[發明專利]非局部均值盲圖像去噪方法、系統及裝置

在審

• 申請號: 202011371948.X
• 申請日: 2020-11-30
• 公開（公告）號: CN112508810A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 陳葉飛;王達君;梁俊文
• 申請（專利權）人: 上海云從匯臨人工智能科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/40
• 代理公司: 北京瀚仁知識產權代理事務所(普通合伙) 11482
• 代理人: 宋寶庫;屠曉旭

1.一種非局部均值盲圖像去噪方法，其特征在于，所述方法包括以下步驟：

根據待處理的噪聲圖像的像素均值獲取所述待處理的噪聲圖像的高斯噪聲等級，根據所述高斯噪聲等級確定相應的濾波參數；

基于所述濾波參數對所述噪聲圖像中每一待處理像素點進行去噪；

計算所述噪聲圖像中所有像素點去噪后的像素值；

根據所有像素點去噪后的像素值重構所述噪聲圖像。

2.如權利要求1所述的方法，其特征在于，根據待處理的噪聲圖像的像素均值獲取所述待處理的噪聲圖像的高斯噪聲等級，根據所述高斯噪聲等級確定相應的濾波參數，具體包括：

將所述噪聲圖像分成多個噪聲圖像子塊；

求取每個所述噪聲圖像子塊對應位置的像素均值；

基于所述像素均值計算每個所述噪聲圖像子塊的協方差矩陣；

計算每個所述噪聲圖像子塊的協方差矩陣的特征值，并將所述特征值由大至小排序以提取前r個特征值；

求解所有協方差矩陣特征值的均值τ；

根據所有協方差矩陣特征值的均值τ確定所述噪聲圖像的高斯噪聲等級。

3.如權利要求2所述的方法，其特征在于，

其中，所述噪聲圖像的像素點坐標的取值區間為I＝[1,2,3,…,m]×[1,2,3,…,n]，m,n分別表示所述噪聲圖像的高度和寬度，單位為像素，且m,n為正整數；

所述設定窗口為d×d固定大小的固定窗口；

將所述噪聲圖像分成多個噪聲圖像子塊，具體包括：

以所述噪聲圖像的左上角為起點，以所述噪聲圖像的右下角為終點，利用所述固定窗口有重疊地逐行遍歷，將所述噪聲圖像劃分為s個噪聲圖像子塊y_t，并將這些噪聲圖像子塊y_t轉為d×d的一維列向量，以形成噪聲圖像子塊集合其中，t表示圖像子塊的序號，以及s＝(m-d+1)×(n-d+1)。

4.如權利要求3所述的方法，其特征在于，

求取每個所述噪聲圖像子塊對應位置的像素均值，具體包括：

根據下列像素均值公式計算每個所述噪聲圖像子塊對應位置的像素值的均值μ：其中y_t(i)表示圖像子塊t在像素點i處的像素值，其中μ表示各個圖像子塊對應位置的像素均值；

基于所述像素均值計算每個所述噪聲圖像子塊的協方差矩陣，具體包括：

根據所述噪聲圖像子塊的像素值的均值μ通過下列協方差矩陣公式計算每個所述噪聲圖像子塊的協方差矩陣∑：其中，y_t表示圖像子塊t中各個像素點的像素值，T表示轉置符號；

計算每個所述噪聲圖像子塊的協方差矩陣的特征值，并將所述特征值由大至小排序以提取前r個特征值，具體包括：

根據所述協方差矩陣∑，計算所述噪聲圖像子塊的協方差矩陣的特征值，可得：

其中，R＝[A,W]，A表示l(l＜＜r)維的子空間，r的取值為d×d，W表示(r-l)×r的矩陣，λ_θ表示協方差矩陣∑的特征值，并簡化可得：

由此，求解出協方差矩陣的特征值λ_θ(1≤θ≤r)，并由大至小排序：λ₁≥λ₂≥λ₃≥…≥λ_r，其中λ_r表示提取的第r個特征值。

5.如權利要求4所述的方法，其特征在于，

通過索引序號k，遍歷求解協方差矩陣特征值的均值τ：

判斷所述τ是否與所述前r個特征值的中位數相等，若是，則估計所述噪聲圖像的高斯噪聲等級

根據估計的所述高斯噪聲等級設置非局部均值算法的濾波參數為其中，a是常數。