[發明專利]基于NCSR模型的三維協同濾波去噪方法在審
| 申請號: | 201711390474.1 | 申請日: | 2017-12-21 |
| 公開(公告)號: | CN108198140A | 公開(公告)日: | 2018-06-22 |
| 發明(設計)人: | 劉晶;劉睿嬌;陳進磊 | 申請(專利權)人: | 西安理工大學 |
| 主分類號: | G06T5/00 | 分類號: | G06T5/00 |
| 代理公司: | 西安弘理專利事務所 61214 | 代理人: | 李娜 |
| 地址: | 710048*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 濾波去噪 含噪圖像 協同 三維 邊緣像素點 去噪 圖像 非局部相似性 分組圖像 濾波公式 圖像加權 圖像細節 振鈴效應 坐標保存 分區域 塊匹配 光暈 像素 聚合 噪聲 過濾 分組 分類 清晰 | ||
1.基于NCSR模型的三維協同濾波去噪方法,其特征在于,具體按照以下步驟實施:
步驟1、利用Canny算子提取含噪圖像邊緣像素點,將該邊緣像素點的坐標保存在數組W中;
步驟2、將步驟1中含噪圖像通過塊匹配的方式進行分組,得到多個分組圖像塊;
步驟3、將步驟2中各分組圖像塊進行協同濾波去噪;
步驟4、將步驟3去噪后的分組圖像塊解組成多個圖像塊,對于在原圖像中具有同一坐標的各圖像塊通過加權平均的方式進行聚合,求得圖像的最終估計值。
2.如權利要求1所述基于NCSR模型的三維協同濾波去噪方法,其特征在于,步驟2所述的具體步驟為:首先確定參考塊的位置,從圖像左上角第一個8×8的圖像塊開始為第一個參考塊,下一個參考塊的位置為向右或向下平移三個像素,以每個參考塊為中心的39×39的區域為當前參考塊所在的鄰域,在鄰域內所有與參考塊大小相同的圖像塊都是候選塊,遍歷鄰域內所有的候選塊并求出其與當前參考塊之間的歐式距離,選出16個歐式距離最小的候選塊作為一組相似塊,該組相似塊與相應的參考塊組成一個分組。
3.如權利要求2所述基于NCSR模型的三維協同濾波去噪方法,其特征在于,所述歐式距離的求解方法為:
式(1)中,dnoisy表示歐式距離,||·||2表示l-2范式,ZxR代表參考塊的像素值,Zx代表鄰域內的侯選塊的像素值,代表一個圖像塊內的像素點個數。
4.如權利要求1所述基于NCSR模型的三維協同濾波去噪方法,其特征在于,步驟3具體步驟為:
步驟3.1、所有圖像塊首先都需要進行局部二維小波變換,然后由每個分組中參考塊的中心像素點的位置是否在W中來選定步驟a或步驟b進行三維協同濾波去噪,估計每個圖像塊的稀疏系數;
a.若當前分組內參考塊中心像素點的位置在W中,則使用NCSR模型中公式(2)來對該組圖像塊進行第三維協同濾波;
b.若當前分組內參考塊中心像素點的位置不在W中,則使用NCSR模型中的公式(3)來對該組圖像塊進行第三維協同濾波;
式(2)、(3)中,表示對圖像塊稀疏系數的估計值,α表示圖像塊的稀疏系數,β表示一組圖像塊的平均系數值,l1=c1λ,l2=c2γ,c1和c2都是常數;
步驟3.2、通過步驟3.1對圖像塊的稀疏系數值進行協同濾波后,每個分組的圖像塊都進行二維小波逆變換得到其空域上的像素值。
5.如權利要求1所述基于NCSR模型的三維協同濾波去噪方法,其特征在于,步驟4所述圖像的最終估計值的具體求法為:
步驟4.1、獲取同一位置處多個估計值的權重:
公式(4)中,NxR為同一位置出現的多個估計值的個數,σn為原圖像噪聲方差;
步驟4.2、利用公式(5)求得圖像塊聚合后最終去噪后的結果,
公式(5)中,為一個圖像塊經過非局部過濾后得到的像素估計值,xR為圖像中的一個參考塊,xm為一組圖像塊中的某一個相似塊,為xm處的方形特征函數,為最終圖像去噪后的估計值。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西安理工大學,未經西安理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711390474.1/1.html,轉載請聲明來源鉆瓜專利網。





