5. 5、51。
[0045]图 6 (a)化）（C)分别为本发明对dancers、lax、pe卵ers、barbara、lena、boats共 六幅图像在噪声标准差分别为18、25. 5、51时处理结果的SSIM评价值。SSIM值越接近1， 说明去噪结果与原图越相似，去噪效果越好。
【具体实施方式】
[0046] 下面结合附图对本发明的实施例作详细说明。本实施例在W本发明技术方案为前 提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于W 下的实施例。
[0047] 如图1所示，本实施例的算法流程分为：噪声检测、建立噪声标定矩阵、确定基准 点窗口、确定参考点滤波参数、加权运算五个步骤。
[0048] 步骤一：噪声检测。首先输入图像，本实施例选择了 1幅8位灰度图像peppers 来执行本发明的去噪方法，其大小为512X512像素，分辨率为96X96DPI，如图2(a)所示。 对原始图像分别添加标准差为18、25. 5、51的高斯零均值噪声，作为读入图像I，如图2化）、 2(c)、2(d)。对读入图像I进行遍历，对每一个像素点将其灰度值代入公式（1)~（4)计算 其4个方向的梯度；水平方向的梯度算子Gh、竖直方向的梯度算子Gy、45°对角线方向的梯 度算子G4e、135°对角线方向的梯度算子Gi3。。若遇到图像边缘像素，对于图像边缘像素，贝U 只取其梯度运算时自变量x，yG[1，512]时的运算结果。取W上四个梯度中的最大值为 Gm"，最小值为Gmi。，设定阔值利用公式（5)来判别噪声点和非噪声点。其中满 足公式巧）条件的像素点即为噪声点。此处阔值的设定与梯度本身的值相关，可W减弱图 像亮度变化对噪声判别的影响，达到阔值亮度自适应的目的。
[0049] 步骤二、建立噪声标定矩阵：建立一个大小同为512X512的二维二值矩阵N。对 于一个图像中的像素点I(X，y)，它对应的矩阵元素为N(x，y)，根据步骤一的处理结果，将 噪声点的对应矩阵元素设为1，非噪声点设为0,即得到噪声标定矩阵N。它的作用是判定一 个像素点是否为噪声，且标定噪声点在图像中的位置。
[0050] 步骤S、确定基准点窗口：遍历图像I中的每一个像素点I(x，y)，将其设为基准 点。为了恢复像素点I(X，y)未受噪声影响时的强度，需要在其邻域i内取48个参 考点进行加权平均运算。邻域i被称为像素点I(x，y)的捜索窗口。所述窗口的描述如图 3所示：
[005。 W像素点I(x，y)为中心设定r为窗口半径，且初值设为1，num为当前已取参考 点的个数，初值设为0。从像素点I(x+r，y)开始固定半径r，沿逆时针方向依次取像素点， 如果所取像素点对应的噪声标定矩阵N中的元素指示为非噪声像素，则将该点纳入加权平 均运算，并且将num的值加1，否则跳过该像素。如果num的值累加到等于预先设定的阔值 T?= 48,则终±该步骤，完成参考点的选择，否则继续进行本步骤。如果逆时针取点循环 到起始点I(x+r，y)位置，且num<48,则扩大取点半径，令r加1，重复本步骤。每次取参考 点后检查num的值，如果num= 48,则立刻跳出循环，结束本步骤。对于不同的基准点，r的 变化范围不同，W此实现窗口选择的自适应化。
[0052] 步骤四、确定参考点滤波参数；依次取步骤=所取得的参考点I(xl，yl)，对于每 一个参考点I(XI，yl)，其对应基准点I(X，y)的滤波参数S(XI，yl)可由公式化）、（7)求得。
[0053] 步骤五、加权运算；根据步骤四求得的参数，带入加权公式巧），利用所有的参考 点的加权和求出基准点像素的估计值F(x，y)。按照W上步骤依次对图像中所有的像素点进 行遍历，将其取为基准点，计算基准点的全部48个参考点加权和，得到基准点未受噪声污 染的估计值，并将噪声标定矩阵N中的对应矩阵元素标记为非噪声值。此时，噪声点被恢复 且可W用来作为其余噪声点的参考点进行加权。遍历完成后，得到去噪图像。
【主权项】
1. 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法，其特征在于，包括如 下步骤： 步骤一、噪声检测： 在一幅噪声图像中，包含有噪声像素和非噪声像素；去噪的目的除了去除噪声点之外， 还要保存非噪声点；因此，在去噪环节之前加入噪声检测来判别噪声，所述噪声检测的详细 描述为： 定义图像I中的一个像素为I (X，y)，其中X为横坐标、y为纵坐标，对于一个像素点可 以计算它的四方向梯度如下： 水平方向的梯度算子Gh:由公式（1)~（4)计算出一个像素点的四方向梯度之后，定义四个梯度值的最大值为 Gmax，最小值为Gmin，设定阈值Tmise，利用公式（5)来判别噪声点和非噪声点： Gmax-Gmin<Tnoise (公式 5) 