[發(fā)明專利]一種數(shù)字圖像非局部平均去噪的快速實(shí)現(xiàn)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710193179.0
• 申請(qǐng)日: 2017-03-28
• 公開(kāi)（公告）號(hào): CN107085832A
• 公開(kāi)（公告）日: 2017-08-22
• 發(fā)明（設(shè)計(jì)）人: 朱磊;蔡飛飛;潘楊;郭林源
• 申請(qǐng)（專利權(quán)）人: 西安工程大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 西安弘理專利事務(wù)所61214
• 代理人: 胡燕恒

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像噪聲抑制領(lǐng)域，涉及一種數(shù)字圖像非局部平均去噪的快速實(shí)現(xiàn)方法。

背景技術(shù)

數(shù)字圖像處理也被稱為計(jì)算機(jī)圖像處理，它是一個(gè)將圖像信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)借助于計(jì)算機(jī)對(duì)其進(jìn)行處理的過(guò)程。隨著科學(xué)技術(shù)的進(jìn)步，人類對(duì)大自然的不斷深入的探索，數(shù)字圖像處理的應(yīng)用鄰域越來(lái)越廣。從最初的通信、航空航天、軍事、生物醫(yī)學(xué)，到造福于人民的工業(yè)生產(chǎn)，公安刑偵以及機(jī)器人視覺(jué)，視頻和多媒體系統(tǒng)等。

圖像去噪問(wèn)題一直是圖像預(yù)處理的熱點(diǎn)問(wèn)題。尋求一種既能有效地減小噪聲，又能很好地保留圖像邊緣信息的方法，是人們一直追求的目標(biāo)。去噪算法的基本思想是平均，關(guān)鍵點(diǎn)在于如何使圖像得到平滑的同時(shí)，細(xì)節(jié)或是高頻部分予以保留。A.BuadeS等人提出了非局部平均去噪算法，轉(zhuǎn)換了人們對(duì)去噪問(wèn)題的視角。

圖像去噪指的是利用各種濾波模型，通過(guò)各種濾波方法從已知的含有噪聲的圖像中去掉噪聲部分并保留圖像細(xì)節(jié)部分。在對(duì)含噪聲圖像和模糊圖像恢復(fù)時(shí)，除了消除噪聲外，一個(gè)更為重要的目標(biāo)是在去除噪聲的同時(shí)保護(hù)圖像的重要細(xì)節(jié)(包括幾何形狀細(xì)節(jié)如紋理、線條、邊緣和對(duì)比度變化細(xì)節(jié))。但是噪聲的去除和細(xì)節(jié)的保留是一對(duì)矛盾關(guān)系，這是因?yàn)樵肼暫图?xì)節(jié)都屬于圖像信號(hào)中的高頻部分，很難將它們區(qū)分出來(lái)，所以在濾除圖像噪聲的同時(shí)，也會(huì)對(duì)圖像的特征造成破壞，并使圖像變得模糊。所以如何兼顧降低噪聲和保留細(xì)節(jié)是圖像處理領(lǐng)域中十分重要的研究課題。長(zhǎng)期以來(lái)，人們根據(jù)圖像的特點(diǎn)，噪聲的統(tǒng)計(jì)特征和頻譜分布的規(guī)律，提出了很多的圖像去噪算法。主要是在時(shí)間域和變換域中對(duì)含噪聲圖像的去噪處理。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種數(shù)字圖像非局部平均去噪的快速實(shí)現(xiàn)方法，用以改善非局部平均濾波算法耗費(fèi)時(shí)間較長(zhǎng)的問(wèn)題。

本發(fā)明所采用的技術(shù)方案是，數(shù)字圖像非局部平均去噪的快速實(shí)現(xiàn)方法，具體按照以下步驟實(shí)施：

步驟1，搜索窗與相似窗的選取：

搜索窗是以當(dāng)前像素(i像素)為中心像素形成的；

相似窗有兩類：以當(dāng)前像素為中心像素的相似窗，及以搜索窗內(nèi)其他像素為中心像素的相似窗；

根據(jù)相似窗尺寸半徑R和搜索窗的半徑M，確定各窗口的尺寸；

步驟2，圖像邊界擴(kuò)展：

根據(jù)所選取搜索窗與相似窗的尺寸半徑，對(duì)含噪圖像的邊界進(jìn)行擴(kuò)展；

步驟3，大矩陣A和B的形成：

在內(nèi)存中開(kāi)辟矩陣空間，A矩陣中存放的是相似窗在搜索窗內(nèi)進(jìn)行搜索的結(jié)果，并將以當(dāng)前像素為中心像素的相似窗按照A矩陣的大小進(jìn)行擴(kuò)展，形成矩陣B；

步驟4，大矩陣的權(quán)值估計(jì)：

矩陣A與矩陣B按照歐式距離計(jì)算來(lái)確定相似窗的相似性，進(jìn)而確定當(dāng)前像素所分配的權(quán)重，得到大矩陣的權(quán)值；

步驟5，大矩陣的加權(quán)平均：

對(duì)計(jì)算出的權(quán)值進(jìn)行加權(quán)平均，來(lái)獲得當(dāng)前像素的最終估計(jì)結(jié)果，即完成單個(gè)像素的去噪；

步驟6，重復(fù)步驟1-5即可得到整幅含噪圖像的去噪結(jié)果。

本發(fā)明的特點(diǎn)還在于，

步驟1中相似窗尺寸為2×R+1；搜索窗尺寸為2×M+1。

步驟2中邊界擴(kuò)展的大小為R+M，每個(gè)邊界按該擴(kuò)展大小進(jìn)行對(duì)稱處理。

步驟3大矩陣具體形成過(guò)程為：

3.1在內(nèi)存中開(kāi)辟一個(gè)[(2×R+1)×(2×M+1)]×[(2×R+1)×(2×M+1)]大小的矩陣空間，用于存放(2×R+1)×(2×R+1)相似窗在(2×M+1)×(2×M+1)的搜索窗口內(nèi)進(jìn)行搜索的結(jié)果，該新矩陣成為矩陣A；

3.2將以當(dāng)前像素為中心像素的(2×R+1)×(2×R+1)相似窗按[(2×R+1)×(2×M+1)]×[(2×R+1)×(2×M+1)]大小空間進(jìn)行擴(kuò)展，構(gòu)成[(2×R+1)×(2×M+1)]×[(2×R+1)×(2×M+1)]大小的新矩陣B。

步驟4具體為：

采用歐式距離度量當(dāng)前像素與鄰域像素對(duì)應(yīng)的相似窗中像素的灰度值的相似度，表達(dá)式為：

其中L表示像素間的歐式距離，v(N_i)和v(N_j)分別表示當(dāng)前像素與鄰域像素對(duì)應(yīng)的相似窗中像素的灰度值，a表示高斯核的標(biāo)準(zhǔn)差，矩陣A與矩陣B同樣按照相似窗計(jì)算歐氏距離的方式進(jìn)行歐式距離計(jì)算；

進(jìn)而確定當(dāng)前像素所分配權(quán)重，計(jì)算權(quán)值函數(shù)為：

式中，h表示權(quán)值的衰減因子，用于控制函數(shù)的衰減程度。Z(i)為歸一化因子，

步驟5中最終估計(jì)結(jié)果NL(v)(i)為：