专利名称：一种图像平滑抑制噪声方法
技术领域：
本发明涉及数字图像处理技术，具体地说，是一种利用图像的自相似 特性进行综合加权平滑，抑制噪声同时保持图像特征的图像噪声抑制技术。
背景技术：
成像时的传感器退化、数值量化过程、转换过程等都会引入噪声。噪声 抑制对提高图像质量，改善图像视觉效果有重要意义。数字图像中的噪声模型有多种，如加 性高斯噪声、乘性噪声等，都是对实际噪声的简化和抽象。图像噪声抑制方法可以分为空间 域处理和变换域处理两类空间域处理方法直接根据图像像素间的变化特点滤波计算；变 换域滤波方法先对图像做变换，如傅里叶变换、离散余弦变换、小波变换等，然后在变换后 的各个频带上分别处理。空间域方法中，双边滤波及其扩展方法比较有影响。双边滤波可 看作高斯平滑滤波的扩展，其基本思想是滤波结果中的颜色值是原图中对应位置及邻域 像素加权平均的结果，以当前像素为标准，坐标距离越大的权值越小，颜色距离越大的权值 越小，邻域像素的权值取为坐标距离权值和颜色距离权值的乘积。代表当前最高水平的方法大多是基于子图像块匹配的方法(这里的子图像块指 在图像中的一个小矩形区域内的像素组成的块)。这类方法的主要思想是成像内容自身 具有自相似性，而噪声信息相互间独立，因此对每个子图像块，在其邻近范围内搜索匹配， 找到最相似的某些块，将这些相似的块关联在一起综合处理。基于子图像块匹配的方法相 比单纯局部处理方法噪声抑制水平明显提高。但是现已公开的该类方法，有的针对特定的 噪声模型、计算复杂度高且实现过程复杂，有的噪声抑制水平还有提高余地。发明内容本发明公开一种新的技术方案，综合使用逐像素加权平滑和相似子图 像块加权平滑，能在相对较低的计算复杂度下实现较好的噪声抑制，方法不需要指定噪声 模型，尤其适合用于雷达和超声图像的斑点噪声抑制。本发明的基本思路为首先对原始图像进行双边滤波获得粗略平滑结果，粗略平 滑结果中的噪声量相比原始图像低很多；将平滑结果图像划分为子图像块集合，相邻子图 像块间有部分重叠；集合中的每个子图像块在平滑结果图像中其邻域范围内搜索匹配，取 最相似的若干块；从原始图像中取对应位置的子图像块，综合加权获得对当前子图像块的 估计；所有子图像块的估计结果按照对应位置加权聚合形成输出图像。其中，使用粗略平滑 结果进行子图像块匹配是为了提高子图像块相似性判别的可靠性。原始图像中噪声强烈， 相似性判别极不可靠，子图像块边长小时尤其明显。相邻子图像块间部分重叠且块的估计 结果加权聚合是为了消除输出结果的块状效应。实现本发明思路的技术方案流程如图1所示，其优点是计算复杂度不高且适合 并行加速，可在当前主流平台下通过GPU计算技术实现实时处理；不依赖特定噪声模型；易 于实现；参数调整简单。具体描述如下A.对原始图像进行双边滤波，获得粗略平滑结果；B.将平滑结果图像划分为子图像块集合，即从图像左上角开始，向右每隔固定 像素数取一个正方形子图像块，直至图像最右，然后向下每隔固定像素数以相同方式从左 往右取子图像块，直至图像最下；相邻子图像块间部分重叠，即选取子图像块时的间隔像素 数小于子图像块的边长；