满足公式（5)条件的像素点即为噪声点； 步骤二、建立噪声标定矩阵： 定义图像I的大小为mXn，其中m为图像宽度，η为图像高度，建立一个大小同为mXη 的二维二值矩阵N ;对于一个图像中的像素点I (x，y)，它对应的矩阵元素为N(x，y)，根据步 骤一的处理结果，将噪声点和非噪声点的矩阵元素设为不同值，即得到噪声标定矩阵N ;它 的作用是判定一个像素点是否为噪声，且标定噪声点在图像中的位置； 步骤三、确定基准点窗口： 遍历图像I中的每一个像素点I (x，y)，将其设为基准点，为了恢复像素点I (x，y)未受 噪声影响时的强度，需要在其邻域i内取Tnmi个参考点进行加权平均运算，邻域i被称为像 素点I (X，y)的搜索窗口，所述窗口的描述如下： 以像素点I (x，y)为中心，设定r为窗口半径，num为当前已取参考点的个数，从像素点 I (x+r，y)开始固定半径r，沿逆时针方向依次取像素点，如果所取像素点对应的噪声标定 矩阵N中的元素指示为非噪声像素，则将该点纳入加权平均运算，并且将num的值加1，否则 跳过该像素，如果num的值累加到等于预先设定的阈值T num，则终止该步骤，完成参考点的 选择，否则继续进行本步骤，如果逆时针取点循环到起始点I (x+r，y)位置，则扩大取点半 径，令r加1，重复本步骤，对于不同的基准点，r的变化范围不同，以此实现窗口选择的自适 应化； 步骤四、确定参考点滤波参数： 依次取步骤三所取得的参考点，对于每一个参考点，确定它在参与加权平均运算时所 占的权重，即确定滤波参数，在步骤三中已取基准点为I (X，y)，对应的参考点为I (xl，yl)， 那么参考点I (xl, yl)对于基准点I (X，y)滤波参数为s (xl, yl):在公式（6)中，Nv(I (X，y))和Nv(I (xl，yl))分别表示以基准点和以参考点为中心的 3X3邻域矩阵，求两者差的2-范数用来度量基准点与参考点处结构的差异；同时，在公式 (7)中，〇代表噪声标准差，噪声强度越大，其标准差的开方越大，则滤波参数s(xl，yl)相 应增大，滤波强度增大；a为可调节参数；含有r 2的参数项与步骤三中的r半径相关，用于 调节滤波参数随基准点与参考点的位置距离增大而减小，代表距离基准点越远的点，所贡 献的权重就越小； 步骤五、加权运算： 根据以上步骤求得的参数，带入加权公式（8)，利用所有的参考点的加权和求出基准点 像素的估计值F (X，y):依次对图像中所有的像素点进行遍历，将其取为基准点，计算基准点的Tnum个参考点加 权和，得到基准点未受噪声污染的估计值，并将噪声标定矩阵N中的对应矩阵元素标记为 非噪声值；此时，噪声点被恢复且可以用来作为其余噪声点的参考点进行加权；遍历完成 后，得到去噪图像。2. 根据权利要求1所述的基于滤波窗口及参数自适应的非局部均值图像去噪方法，其 特征在于，所述步骤一中的噪声图像为灰度图像，且公式（5)中的阈值T mise取值为3. 根据权利要求1所述的基于滤波窗口及参数自适应的非局部均值图像去噪方法，其 特征在于，所述步骤二中将噪声点在噪声标定矩阵N中的对应值设为1，非噪声点设为0。4. 根据权利要求1所述的基于滤波窗口及参数自适应的非局部均值图像去噪方法，其 特征在于，所述步骤三中的num计数参数从0开始累加，且其中T num参数设为48。5. 根据权利要求1所述的基于滤波窗口及参数自适应的非局部均值图像去噪方法，其 特征在于，所述步骤三中窗口半径!从1开始累加，逆时针围绕基准点完成一圈的取点后若 步骤三中的num值仍小于T num，再对r进行加1操作，否则结束累加。6. 根据权利要求1所述的基于滤波窗口及参数自适应的非局部均值图像去噪方法，其 特征在于，所述步骤四中的噪声标准差σ为先验已知，在实际运用中使用噪声方差估计公 式获取，且调节参数a的取值为2。
【专利摘要】本发明公开了一种基于滤波窗口及参数自适应的非局部均值图像去噪方法。首先进行噪声检测，根据检测结果建立噪声标定矩阵，其大小与图像大小一致，将噪声点对应位置的矩阵值设为1，非噪声点设为0。然后，依次取噪声图像中的每一个像素为参考点，再以该点为中心以逆时针方向取预定数量非噪声参考点参与运算。最后根据参考点的位置信息确定自适应的加权参数，计算加权结果，得到恢复的像素值，且噪声标定矩阵对应元素置0，去噪之后的像素点可作为其余噪声点的参考点。与传统的图像去噪方法相比，该方法加入了噪声检测与噪声点筛选，提高了算法的精度，改变了参考点选取窗口，提高了算法的自适应性。
【IPC分类】G06T5/00
【公开号】CN104978715
【申请号】CN201510235804
【发明人】张栩铫, 刘征, 徐智勇, 杨威, 黄烨, 赖丽君, 吴文德
【申请人】中国科学院光电技术研究所
【公开日】2015年10月14日
【申请日】2015年5月11日