[發(fā)明專利]一種基于圖像塊分類的自適應(yīng)去噪方法

在審

• 申請?zhí)枺?/td>: 201811159032.0
• 申請日: 2018-09-30
• 公開（公告）號: CN109410134A
• 公開（公告）日: 2019-03-01
• 發(fā)明（設(shè)計）人: 石蘭芳;黃金;周先春;方林鳳
• 申請（專利權(quán)）人: 南京信息工程大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/20
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 葛瀟敏

本發(fā)明公開一種基于圖像塊分類的自適應(yīng)去噪方法，包括如下步驟：步驟1，利用包括電荷耦合器件的攝像機(jī)采集需要處理的原始圖像，將采集到的圖像進(jìn)行灰度轉(zhuǎn)換并進(jìn)行加噪處理；步驟2，將噪聲圖像進(jìn)行塊分類，通過計算圖像塊的方差將圖像分成平滑區(qū)和非平滑區(qū)；步驟3，對步驟2中分類出的平滑區(qū)用均值濾波法進(jìn)行去噪；步驟4，對步驟2中分類出的非平滑區(qū)，利用K?SVD算法進(jìn)行去噪處理；步驟5，通過計算峰值信噪比和運(yùn)行時間，分析去噪算法的有效性。此種去噪方法可彌補(bǔ)傳統(tǒng)K?SVD圖像去噪算法中運(yùn)行效率低的不足，并很好地保留圖像的結(jié)構(gòu)信息。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及一種基于圖像塊分類的自適應(yīng)去噪方法研究。

背景技術(shù)

圖像儼然已成為現(xiàn)階段人類活動中最常用的信息載體，圖像數(shù)據(jù)方面的爆炸式增長也大大地促進(jìn)了科學(xué)研究、醫(yī)療、教育、工業(yè)生產(chǎn)等領(lǐng)域的發(fā)展，同時對數(shù)字圖像處理技術(shù)提出了更高的要求。然而在圖像的獲取、壓縮或是傳輸過程中極易引入噪聲，從而影響后續(xù)的工作。所以降噪處理工作在圖像處理過程中為尤為首要。

現(xiàn)階段去噪算法大多是從概率統(tǒng)計理論、模糊理論、非參數(shù)估計理論等領(lǐng)域衍生而來。由于先驗信息的缺乏，去噪問題常具有病態(tài)性。近些年來，稀疏分解、過完備字典的訓(xùn)練以及理論分析已經(jīng)成為研究熱點(diǎn)，傳統(tǒng)的K-SVD算法在稀疏編碼過程中使用的是正交匹配追蹤OMP和奇異值分解，其中OMP得到的是每一個樣本信號對應(yīng)的稀疏系數(shù)向量的近似逼近，但是依舊存在缺乏對整體結(jié)構(gòu)的分析以及運(yùn)算量過大的不足，所以急需對相關(guān)的內(nèi)容進(jìn)行研究，得到完善的結(jié)論，在圖像結(jié)構(gòu)信息的保護(hù)與運(yùn)算復(fù)雜度之間能夠得到較好的平衡提供有效方法。

發(fā)明內(nèi)容

本發(fā)明的目的，在于提供一種基于圖像塊分類的自適應(yīng)去噪方法，其可彌補(bǔ)傳統(tǒng)K-SVD圖像去噪算法中運(yùn)行效率低的不足，并很好地保留圖像的結(jié)構(gòu)信息。

為了達(dá)成上述目的，本發(fā)明的解決方案是：

一種基于圖像塊分類的自適應(yīng)去噪方法，包括如下步驟：

步驟1，利用包括電荷耦合器件的攝像機(jī)采集需要處理的原始圖像，將采集到的圖像進(jìn)行灰度轉(zhuǎn)換并進(jìn)行加噪處理；

步驟2，將噪聲圖像進(jìn)行塊分類，通過計算圖像塊的方差將圖像分成平滑區(qū)和非平滑區(qū)；

步驟3，對步驟2中分類出的平滑區(qū)用均值濾波法進(jìn)行去噪；

步驟4，對步驟2中分類出的非平滑區(qū)，利用K-SVD算法進(jìn)行去噪處理；

步驟5，通過計算峰值信噪比和運(yùn)行時間，分析去噪算法的有效性。

采用上述方案后，本發(fā)明運(yùn)用建立的新型模型對采集到的圖像加入噪聲樣本，并進(jìn)行噪聲濾除工作，將噪聲圖像分為M個n×n大小的圖像塊，增加對于圖像塊信息的分析，根據(jù)樣本的方差將其分為平滑區(qū)及非平滑區(qū)，而后利用均值濾波算法和K-SVD算法對圖像塊進(jìn)行自適應(yīng)選擇去噪，以此保證邊緣結(jié)構(gòu)紋理信息的完整性和運(yùn)行速度，為圖像噪聲去除提供有效的指導(dǎo)方法。

本發(fā)明提供的一種基于圖像塊分類的自適應(yīng)去噪方法，彌補(bǔ)了當(dāng)前圖像去噪算法中所存在的缺乏對整體結(jié)構(gòu)的分析以及運(yùn)算量過大的不足，在圖像結(jié)構(gòu)信息的保護(hù)與運(yùn)算復(fù)雜度之間能夠得到較好的平衡。

附圖說明

圖1是本發(fā)明的流程圖；

圖2是本發(fā)明具體實施方式的原始圖像進(jìn)行灰度圖像轉(zhuǎn)換后灰度圖；

圖3是采用本發(fā)明具體實施方式的對灰度圖進(jìn)行加噪后的效果圖；

圖4是采用本發(fā)明具體實施方式的方法對加噪圖像(library)進(jìn)行去噪處理后的效果圖；

圖5是采用本發(fā)明具體實施方式的方法對加噪圖像(shanghai)進(jìn)行去噪處理后的效果圖。