C.在平滑结果图像内，集合中的每个子图像块(称为当前块)在其邻域范围内搜 索匹配，找到最相似的若干子图像块(称为相似块)；D.原图中与平滑结果图像内一一对应取子图像块，与当前块对应的子图像块称 为原图当前块，与相似块对应的子图像块称为原图相似块；以原图当前块为基准，结合原图 相似块综合加权平均，获得对当前块的估计结果；估计方法为，对原图当前块中的每个像素 (称为当前像素)执行如下步骤，获得估计结果像素；a)计算所有子图像块中的所有像素与当前像素的颜色的欧氏距离dc，用函数 Gc (dc)映射为颜色权值Wc ；b)计算原图当前块内所有像素与当前像素的位置距离dd(到自身距离为0)，用函 数Gd(dd)映射为位置权值W，各原图相似块中的像素权值取为与原图当前块中的对应位 置处相等，即各块内对应位置处权值相等；c)在平滑结果图像内相似块与当前块的相似性判别结果值ds(当前块与自身的 相似性判别结果值为0)用函数Gs(ds)映射为块权值Ws ；根据一一对应关系，原图当前块、 原图相似块对应取块权值；d)每个像素的权值为颜色权值、位置权值和所在块的块权值的乘积；像素总体加 权平均后获得对当前像素的估计；E.集合中所有图像块计算完成后，估算结果块中的像素按照在原图中的位置加权 聚合形成输出结果图像；加权聚合方式如下a)生成和原图等大小的图像Iw，初始颜色值都为0 ；生成一个和原图等行列数的 权值矩阵，初始值全为0;b)在每个子图像块中的像素，与所在块中心的距离db用函数Gb(db)映射为权值 Wb ；每个颜色值与权值的乘积按像素位置累加到图像Iw中，同时将权值按位置累加到权值 矩阵；c)图像Iw的像素颜色值与权值矩阵元素一一对应相除，获得输出结果；其中，使用的函数Gc (dc)，Gd (dd)，Gs (ds), Gb (db)全部为高斯函数^^·,只是参 数ο不同；步骤C中的邻域范围指图像中包含当前块、比当前块大的矩形范围；搜索匹配指 在邻域范围内逐像素计算所在位置处对应的正方形块与当前块的相似程度；判断相似的方 法是计算两子图像块间的对应位置处像素颜色值的欧氏距离的平方的均值，结果值越小越 相似。步骤D中，计算颜色权值Wc还可以使用另一种方法每个子图像块中与当前像素 对应位置处的像素称为块中当前像素，各子图像块中的所有像素与块中当前像素的颜色的 欧氏距离dc，用函数Gc(dc)映射为颜色权值Wc，参加综合加权。在输出结果图像上进行一次子图像块估计的迭代计算，可以去掉小瑕疵，进一步 提高图像质量。迭代计算时不预先进行双边滤波，匹配和综合加权估算使用的图像块都取 自输出结果图像，且综合加权时所有加权函数中的参数σ都减小以降低邻域像素和相似 块中像素的权值，其它计算过程保持相同。本发明方法中取子图像块集合、邻域搜索、综合加权的过程在图像的各个部分完
全一致，因此通过图像分块等可以实现并行，块内的权值计算和结果估计等也是高度并行的，适合使用GPU计算技术加速。由于方案中充分考虑了像素临近关系、颜色相似性、子图 像块间的相似性，能较大程度综合图像信息，比传统局部邻域类的方法更好地抑制噪声；方 案中只使用了综合加权的方式，不依赖特定噪声模型，具有较好的适应性。
图1是总体技术方案流程示意2是子图像块和相邻子图像块部分重叠示意3是当前块与邻域示意图具体实施方式
现在结合附图，描述本发明的一种具体实施方式
。依据技术方案流程示意1和“发明内容”中的具体描述，本发明主要步骤为 逐像素处理获得初步平滑结果，在粗略平滑结果图像中取子图像块集合，每个子图像块在 邻域内搜索匹配，并从原始图像中对应取子图像块，综合加权计算每个子图像块的估计结 果，加权聚合为输出结果。作为可选的进一步优化，调整参数迭代计算一次子图像块估计， 去掉小瑕疵。第一步是使用双边滤波逐像素处理获得初步平滑结果。双边滤波方法是著名的图 像平滑方法，可看做高斯平滑滤波的改进和扩展，能在平滑噪声时较好保留边缘信息。估计 结果图像中的每个像素是原始图像中对应位置及其邻域的像素的加权平均，权值是颜色权 值和空间距离权值的乘积，颜色相差越小则颜色权值越大，空间距离越小则空间距离权值 越大，权值的映射函数使用高斯函数或类似高斯形状的函数。取权值映射函数为高斯函数
