结合局部和非局部的自适应图像去噪方法

摘要

本发明公开了一种结合局部和非局部的自适应图像去噪方法，主要解决现有去噪方法去噪效果不佳问题。其实现步骤：①输入含噪图像；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像素矢量，并计算像素矢量非局部均值；④对含噪图像的所有像素点进行步骤3操作；⑤对所有的像素矢量进行聚类，对每类像素矢量子集训练字典；⑥对所有的像素矢量分别进行自适应去噪；⑦将所有的去噪像素矢量拉成图像块，并聚集得到去噪图像；⑧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。

主权项

一种结合局部和非局部的自适应图像去噪方法，包括如下步骤：(1)输入一幅N行M列的含噪图像Y，设置最大迭代次数γ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_n：${\sigma }_n=\frac{median\left(abs\right|W\left|\right)}{0.6745},$其中，W为含噪图像Y进行小波分解得到的第一层高频系数，abs|·|是取绝对值操作，median(·)是取中值操作；(3)以含噪图像Y中的任意像素点为中心，分别确定一个l×l大小的位置区域Γ_i和一个s×s大小的搜索窗Ω_i，提取含噪图像Y的位置区域Γ_i的像素得到图像块y_i，其中i∈{1,...,N×M}，l、s的取值范围分别为5～11和21～41奇数个像素；(4)将l×l大小的图像块y_i按列拉成l²×1大小的像素矢量v_i，按照下式分别计算像素矢量v_i和搜索窗Ω_i内所有像素矢量集合{v_ip}之间的相似度，得到相似度集合{w_ip}：$w_{ip}=\exp \left(\frac{-\left|\right|v_i-v_{ip}|{|}_2^2}{h}\right),$其中，p＝1,...,s²，表示二范数，h为衰减因子，h的取值范围10σ_n～15σ_n；(5)对相似度集合{w_ip}中的s²个相似度按照从大到小排序，选取前k个相似度作为像素矢量v_i的相似度集合{w_ij}，将该相似度集合{w_ij}对应的像素矢量作为像素矢量v_i的相似像素矢量集合{v_ij}，其中j＝1,...,k，k的取值范围为10～30；(6)计算相似像素矢量集合{v_ij}的像素矢量非局部均值${\bar{v}}_i=\frac{\underset{j=1}{\overset{k}{\Sigma }}{w}_{ij}{v}_{ij}}{\underset{j=1}{\overset{k}{\Sigma }}{w}_{ij}};$(7)在含噪图像Y中，对所有的像素点分别进行步骤(3)至步骤(6)操作，得到N×M个像素矢量v_i，N×M个相似像素矢量集合{v_ij}，N×M个像素矢量非局部均值(8)采用K均值k‑means聚类方法将N×M个像素矢量v_i分成f类，得到f个像素矢量子集U_t和f个聚类中心c_t，其中t∈{1,...,f}，f的取值范围为15～60；(9)采用主成分分析PCA方法分别对f个像素矢量子集U_t训练一个l²×l²大小的字典D_t；(10)利用f个字典D_t对N×M个像素矢量v_i分别进行自适应去噪，得到N×M个去噪像素矢量(11)将N×M个l²×1大小的去噪像素矢量分别按列拉成N×M个l×l大小的去噪图像块(12)采用基于三维块匹配去噪BM3D的图像块聚集方法对N×M个去噪图像块进行聚集，得到去噪图像X；(13)计算含噪图像Y和去噪图像X之间的均方误差e(X,Y)；(14)判断均方误差e(X,Y)是否小于停止参数δ或者本次迭代次数是否达到最大迭代次数γ，若满足两个条件中的一个，则终止迭代，输出去噪图像X，否则将去噪图像X作为含噪图像Y，重复步骤(2)到步骤(13)。