基于图像多特征融合的非局部均值去噪方法与流程

技术特征：

1.基于图像多特征融合的非局部均值去噪方法，其特征在于，根据LBP纹理特征来计算图像块之间的相似度，并同时结合LBP特征和灰度特征，进行一种混合相似度计算，最终确定相似图像块的权值分配，包括如下步骤：

1)建立自适应非局部均值去噪的模型：

给定离散域I上的一幅噪声图像V＝{v(i)|i∈I}，像素点i的相似窗N_i为以像素点i为中心的一个图像子块，去噪后的像素复原值为则利用非局部均值去噪算法，图像中像素的复原值通过求得，其中，权值w(i,j)取决于相似窗N_i和N_j之间的相似程度可由得到，Z(i)是归一化因子，是为了满足0≤w(i,j)≤1和Σ_jw(i,j)＝1，h是滤波参数用于控制图像平滑程度；

2)计算图像多特征融合的混合相似度，一方面采用基于灰度特征的高斯加权欧式距离来衡量相似度，另一方面采用基于LBP纹理特征的卡方距离来衡量相似度，通过结合两种特征的混合相似度来计算相似图像块的权值：

定义N_i，N_j表示像素i，j所在的图像块即相似窗大小，V(Ni),V(N_j)分别表示两相似窗的灰度向量，根据计算N_i和N_j的高斯加权欧式距离，

根据计算Ni和Nj基于灰度值特征的相似度，

获取N_i，N_j的LBP特征，由于LBP特征是以直方图形式表示的，使用卡方统计来度量两个LBP特征之间的距离，即可根据计算N_i和N_j之间的距离，

根据计算N_i和N_j基于LBP特征的相似度，

根据sim_mix(i,j)＝w₁sim_gray(i,j)+w₂sim_lbp(i,j)计算结合灰度特征和LBP纹理特征的混合相似度；

3)计算权值：在混合相似度计算方法的基础上，根据计算分配相似图像块的权值；

4)遍历图像去噪：

根据计算像素点i处的滤波值使像素i遍历整幅图像，重复上述步骤1)～3)进行滤波，得到最终的滤波图像