时，双边滤波的一种典型表达是:Pe=」(/γΡ (xrxf+(yry ’其中P，Pjj Pe表示原始图
像中的当前像素的颜色值、当前像素邻域的像素颜色值和估计结果像素的颜色值；X，1, Xj, Yj表示当前像素的横坐标、纵坐标和邻域像素的横坐标纵坐标；σ。，Od为可调节的参数， 参数取值越大，则结果平滑越强烈。平滑结果图像和原图像宽高相等。第二步是取子图像块集合。在粗略平滑结果图像中从左上角开始，向右每隔固定 像素数取一个正方形子图像块，直至图像最右；然后向下每隔固定像素数以相同方式从左 往右取子图像块，直至图像最下；相邻子图像块间部分重叠，即选取子图像块时的间隔像素 数小于子图像块的边长。子图像块集合能够覆盖整个图像。附图2是子图像块和相邻子图 像块部分重叠示意图，示意了子图像块集合在图像中的位置和块间相互间位置关系的一种 情况。其中共有四块子图像块左上角的块对应横坐标0到4、纵坐标0到4的块，右上角 的块对应横坐标3到7、纵坐标0到4的块，左下角对应横坐标0到4、纵坐标3到7，右下角 对应横坐标3到7、纵坐标3到7 ；四个子图像块都是边长为5的正方形，水平方向相邻块间 重叠2个像素，垂直方向相邻块间重叠2个像素，中间的4个像素(即横坐标3到4且纵坐 标3到4的像素)为这四个块公共的重叠部分。方案实施时，可以取块大小为7、9、11或更 大，相邻块间重叠像素数可以为2、3或更大。当取到图像的右边界或下边界处，且剩余像素 数不足一个块边长时，可以改为取小块或者增大相邻块间的重叠像素数，只要使子图像块 集合覆盖整个图像即可。第三步是每个子图像块在邻域范围内搜索匹配，找到若干最相似的子图像块。子图像块和邻域都是在粗略平滑结果图像上选取。子图像块和其邻域范围如附图3所示，邻 域范围指图像中包含当前块、比当前块大的矩形范围。邻域大小根据子图像块大小经验设 定，比如子图像块取边长9时，邻域范围可取为27行27列或更大。较好的邻域范围取法是 当前块在图像边界处时只要取包含当前块、比当前块大的矩形范围；当前块在中间部分时， 使当前块的中心与邻域范围的中心重合，即当前块在邻域范围中居中。搜索匹配指在邻域 范围内逐像素计算每次取与当前块等大的子图像块，子图像块以该像素的坐标为左上角 坐标；两子图像块中像素按坐标一一对应，即块的左上角点与左上角点对应，右下角点与右 下角点对应，其它像素按位置排列对应；对应像素颜色值的欧氏距离的平方的均值表示相似性，即
权利要求
1. 一种技术方案，综合使用逐像素加权平滑和相似子图像块加权平滑，不需要指定噪 声模型，能在相对较低的计算复杂度下实现较好的噪声抑制，包括如下步骤A.对原始图像进行双边滤波，获得粗略平滑结果；B.将平滑结果图像划分为子图像块集合，即从图像左上角开始，向右每隔固定像素 数取一个正方形子图像块，直至图像最右，然后向下每隔固定像素数以相同方式从左往右 取子图像块，直至图像最下；相邻子图像块间部分重叠，即选取子图像块时的间隔像素数小 于子图像块的边长；C.在平滑结果图像内，集合中的每个子图像块(称为当前块)在其邻域范围内搜索匹 配，找到最相似的若干子图像块(称为相似块)；D.