专利名称：图像多方向形态结构分组的主分量分析协同滤波方法
技术领域：
本发明属于数字图像处理技术领域，特别是一种图像多方向形态结构分组的主分量分析协同滤波方法。
背景技术：
在数字图像的获取和传输过程中，不可避免的会引入各种噪声。噪声的存在，不仅破坏了图像的真实信息，而且还严重影响图像的视觉效果，使得对图像的后期处理如特征提取和目标检测等变得困难，因此对噪声图像进行滤波就成了一种有效的图像预处理方法。图像滤波方法可分为空域和频域的方法。空域方法直接对图像像素进行处理，如经典的均值滤波、中值滤波和双边滤波等。频域方法先将图像变换到频率域，然后对变换系数进行处理，最后再逆变换到空域以达到滤波的目的，如小波变换、多尺度几何分析和稀疏表示
坐寸ο基于图像滤波的重要性，很多学者进行了大量的相关研究工作。王红梅等人发明了一种保持边缘的自适应图像滤波方法(专利号:200610043000.5)。该方法首先采用系数相关法标记像素为噪声或边缘，根据标记信息，利用自适应邻域收缩小波系数，在去噪同时，具有一定的边缘保持能力，但没有充分利用图像内容的非局部相似性和局部差异性。王锡贵等人发明了一种多模板混合滤波的图像去噪方法(专利号:200610065679.8)。该方法先定义一组滤波器，然后对图像分块，考虑了图像块的差异性，根据其匀质程度，选择某一个滤波器对图像块进行去噪处理，能够保持部分图像细节信息，但没有充分考虑图像块的非局部相似性。刘芳等人发明了一种结合结构信息的非局部均值图像去噪方法(专利申请号:201110091450.2)。该方法先利用primal sketch提取图像结构，将图像分为结构区和平滑区，然后分别采用非局部均值方法对图像去噪。这些方法在一定程度上提高了图像去噪的效果，但都没有考虑到图像内容所具有的形态结构性和多方向性，从而无法在噪声去除和细节保持方面做到较好的均衡。
发明内容
本发明目的在于提供一种图像多方向形态结构分组的主分量分析协同滤波方法，通过同方向同结构特性的图像块的协同滤波，充分利用图像非局部相似性信息，在滤除噪声的同时较好保持图像的边缘和纹理等细节信息，提高图像去噪的视觉效果。实现本发明目的的技术解决方案为:一种图像多方向形态结构分组的主分量分析协同滤波方法，步骤如下:步骤1:输入像素大小为MXN的噪声图像，对其进行重叠分块，即从图像左上角开始，依次抽取像素大小为KXK的图像块P，按列每次移动一个像素位置，最终可得到(M-K+1) X (N-K+1)个大小为KXK的图像块；步骤2:对得到的所有图像块，根据图像块的方差、梯度和奇异值信息对其进行多方向形态结构分组，从而可获得光滑块组、随机块组、方向边缘块组和方向纹理块组；
步骤3:对得到的分组图像块，进行特征自适应主分量分析，从而采取合适的变换，包括主分量分析变换、行二维主分量分析变换和列二维主分量分析变换，得到特征自适应变换系数；步骤4:对得到的分组图像块的特征自适应变换系数，进行阈值收缩，阈值函数为
权利要求
1.一种图像多方向形态结构分组的主分量分析协同滤波方法，其特征在于步骤如下: 步骤1:输入像素大小为MXN的噪声图像，对其进行重叠分块，即从图像左上角开始，依次抽取像素大小为KXK的图像块P，按列每次移动一个像素位置，最终可得到(M-K+1) X (N-K+1)个大小为KXK的图像块； 步骤2:对得到的所有图像块，根据图像块的方差、梯度和奇异值信息对其进行多方向形态结构分组，从而可获得光滑块组、随机块组、方向边缘块组和方向纹理块组； 步骤3:对得到的分组图像块，进行特征自适应主分量分析，从而采取合适的变换，包括主分量分析变换、行二维主分量分析变换和列二维主分量分析变换，得到特征自适应变换系数； 步骤4:对得到的分组图像块的特征自适应变换系数，进行阈值收缩，阈值函数为
2.按照权利要求1所述的图像多方向形态结构分组的主分量分析协同滤波方法，其特征在于，步骤2的图像块多方向形态结构分组的具体方法为: 2.1对每个KXK大小的图像块P，将其标记为光滑块或非光滑块，标记准则为:计算图像块P的方差
3.按照权利要求2所述的图像多方向形态结构分组的主分量分析协同滤波方法，其特征在于，TH取值为KX o2,R*的取值范围为
, W的取值范围为[4，12]，z的取值为3，τ的取值为0.0IxmaxiSr^f'其中σ 2为噪声方差，ST(i)为第i点的结构强度。
4.按照权利要求1所述的图像多方向形态结构分组的主分量分析协同滤波方法，其特征在于，步骤3的分组图像块进行特征自适应主分量分析的具体方法为:对L个分组图像块Pi, P2,...，Pt，分别计算其主分量分析、行二维主分量分析和列二维主分量分析的协方差矩阵 Σ、和 Σ。:
5.按照权利要求1所述的图像多方向形态结构分组的主分量分析协同滤波方法，其特征在于，步骤I的K的取值范围为[7，15]。
6.按照权利要求1所述的图像多方向形态结构分组的主分量分析协同滤波方法，其特征在于，步骤4的阈值HT的取值为2.75X σ2，其中ο 2为噪声方差。
全文摘要
本发明公开了一种图像多方向形态结构分组的主分量分析协同滤波方法。该方法对图像进行重叠分块，根据图像块的方差、梯度和奇异值信息对图像块进行多方向形态结构分组，得到光滑块组、随机块组、方向边缘块组和方向纹理块组；然后对分组的图像块进行特征自适应主分量分析，利用硬阈值收缩法对图像块变换系数进行滤波，进而进行分组重构；最后将分组重构块聚合为整幅滤波图像。本发明方法充分考虑了图像块的多方向形态结构和图像的非局部相似性信息，图像滤波过程具有很好的结构和纹理保持特性，消除噪声能力很强，可广泛的应用于图像特征提取和目标检测的预处理过程。
文档编号G06T5/00GK103208097SQ201310034170
公开日2013年7月17日 申请日期2013年1月29日 优先权日2013年1月29日
发明者费选, 肖亮, 韦志辉 申请人:南京理工大学