一种图像去噪方法与流程

技术特征：

1.一种图像去噪方法，其特征在于，包括以下步骤：

1)提取原始图像f(x,y)的边缘信息E和纹理信息T，并存储；

2)对原始图像f(x,y)进行二维经验模式分解，得到图像的内禀模式函数IMF和最终的大趋势项R；

3)对高频内禀模式函数IMF进行基于边缘和纹理特征的非局部均值去噪；

4)将去噪后的高频内禀模式函数IMF与低频内禀模式函数IMF以及大趋势项R合成处理，得到最终的增强图像。

2.根据权利要求1所述的图像去噪方法，其特征在于，在所述步骤1)中，通过边缘检测算子和滤波器组提取原始图像f(x,y)的边缘信息E和纹理信息T。

3.根据权利要求1所述的图像去噪方法，其特征在于，在所述步骤2)中，对原始图像f(x,y)进行二维经验模式分解的步骤包括：

21)提取原始图像f(x,y)的局部极大值和极小值；

22)利用插值方法建立极大值层和极小值层，确保原始图像f(x,y)的所有点在这两层之间；

23)计算极大值层和极小值层的均值；

24)计算原始图像f(x,y)和所述均值的差；

25)重复步骤21)～24)，直到标准差SD比预先定义的阈值小时，得到第一个内禀模式函数IMF1；

26)将第一个内禀模式函数IMF1从f(x,y)中提取出来，将余项作为新数据，重复步骤21)～25)n次，直到没有更多的内禀模式函数能够被提取出来则停止；

27)最终的原始图像表示成：其中，f(x,y)为原始图像数据，c_j(x,y)为第j个内禀模式函数，是分解得到的较小尺度细节信息，r_n(x,y)是第n个余项，亦即最终得到的大尺度趋势项。

4.根据权利要求3所述的图像去噪方法，其特征在于，在所述步骤25)中，预先定义的标准差SD的阈值范围为0.2～0.3。

5.根据权利要求1所述的图像去噪方法，其特征在于，在步骤3)中进行非局部均值去噪时，包括以下步骤：

31)计算原始图像的纹理信息T和边缘信息E，并归一化为T_norm和E_norm，存储；

32)通过T_norm和E_norm计算权值w_te＝f(T_norm,E_norm)，用来选择搜索窗口和比较窗口大小，若像素i有更多纹理信息，则搜索窗口和比较窗口都减小；若像素i在边缘区域，则扩大搜索窗口，减小比较窗口；

33)根据确定的比较窗口和搜索窗口大小，计算像素i和j的相似程度：

$w(i,j)=\frac{1}{z\left(i\right)}{e}^{-\frac{\left|\right|u\left(N_i\right)-u\left(N_j\right)|{|}_2^2}{h^2}}$

其中，表示像素i和像素j之间以它们为中心的子块之间高斯距离平方，u(N_i)表示i周围局部子块像素集合，h为滤波参数，h越大，滤波效果越强，0≤w(i,j)≤1，且满足：∑w(i,j)＝1；

34)设含噪声的图像为u(i)，去除噪声后的图像为NL(u)(i)，对每个像素的值通过加权得到：NL(u)(i)＝∑w(i,j)u(j)。