[發明專利]一種基于結構相似性的非局部均值去噪優化方法

有效

• 申請號: 201710392063.X
• 申請日: 2017-05-27
• 公開（公告）號: CN107230191B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 柴利;張璐;盛玉霞
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 張火春

本發明涉及一種基于結構相似性的非局部均值去噪優化方法。其技術方案是：獲取一幅噪聲污染圖像X，計算所有像素點j對于像素點i之間的權重值w(i,j)；采用加權核函數改進的非局部均值方法對噪聲污染圖像X進行一次去噪，得到一次去噪圖像在一次去噪圖像中，計算所有一次去噪圖像相似框對于以像素點i為中心的d×d的一次去噪圖像相似框的的權重值w_SSIM(i,j)；調整噪聲污染圖像X中所有的噪聲圖像相似框，對噪聲污染圖像X進行二次去噪，得到二次去噪圖像本發明具有能保留圖像細節、適用于不同噪聲強度和視覺質量良好的特點。

技術領域

本發明屬于非局部均值去噪優化技術領域。具體涉及一種基于結構相似性的非局部均值去噪優化方法。

背景技術

圖像去噪是圖像處理領域中最基礎最廣泛研究的熱點問題，其目的在于去除圖像獲取和傳輸過程中引入的各類噪聲污染。在眾多圖像去噪算法中，Buades等人提出的原始非局部均值算法被證明了其性能優于其他經典的去噪方法。該算法的基本思想是利用圖像中大量冗余信息，對圖像中每一個像素點所在圖像塊進行全局范圍的搜索找出與之近似的塊，通過相似結構塊的加權平均以減少隨機噪聲，達到去噪的效果。

非局部均值濾波算法的核心問題在于確定加權核函數，原始非局部均值去噪算法采用指數型核函數進行加權，導致了圖像細節過度平滑而變得模糊，且純指數型或者余弦型的核函數不能適應噪聲的變化，對強噪聲的去噪能力明顯下降；改進的二次指數型核函數使加權值隨著距離的增加而迅速下降，導致對圖像細節的處理能力較差以及對不同噪聲強度的去噪性能差異較大等問題。

發明內容

本發明旨在克服現有技術缺陷，目的是提供一種能保留圖像細節、適用于不同噪聲強度和視覺質量良好的基于結構相似性的非局部均值去噪優化方法。

為完成上述任務，本發明采用的技術方案的具體步驟是：

步驟1、在噪聲污染圖像X中選取一個像素點i，以所述像素點i為中心，建立s×s的噪聲圖像搜索框。

步驟2、在所述噪聲圖像搜索框內取d×d的噪聲圖像相似框X_t，用所述噪聲圖像相似框X_t在所述噪聲圖像搜索框中滑動，找出所述噪聲圖像搜索框中所有噪聲圖像相似框X_t的組合，記錄每個噪聲圖像相似框X_t中心的像素點j，在以像素點i為中心的噪聲圖像搜索框內，即得所有像素點j對于像素點i的權重值w(i,j)，

式(1)中：h₁表示平滑參數，h₁為100～10000的自然數；

h₂表示濾波參數，h₂為10000；

d(i,j)表示所述噪聲圖像搜索框的像素點i與噪聲圖像相似框X_t像素點j之間的距離，

式(2)中：X_i表示噪聲污染圖像X中以像素點i為中心的噪聲圖像相似框；

X_j表示噪聲污染圖像X中以像素點j為中心的噪聲圖像相似框；

v(X_i)表示以像素點i為中心的噪聲圖像相似框X_i中所有像素組成的鄰域向量；

v(X_j)表示以像素點j為中心的噪聲圖像相似框X_j中所有像素組成的鄰域向量。

步驟3、采用加權核函數改進的非局部均值方法，對噪聲污染圖像X進行一次去噪，即得所述噪聲污染圖像X一次去噪后的像素點i的像素值X′(i)，