁，得到圖像u₂=u_x1+u₁，設置迭代參數ξ，當所提取的差圖像邊緣少于ξ時最后得到輸出圖像u_n。