原图中与平滑结果图像内一一对应取子图像块，与当前块对应的子图像块称为原图 当前块，与相似块对应的子图像块称为原图相似块；以原图当前块为基准，结合原图相似块 综合加权平均，获得对当前块的估计结果；估计方法为，对原图当前块中的每个像素(称为 当前像素)执行如下步骤，获得估计结果像素；a)计算所有子图像块中的所有像素与当前像素的颜色的欧氏距离dc(当前像素与自 身颜色的欧氏距离为0)，用函数Gc(dc)映射为颜色权值Wc ；b)计算原图当前块内所有像素与当前像素的位置距离dd(到自身距离为0)，用函数 Gd(dd)映射为位置权值W，各原图相似块中的像素权值取为与原图当前块中的对应位置 处相等，即各块内对应位置处权值相等；c)在平滑结果图像内相似块与当前块的相似性判别结果值ds(当前块与自身的相似 性判别结果值为0)用函数Gs(ds)映射为块权值Ws;根据一一对应关系，原图当前块、原图 相似块对应取块权值；d)每个像素的权值为颜色权值、位置权值和所在块的块权值的乘积；像素总体加权平 均后获得对当前像素的估计；E.集合中所有图像块计算完成后，估算结果块中的像素按照在原图中的位置加权聚合 形成输出结果图像；加权聚合方式如下a)生成和原图等大小的图像Iw，初始像素值都为0；生成一个和原图等行列数的权值 矩阵，初始值全为0;b)在每个子图像块中的像素，与所在块中心的距离db用函数Gb(db)映射为权值Wb； 每个像素值与权值的乘积按像素位置累加到图像Iw中，同时将权值按位置累加到权值矩 阵；c)图像Iw的像素颜色值与权值矩阵元素一一对应相除，获得输出结果；其特征在于其中，使用的函数6((如)，6(1((1(1)，68((18)，613((113)全部为高斯函数丨^ ’只是参数。 不同；步骤C中的邻域范围指图像中包含当前块、比当前块大的矩形范围；搜索匹配指在邻 域范围内逐像素计算所在位置处对应的正方形块与当前块的相似程度；判断相似的方法 是计算两子图像块间的对应位置处像素颜色值的欧氏距离的平方的均值，结果值越小越相 似。
2.根据权利要求1中所述的技术方案，其特征在于步骤D中计算颜色权值Wc使用如下方法每个子图像块中与当前像素对应位置处的像 素称为块中当前像素，各子图像块中的所有像素与块中当前像素的颜色的欧氏距离dc，用 函数Gc (dc)映射为颜色权值Wc，参加综合加权。
3.根据权利要求1中所述的技术方案，其特征在于在输出结果图像上进行一次迭代计算，去掉小瑕疵；迭代计算时不预先进行双边滤波， 匹配和综合加权估算使用的图像块都取自输出结果图像，且综合加权时所有加权函数中的 参数ο都减小，其它计算过程保持相同。
全文摘要
本发明公开一种技术方案，综合使用逐像素加权平滑和相似子图像块加权平滑，能在相对较低的计算复杂度下实现较好的噪声抑制，方法不需要指定噪声模型，尤其适合用于雷达和超声图像的斑点噪声抑制。首先对原始图像进行双边滤波获得粗略平滑结果，将平滑结果图像划分为子图像块集合，相邻子图像块间部分重叠；然后集合中的每个子图像块在平滑结果图像中其邻域范围内搜索匹配，取最相似的若干块；再从原始图像中取对应位置的子图像块，综合加权获得对当前子图像块的估计；最后所有子图像块的估计结果按照对应位置加权聚合形成输出结果图像。作为可选步骤，可以减小综合加权时使用的参数，在输出结果图像上进行一次迭代，去掉小瑕疵，获得优化结果。
文档编号G06T5/00GK102005033SQ201010544940
公开日2011年4月6日 申请日期2010年11月16日 优先权日2010年11月16日
发明者唐娉, 王杰, 郑柯 申请人:中国科学院遥感应用研究所