专利名称：一种形状自适应的非局部均值去噪方法
技术领域：
本发明属于图像处理技术领域，涉及一种形状自适应的非局部均值去噪方法，可用于对自然图像的去噪处理。
背景技术：
图像是人们认识客观世界最重要的手段。在数字图像处理中，由于受到成像方法和条件的限制以及外界干扰，图像信号不可避免地要受到噪声污染。图像中的边缘、细节特征等重要信息常湮没于噪声中，给图像的后继处理如边缘检测、图像分割、图像匹配等带来很大影响，所以有必要对图像在预处理阶段去噪。图像去噪是图像预处理中一项应用非常广泛的技术，如何在滤除图像噪声的同时更好地保持图像的纹理细节，成为图像去噪领域的中心问题。传统的去噪方法大致可以分为两类，一类是基于空域的方法，一类是基于变换域的方法。空域去噪方法中比较经典的方法包括高斯滤波，中值滤波，双边滤波等。它们的共同特点就是利用局部窗口内像素灰度值的连续性来对当前像素进行灰度调整。这些方法大都在去除噪声的同时模糊了图像的细节信息，例如图像的边缘，纹理等。由于自然图像，特别是纹理图像所含信息具有一定的冗余性，Buades等人提出了一种非局部均值的去噪方法。该方法以当前像素为中心取大小一定的窗口，在整幅图像内寻找与其具有相似结构的窗口，以窗口之间的相似度为权值对当前像素的灰度值进行调整。由于这种方法在去噪领域良好的性能，自提出以来迅速引起众多学者的广泛关注，但是它仍然存在以下问题1 算法复杂性比较大；2 权值计算准确性欠佳；3 图像的边缘与细节仍存在一定程度的模糊。近些年来，基于非局部均值的去噪方法层出不穷，比较典型的算法有BNL算法、 PPB算法以及BM3D算法，这类算法的基本思想是依据块的相似信息来计算权值大小，然后利用这个权值信息，对点或块进行加权平均，得到最终去噪结果。但是，这些算法都是依据正方形块之间的欧氏距离来计算像素点的相似性，例如非局部均值去噪里面最常用的是 7*7的块，这些块主要反映了像素点的结构信息，在图像的平滑区域能取得很好的相似性计算结果，但对于点目标以及边缘区域却忽略了其同质信息相似性，仅仅依据结构信息得到的相似性计算并不准确，所以最终去噪结果常常把图像的边缘或者纹理信息给模糊掉，这会导致我们后续对图像细节的分析处理出现偏差。
发明内容
本发明的目的在于克服上述已有技术的不足，提出了一种形状自适应的非局部均值去噪方法，引进图像的形状自适应区域并计算相似性，实现对自然图像结构信息相似性和同质信息相似性兼顾，进而提高图像去噪效果。为实现上述目的，本发明包括如下步骤(1)利用SA-DCT方法得到输入的含噪自然图像中待修正像素点^ci的形状自适应区域，并且对搜寻区域像素点\做基于形状自适应区域的均值预选取； (2)对满足预选取条件的点利用欧氏距离公式计算待修正像素Xi点与搜寻区域内
像素点\之间基于块的平均欧氏距离dpat。h(V(Xi)，V(Xj))
权利要求
1.一种形状自适应的非局部均值去噪方法，包括如下步骤(1)利用SA-DCT方法得到输入的含噪自然图像中待修正像素点Xi的形状自适应区域， 并且对搜寻区域像素点\做基于形状自适应区域的均值预选取；(2)对满足预选取条件的点利用欧氏距离公式计算待修正像素Xi点与搜寻区域内像素点\之间基于块的平均欧氏距离dpat。h (V(Xi)，V(Xj))滅”⑷-U〕‘ (v(x;), v(x7))=-—-其中，Xi是待估计的像素点，Xj是以Xi为中心的大小为NXN的搜寻区域中的像素点， V(Xi)是以Xi为中心的MXM大小的块的灰度值所形成的向量，V(Xj)是以\为中心的MXM 大小的块的灰度值所形成的向量，v(m) (Xi)表示向量V(Xi)的第m个元素，v(m)(Xp表示向量 ν (Xj)的第m个元素；(3)将像素点Xi的形状自适应区域替代步骤O)中以、为中心的MXM大小的块，对距离dpat。