专利名称：基于奇异值分解的非局部维纳滤波图像去噪方法
技术领域：
本发明属于图像处理技术领域，具体的说是一种基于奇异值分解的非局部维纳滤波图像去噪方法，可用于医学影像、天文学影像、视频多媒体等领域的数字图像预处理。
背景技术：
随着计算机和数码成像设备的日益普及，数字图像处理越来越受到人们的重视。然而由于成像设备及成像条件的限制，数字图像在采集、转换以及运输过程中不可避免地受到噪声的污染，因此图像去噪作为图像处理领域的基本技术之一，受到广泛的重视。许多实际的噪声可以近似地认为是高斯白噪声，去除图像中的高斯白噪声成为图像去噪领域中一个非常重要的方向。图像去噪技术按照是否需要对图像进行变换，可以分为空域方法和变换域方法。前者不需要对图像进行变换，直接对图像像素进行去噪，如经典的均值滤波、各向异性滤波和双边滤波器等。后者是先将图像变换到频域，再对变换的稀疏系数进行处理，以达到去噪的效果，如小波变换以及多尺度几何分析等。最小均方误差估计MMSE方法是估值理论中用得最为广泛的方法之一。它是基于最小化统计准则，使得所有统计样本的估计值和真实值之间的均方误差最小。由于图像去噪可以看作是对污染图像寻找一个原图像估计值的过程，所以基于丽SE的方法也常常用于图像去噪。根据MMSE准则设计出来的滤波器叫做最小均方误差滤波器，也叫做维纳滤波器Wiener Filter。近年来，基于维纳滤波的图像去噪方法在图像去噪领域具有非常出色的表现。具有代表性的有:基于三维块匹配图像去噪方法BM3D，基于局部像素分组的主成分分析图像去噪方法LPG-PCA，基于块的局部最优维纳滤波图像去噪方法PLOW等。BM3D 是 Dabov 等人在文献 “ Image denoising by sparse3-D transform-domaincollaborative filtering.1EEE Transactions on Image Processing，2007, vol.16n0.8，pp.2080-2095.”中提出来的。该方法是一种基于三维离散余弦变换3-DDCT的维纳滤波，并采用了基于两步的去噪方式。该方法的主要步骤:第一步，对噪声图像进行基于三维变换的硬阈值；第二步，将硬阈值的去噪结果作为初始估计再对原噪声图像进行基于三维变换的维纳滤波。但该方法仍然存在的不足有:由于第一步的去噪方式采用的是硬阈值，通过这样的方式易造成图像边缘和纹理细节的丢失；同时由于第一步的去噪结果是第二步的初始估计，如果初始估计不准确，则直接地影响第二步的去噪结果。LPG-PCA 是张嘉等人在文献“Two-stage image denoising by principalcomponent analysis with local pixel grouping.Pattern Recognition,2010，vol.43，pp.1531-1549.”中提出来的。该方法是基于主成分分析PCA变换的维纳滤波，并采用了两步重复的去噪方式。该方法的主要步骤:第一步，首先，在非局部搜索窗内找相似块，然后，将这些相似块构成一个矩阵再进行PCA变换，最后利用所有相似块的PCA系数对图像块进行维纳滤波；第二步，对第一步去噪后的图像重新估计噪声方差并重复第一步操作。该方法的不足是:该方法利用的是所有相似块的PCA系数，而相似块中的许多图像块与待去噪图像块不够相似，这样造成计算得到系数方差和系数均值都不够准确，直接影响了维纳滤波的去噪效果。PLOW 是 Priyam Chatterjee 和 Peyman Milanfar 在文献“Patch-BasedNear-Optimal Image Denoising.1EEE Transactions on Image Processing，2012，vol.21，N0.4，pp.1635-1649.”中提出来的。该方法一种是基于结构聚类和PCA变换的维纳滤波器。该方法的主要步骤:第一步，对图像进行逐像素分块，然后再对图像块进行聚类并计算每一类的均值和方差；第二步，在非局部搜索窗内寻找相似块，通过待去噪图像块所在类的均值和方差设计维纳滤波器，并采用该滤波器对图像块去噪。该方法的不足是:该维纳滤波器是利用每一类的均值和方差设计的，由于类内的许多图像块与待去噪图像块不够相似，所以和LPG-PCA —样，计算得到的均值和方差都不够准确。
发明内容
本发明的目的在于针对上述去噪方法的不足，提出一种基于奇异值分解的非局部维纳滤波图像去噪方法，以保持图像的边缘和纹理细节，提高图像的去噪效果。实现本发明的技术思路是:利用基于SVD的维纳滤波器对非局部搜索窗内选择的相似图像块进行去噪，并通过BM3D的聚集技术对去噪后的图像块进行重构获得去噪图像。本发明的具体实现步骤包括如下:(I)输入一幅N行M列的含噪图像Y，设置最大迭次数Y和停止参数δ ；(2)采用下式估计含噪图像Y的噪声标准差σ :
权利要求
1.一种基于奇异值分解的非局部维纳滤波图像去噪方法，包括如下步骤: (1)输入一幅N行M列的含噪图像Y，设置最大迭次数Y和停止参数δ； (2)采用下式估计含噪图像Y的噪声标准差ση:
2.根据权利要求1所述的图像去噪方法，其中步骤(5)所述的对图像块yi;i e U，...，NXM}的相似图像块集合Iyij, j=l,...，k}进行基于SVD的维纳滤波，按如下步骤进行: 5a)将相似块集合{yij，j=l，...，k}中的k个I X I大小的图像块分别拉成I2X I大小的像素矢量，得到像素矢量集合Zij, j=l,..., k}； 5b)计算像素矢量均值
3.根据权利要求1所述的图像去噪方法，其中步骤(8)所述的计算含噪图像Y和去噪图像X之间的均方误差e (X，Y)，按如下公式进行:
全文摘要
本发明公开了一种基于奇异值分解的非局部维纳滤波图像去噪方法，主要解决现有去噪方法效果不佳问题。其实现步骤①输入一幅含噪图像；②估计含噪图像的噪声标准差；③以含噪图像的任意像素点为中心提取图像块，并在相应的搜索窗内寻找该图像块的相似图像块；④对得到的相似图像块进行基于奇异值分解的维纳滤波去噪；⑤对含噪图像的所有像素点分别进行步骤3至步骤4操作；⑥对所有去噪后的图像块采用BM3D的聚集技术重构出去噪图像；⑦判断迭代是否完成，若完成则输出去噪图像，否则将去噪图像作为含噪图像转到步骤2进入下一步迭代。本发明能有效去除含有高斯白噪声的自然图像中的噪声，可用于医学影像、视频多媒体等领域的数字图像预处理。
文档编号G06T5/00GK103093434SQ20131003069
公开日2013年5月8日 申请日期2013年1月27日 优先权日2013年1月27日
发明者王桂婷, 焦李成, 丁炜, 马文萍, 马晶晶, 钟桦 申请人:西安电子科技大学