基于边缘检测的自适应非局部均值去噪方法
【专利摘要】本发明公开了一种基于边缘检测的自适应非局部均值去噪方法，该方法改进了非局部均值去噪方法中滤波参数的选取，属于图像处理中的图像去噪的研究领域；传统的非局部均值方法采用固定的滤波参数控制平滑噪声的程度，这种方式存在很多的缺点，尤其是在边缘纹理区域，对图像过度的平滑，无法较好的保留细节信息，降低了去噪性能。针对这样的问题，本方法根据边缘检测得到的边缘纹理信息，采用边缘图的距离重新度量图像块之间的相似度，从而根据设定的双重阈值，自适应选取滤波参数，最终缓和图像平滑和细节保留之间的矛盾，得到更好的去噪效果。
【专利说明】基于边缘检测的自适应非局部均值去噪方法
【技术领域】
[0001]本发明涉及图像去噪的【技术领域】，特别涉及一种基于边缘检测的自适应非局部均值去噪方法。
【背景技术】
[0002]图像去噪是指在获取噪声图像的统计性基础上，利用各种滤波模型，通过局部或非局部滤波将噪声从图像中分离出来。它是图像预处理中的一个经典问题，其最终目的是在有效去除噪声的同时，保持图像的边缘、精细细节等有效信息且不产生虚假信息。图像去噪结果的好坏直接影响对图像的理解，是图像处理与计算机视觉的基本问题之一。
[0003]近年来，国内外研究表明，图像中的像素点并不是独立存在、互不相干的，而是同它的周围像素点一起组成图像的几何结构，也就是说像素点的结构特征可以通过以像素为中心的图像块很好的体现出来；另外，在一幅图像中，不仅仅是周围像素，位于不同位置的像素之间常常也是相关联的，即图像具有自相似性。
[0004]基于图像具有自相似性或冗余性这一规则性假设，Buades等人提出了非局部均值去噪方法(NL-Means)，用图像中所有像素点的加权平均来估计待处理像素点的灰度值。非局部均值方法很好的保持了图像的边缘等结构信息，相较于经典的去噪方法，取得了更加显著的去噪效果。但是，传统的非局部均值方法采用固定的滤波参数h，滤波参数h控制着滤波的程度，如果该值太大，图像会过于平滑，图像中的很多细节就会被模糊或者损坏；如果该值太小，虽然能够保留更多的图像细节，但是去噪效果无法得到保证。
[0005]综上所述，为了缓和图像平滑和边缘细节保留的矛盾，应该对滤波参数进行自适应的选取，使图像去噪在平坦区域和边缘纹理区域都能保证较好的去噪效果。而本发明就能很好的解决上述问题。
[0006]传统的非局部均值方法，采用固定的滤波参数控制平滑噪声的程度。但这种方式存在很多的缺点，尤其是在边缘纹理区域，对图像过度的平滑，无法较好的保留细节信息，降低了去噪性能。为了解决过度平滑现象，要减小滤波参数来抑制平滑；但是滤波参数太小，又会残留较多的噪声，同样影响去噪效果。为了解决这些问题，本发明提出了根据边缘检测的信息，自适应调整滤波参数，提高了非局部均值方法的去噪性能。
【发明内容】
[0007]本发明目的在于提供一种基于边缘检测的自适应非局部均值去噪方法，该方法解决了非局部均值去噪算法中采用固定滤波参数h，而没有考虑到图像不同结构区域的去噪效果的问题。该方法根据边缘检测得到的边缘纹理信息，采用边缘图的距离重新度量图像块之间的相似度，再根据设定的双重阈值，自适应选取滤波参数，最终缓和图像平滑和细节保留之间的矛盾，得到更好的去噪效果。
[0008]本发明解决其技术问题所采用的技术方案是:本发明提供一种基于边缘检测的自适应非局部均值去噪方法，该方法是一种策略性的方法，通过边缘检测信息自适应选取滤波参数h，改进传统非局部均值方法，使其缓和图像平滑和边缘细节保留的矛盾。