h(v(Xi)，V(Xj))进行修正，得到待修正像素Xi点与搜寻区域内像素点\之间基于形状自适应的平均欧氏距离dSA (s (Xi)，s (Xj))dSA ), S(Xj ) J =---其中，S是像素点Xi的形状自适应区域的大小，即表示像素点Xi的形状自适应区域内共有S个像素点和它是属于同一类的点，S(Xi)是Xi的形状自适应区域内的所有灰度值所形成的向量，S(Xi)是\的形状自适应区域内的所有灰度值所形成的向量，其中\的形状自适应区域以Xi为准，s(m) (Xi)表示向量S(Xi)的第m个元素，s(m) (Xj)表示向量S(Xj)的第m 个元素；(4)对待修正像素点Xi与搜寻区域内像素点\之间基于块的平均欧氏距离 dpatch(v(Xi), V(Xj))以及它们基于形状自适应区域的平均欧氏距离dSA(s (Xi)，s(Xj))，使用指数权值计算公式，计算搜寻域内所有像素点的基于块的权值wpat。h(Xi，Xj)和基于形状自适应区域的权值wSA(Xi，Xj.)。(5)根据计算出的搜寻区域内所有像素点的权值，对搜寻区域内所有像素点进行加权平均，得到像素点Xi修正后的灰度值；(6)用修正后像素点的灰度值取代输入的含噪自然图像中像素点的灰度值，得到去噪后的图像。
2.根据权利要求1所述的一种形状自适应的非局部均值去噪方法，其特征在于步骤 (1)中所述的对搜寻区域像素点\做基于形状自适应区域的均值预选取，是通过如下公式选取mean(s (x;》-mean(s [Xj》| > 3σ / -Js其中，ο是噪声标准差，S表示Xi的形状自适应区域内像素点的个数，S(Xi)是\的形状自适应区域内的所有灰度值所形成的向量，s (Xj)是\的形状自适应区域内的所有灰度值所形成的向量，其中\的形状自适应区域以Xi为准，mean(S(Xi)) ,mean(S(Xj))分别是以像素点Xi和\为中心的形状自适应区域的均值。
3.根据权利要求1所述的一种形状自适应的非局部均值去噪方法，其特征在于步骤 ⑷中所述的计算搜寻域内所有像素点基于块的权值wpat。h(Xi，，是通过如下公式计算
4.根据权利要求1所述的一种形状自适应的非局部均值去噪方法，其特征在于步骤 (4)中所述的计算搜寻域内所有像素点基于形状自适应区域的权值wSA(Xi，，是通过如下公式计算
全文摘要
本发明公开了一种形状自适应的非局部均值去噪方法，主要克服现有自然图像非局部均值去噪中相似性计算不准确的问题。其主要实现过程是(1)对输入的含噪自然图像中每一个待估计像素点得到基于形状自适应区域均值的相似点集合；(2)对该集合的所有像素点，分别计算该点基于块平均欧氏距离和形状自适应区域平均欧氏距离的权值；(3)按照上述两种权值对该集合的所有像素点进行加权平均，得到当前像素点的恢复值；(5)按照上述步骤，对所有待估计像素点求得恢复值并取代原图像中的灰度值，得到图像的去噪图。本发明在总体性能上优于其它的去噪方法，在更好地平滑噪声的同时保持自然图像的边缘和纹理等细节，可用于对自然图像的去噪。
文档编号G06T5/00GK102298773SQ20111027678
公开日2011年12月28日 申请日期2011年9月19日 优先权日2011年9月19日
发明者侯彪, 张小华, 焦李成, 王桂婷, 王爽, 田小林, 钟桦, 韩攀攀 申请人:西安电子科技大学