[發(fā)明專利]基于NCSR模型的三維協(xié)同濾波去噪方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201711390474.1
• 申請(qǐng)日: 2017-12-21
• 公開（公告）號(hào): CN108198140A
• 公開（公告）日: 2018-06-22
• 發(fā)明（設(shè)計(jì)）人: 劉晶;劉睿嬌;陳進(jìn)磊
• 申請(qǐng)（專利權(quán)）人: 西安理工大學(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: 李娜

本發(fā)明公開了基于NCSR模型的三維協(xié)同濾波去噪方法，具體步驟為：利用Canny算子提取含噪圖像邊緣像素點(diǎn)，將該邊緣像素點(diǎn)的坐標(biāo)保存在W中，由此實(shí)現(xiàn)像素的分類；步驟2、將步驟1中含噪圖像通過塊匹配的方式進(jìn)行分組；步驟3、將步驟2中各分組圖像塊進(jìn)行協(xié)同濾波去噪；步驟4、經(jīng)步驟3去噪后的圖像加權(quán)平均進(jìn)行聚合，求得圖像的最終估計(jì)值；對(duì)含噪圖像進(jìn)行分區(qū)域處理，進(jìn)一步提高圖像細(xì)節(jié)部分的清晰程度；本發(fā)明基于NCSR模型的三維協(xié)同濾波去噪方法利用NCSR模型中的濾波公式對(duì)噪聲進(jìn)行過濾，充分利用了圖像的非局部相似性，明顯減少了去噪結(jié)果中的光暈和振鈴效應(yīng)。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及基于NCSR模型的三維協(xié)同濾波去噪方法。

背景技術(shù)

近年來，通過對(duì)圖像噪聲以及圖像自身信號(hào)的特征研究，許多學(xué)者以及研究人員不斷地提出新的去噪方法。這些方法的共同目標(biāo)都是：在實(shí)現(xiàn)去噪的同時(shí)能夠保留更多的圖像細(xì)節(jié)信息。對(duì)于一幅自然圖像來說，其結(jié)構(gòu)紋理特征都存在著很大的相關(guān)性。因此，無論是用空域方法直接對(duì)像素值進(jìn)行平均處理，還是利用頻域方法將圖像進(jìn)行變換再對(duì)變換系數(shù)進(jìn)行閾值處理，都是充分利用了圖像本身的局部和非局部相關(guān)性特征來取得較好的去噪效果。

利用局部相似性進(jìn)行去噪的方法都是僅通過比較單個(gè)像素的灰度值來對(duì)含有噪聲的像素進(jìn)行處理，算法的魯棒性達(dá)不到預(yù)想的效果。針對(duì)局部去噪方法的這一缺陷，研究者們力圖挖掘圖像的非局部相關(guān)性，進(jìn)一步提高去噪效果。在Buades等人首先提出NL-Means這一非局部去噪方法，該方法為后來的許多非局部去噪方法提供了新的思路。其中，BM3D算法是公認(rèn)的去噪效果相對(duì)較好的非局部去噪算法，它算法能很好地克服NL-Means時(shí)間復(fù)雜度過高這一缺陷。既能更多地保護(hù)圖像細(xì)節(jié)，又能在相對(duì)短的時(shí)間內(nèi)得到圖像的非局部相似性并加以利用。但是BM3D的去噪效果中出現(xiàn)了光暈、振鈴和馬賽克效應(yīng)。由于它采用了簡(jiǎn)單的硬閾值過濾公式來對(duì)一組圖像塊進(jìn)行局部和非局部過濾，而該過濾公式僅適用于圖像的局部過濾。在對(duì)非局部圖像塊進(jìn)行過濾時(shí)常常會(huì)使圖像邊緣出現(xiàn)振鈴效應(yīng)。

發(fā)明內(nèi)容

本發(fā)明目的是提供基于NCSR模型的三維協(xié)同濾波去噪方法，采用不同的濾波方式對(duì)圖像的邊緣區(qū)域和光滑區(qū)域分開處理，能夠提高處理后圖像的清晰度。

本發(fā)明所采用的技術(shù)方案是，基于NCSR模型的三維協(xié)同濾波去噪方法，具體按照以下步驟實(shí)施：

步驟1、利用Canny算子提取含噪圖像邊緣像素點(diǎn)，將該邊緣像素點(diǎn)的坐標(biāo)保存在數(shù)組W中；

步驟2、將步驟1中含噪圖像通過塊匹配的方式進(jìn)行分組，得到多個(gè)分組圖像塊；

步驟3、將步驟2中各分組圖像塊進(jìn)行協(xié)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(gè)圖像塊，對(duì)于在原圖像中具有同一坐標(biāo)的各圖像塊通過加權(quán)平均的方式進(jìn)行聚合，求得圖像的最終估計(jì)值。

步驟2具體步驟為：首先確定參考?jí)K的位置，從圖像左上角第一個(gè)8×8的圖像塊開始為第一個(gè)參考?jí)K，下一個(gè)參考?jí)K的位置為向右或向下平移三個(gè)像素，以每個(gè)參考?jí)K為中心的39×39的區(qū)域?yàn)楫?dāng)前參考?jí)K所在的鄰域，在鄰域內(nèi)所有與參考?jí)K大小相同的圖像塊都是候選塊，遍歷鄰域內(nèi)所有的候選塊并求出其與當(dāng)前參考?jí)K之間的歐式距離，選出16個(gè)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(yīng)的參考?jí)K組成一個(gè)分組。

歐式距離的求解方法為：

式(1)中，d^noisy表示歐式距離，||·||₂表示l-2范式，Z_xR代表參考?jí)K的像素值，Z_x代表鄰域內(nèi)的侯選塊的像素值，代表一個(gè)圖像塊內(nèi)的像素點(diǎn)個(gè)數(shù)。

步驟3具體步驟為：