[0009]方法流程:
[0010]步骤1:对待处理像素点选取对应图像块(即:相似窗大小)，并得到其边缘图；
[0011]步骤2:在搜索窗内遍历选取相似窗大小的图像块，并取得边缘图；
[0012]步骤3:计算边缘图距离；
[0013]步骤4:根据公式⑷计算图像块之间的相似度距离；
[0014]步骤5:根据阈值自适应选取滤波参数；
[0015]步骤6:计算最优阈值Tl、T2，及参数α、β ;
[0016]步骤7:计算像素点P处的滤波值Rp);
[0017]步骤8:使P遍历整副图像，重复上述步骤1-7，得到最终的滤波图像F。
[0018]有益效果:
[0019]1、本发明缓和图像平滑和边缘细节保留的矛盾，改善了图像去噪性能。
[0020]2、本发明提高了非局部均值方法的去噪性能。
【专利附图】
【附图说明】
[0021]图1为本发明的方法流程图。
[0022]图2采用边缘检测的信息自适应选取滤波参数的流程图。
【具体实施方式】
[0023]下面结合说明书附图对本发明作进一步的详细说明。
[0024]如图1所示，本发明提出一种基于边缘检测的自适应非局部均值去噪方法，其包括如下步骤:
[0025]1、建立自适应非局部均值去噪的模型
[0026]对一副含噪声图像V= Iv(P) |p e I}，像素点P的相似窗％为图像中以P为中心的一个图像子部分。
[0027]NLM算法是用图像中所有像素点的加权平均值来估计一个像素点的值，公式如下:
[0028]
【权利要求】
1.一种基于边缘检测的自适应非局部均值去噪方法，其特征在于，所述方法包含如下步骤: 步骤1:对待处理像素点选取对应图像块，并得到其边缘图； 步骤2:在搜索窗内遍历选取相似窗大小的图像块，并取得边缘图； 步骤3:计算边缘图距离； 步骤4:计算图像块之间的相似度距离； 步骤5:根据阈值自适应选取滤波参数； 步骤6:计算最优阈值Tl、T2，及参数α、β ; 步骤7:计算像素点P处的滤波值卩川; 步骤8:使P遍历整副图像，重复上述步骤1-7，得到最终的滤波图像F。
2.根据权利要求1所述的一种基于边缘检测的自适应非局部均值去噪方法，其特征在于:上述步骤3中是根据公式I I edge (Np)-edge (N,) | 12，a计算边缘图之间的距离，衡量当前图像内容的边缘纹理信息。
3.根据权利要求1所述的一种基于边缘检测的自适应非局部均值去噪方法，其特征在于，上述步骤4中是根据公式为=计算图像块之间的相似度距离。
4.根据权利要求1所述的一种基于边缘检测的自适应非局部均值去噪方法，其特征在于，上述步骤6中确定双阈值T1、T2，对当前图像内容平坦，或细节丰富，或较少细节区域分别给出不同的滤波参数。
5.根据权利要求1所述的一种基于边缘检测的自适应非局部均值去噪方法，其特征在于，上述步骤6参数α、β是经验值，是采用本方法通过大量实验，并以PSNR作为滤波结果的评价标准得到的。
6.根据权利要求1所述的一种基于边缘检测的自适应非局部均值去噪方法，其特征在于，所述方法包括:根据边缘检测得到的边缘纹理信息，采用边缘图的距离重新度量图像块之间的相似度，再根据设定的双重阈值，自适应选取滤波参数，最终缓和图像平滑和细节保留之间的矛盾。
【文档编号】G06T5/00GK104036465SQ201410269695
【公开日】2014年9月10日 申请日期:2014年6月17日 优先权日:2014年6月17日
【发明者】周宁宁, 曹璟 申请人:南京邮电大学