专利名称：基于Treelet和非局部均值的图像去噪的制作方法
技术领域：
本发明属于图像处理技术领域，涉及高噪声情况下的自然图像的去噪，可用于开 展森林资源调查、土地利用与覆盖的变化检测、环境变化评估、灾害评估、城市规划、国防军 情监控、医学影像、天文学影像等领域的数字图像预处理。
背景技术：
图像去噪的主要目的是解决实际图像由于噪声干扰导致的图像质量下降问题。通 过去噪可以提高图像质量，增大信噪比，更好地体现图像所携带的信息，因此图像去噪技术 在很多领域中都占据着很重要的位置。根据图像的特点和噪声的统计特征，多年来已经提出了很多的图像去噪方法，现 有消除噪声即滤波的已有方法主要分为空间域滤波和频率域滤波。图像的空间域滤波方法 是直接对图像的灰度做运算，图像的频率域滤波方法则是在某种变换域内对图像的变换系 数进行运算，然后反变换回图像空间域的。其中空间域的滤波因不需要对原图像进行变换 和反变换，方法直接简洁，在一定领域内较为常用。常用的空间滤波方法有拟合图像和平滑 图像的方法。这些方法以平滑数据的方式去除噪声，通常也会模糊数据本身，使得纹理等细 节结构无法得到较好的保持。非局部均值去噪方法利用图像的信息冗余特性，通过对待去 噪像素点的邻域窗口内的所有像素点进行加权平均取得新的像素灰度值，并且在对每个像 素点进行加权平滑的过程中考虑了局部结构的相似性，充分利用了图像的冗余性以及局部 结构信息，因此取得到了较好的滤波效果。在非局部均值方法中其每一个相似块实际就是一种无序含噪的高维数据，若相似 窗大小为5X5像素，则图像中每个像素的邻域特征向量为25维，因此计算特征向量间的相 似性需要大量的存储空间和计算时间，算法的复杂度较高。Huang等人和Lee等人发现图 像中的强度数据在低维空间中更为集中，这意味着图像在低维空间中更能体现其相关性。 ^zabou等人最早提出将非局部均值方法中的相似窗的邻域特征向量投影至其低维的子空 间中计算，通过主成分分析PCA得到邻域观察值向量的低维子空间，并将邻域特征向量间 的相似性权重在低维空间中计算，降低了非局部均值方法的时间消耗，且精度有所提高，但 主成分分析获得的低维特征是针对高维数据的特定方向进行投影，当高维数据的分布不明 显时，获得的低维特征将会产生误差。Tolga等人同样提出了一种基于字典的主成分分析方 法，在提取的前d个低维主成份空间中计算每个像素点的权重取得了更优的去噪效果，但 需要对获得的字典耗费大量时间进行训练，算法复杂度高。在本发明中我们引入了一种新的自适应多尺度分析和表示方法-Treelet，该方法 通过对高维数据的逐层降维分解更能反映数据潜在的结构以及变量之间的相关性，对于高 维无序、含噪数据的分析要优于PCA等降维方法，因此本发明将Treelet与非局部均值方法 相结合，提出了一种基于Treelet和非局部均值的图像去噪方法，该方法相比前两种方法 在高噪声下的去噪效果更优。
发明内容
本发明的目的在于针对非局部去噪中高维数据的计算问题，提出一种基于 Treelet和非局部均值的图像去噪方法，以减少了计算复杂度，克服现有方法对自然图像去 噪产生的视觉模糊现象，提高去噪后图像的可视性。为实现上述目的，本发明的去噪方法包括如下步骤(1)对输入加噪图像逐像素取5X5的滑窗Ni,计算其协方差矩阵Σ(2)根据滑窗Ni的协方差矩阵 计算图像的Treelet变换的尺度向量Φ (2a)依据滑窗Ni的协方差矩阵 计算图像的相似度矩阵M
Σ
Ji Σ
\ mm η
Σ 其中，m和η分别为协方差阵f;的位置索引；云_为1的第m行第η列的矩阵元素， 分别为 的第m行第m列的矩阵元素以及第η行第η列的矩阵元素；(2b)定义Treelet变换分解的层数1 =0，1，…，20，初始化和变量的下标集δ (0) ={1，2，L，25}，当1 = 0时，初始化Treelet分解的协方差矩阵为:Σ(0) = Σ，相似度矩阵为 Mw =M，初始化基矩阵Btl为25X25的单位矩阵；(2c)由当前1层Treelet分解的相似度矩阵M'中找出最相似的两个变量(a,y ) = argmaxM(0其中，α和β分别表示当前1层Treelet分解的协方差矩阵 中的位置索引，分 别对应第一主成分和第二主成分；(2d)对当前1层的Treelet分解的协方差矩阵 进行局部主成分分析变换， 即通过雅克比旋转矩阵J，计算当前聚类层级1的基矩阵& = B1^1J,并更新相似度矩阵 Mw = ”J和协方差矩阵= Jrt(M)J，
雅克比旋转矩阵
LOL
权利要求
1. 一种基于Treelet和非局部均值的图像去噪方法，包括如下步骤(1)对输入加噪图像逐像素取5X5的滑窗Ni,计算其协方差矩阵Σ(2)根据滑窗Ni的协方差矩阵 计算图像的Treelet变换的尺度向量Φ (2a)依据滑窗Ni的协方差矩阵 计算图像的相似度矩阵M
2.根据权利要求1所述的图像去噪方法，其中步骤(1)所述的对输入图像逐像素取 5X5的滑窗，计算其协方差矩阵 ，按如下公式计算
3.根据权利要求1所述的图像去噪方法，其中步骤(4)所述的由尺度空间中的特征向 量MNi)对图像逐像素进行非局部均值滤波，按如下步骤进行(4a)在以像素点i为中心的21X21像素大小的搜索区域Si内，逐个计算邻域Nj的特 征向量集f (Nj)与MNi)的欧氏距离I If(Ni)I(Nj) I I2 ；(4b)将上述欧式距离代入如下公式，得到像素i的去噪后的灰度值ν’ (i)
全文摘要
本发明公开了一种基于Treelet和非局部均值的图像去噪方法，主要解决现有的非局部均值方法对被高噪声腐蚀的自然图像去噪效果不佳的问题。其实现步骤是(1)对输入的图像计算其协方差矩阵；(2)对协方差矩阵计算图像Treelet变换的尺度向量；(3)对图像逐像素取滑窗与尺度向量相乘，得到特征向量函数；(4)由特征向量函数对图像逐像素滤波，得到去噪后的图像。本发明具有对高噪声腐蚀的自然图像去噪效果好的优点，能恢复出图像原有的特征，可用于变化检测、目标识别时对图像的预处理。
文档编号G06T5/00GK102063708SQ20111000195
公开日2011年5月18日 申请日期2011年1月6日 优先权日2011年1月6日
发明者侯彪, 公茂果, 张晓华, 曹娟, 焦李成, 王桂婷, 王爽, 盖超, 钟桦 申请人:西安电子科技大学