主权项 |
一种非局部均值图像去噪算法,其特征在于包括:步骤1:在一幅数字图像中,计算以像素点i为中心的patch N<sub>i</sub>,其n阶m重的pseudo‑zernike矩Z<sub>nm</sub>(i);同理得到以像素点p为中心的patch N<sub>p</sub>,其n阶m重的pseudo‑zernike矩Z<sub>nm</sub>(p);patch N<sub>i</sub>指的是以像素点i为中心的方形区域;patch N<sub>p</sub>指的是以像素点p为中心的方形区域;步骤2:根据步骤1中,像素点i的Z<sub>nm</sub>(i)得到Z(i);像素点p的Z<sub>nm</sub>(p)得到Z(p),进而得到像素点i、p距离公式为:d(i,p)=||Z(i)‑Z(p)||<sup>2</sup> (1);步骤3:根据步骤2得到权重w(i,p)为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>w</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>p</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><mi>C</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></mfrac><mi>exp</mi><mo>{</mo><mo>-</mo><msup><mrow><mo>[</mo><mfrac><msup><mrow><mo>|</mo><mo>|</mo><mi>Z</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><mi>Z</mi><mrow><mo>(</mo><mi>p</mi><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><msup><mi>h</mi><mn>2</mn></msup></mfrac><mo>]</mo></mrow><mn>2</mn></msup><mo>}</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000615652430000011.GIF" wi="1635" he="155" /></maths>其中<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>C</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><munder><mi>Σ</mi><mi>p</mi></munder><mi>exp</mi><mo>{</mo><mo>-</mo><msup><mrow><mo>[</mo><mfrac><msup><mrow><mo>|</mo><mo>|</mo><mi>Z</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><mi>Z</mi><mrow><mo>(</mo><mi>p</mi><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><msup><mi>h</mi><mn>2</mn></msup></mfrac><mo>]</mo></mrow><mn>2</mn></msup><mo>}</mo><mo>;</mo></mrow>]]></math><img file="FDA0000615652430000012.GIF" wi="603" he="154" /></maths>步骤4:对整幅图像I内的所有点求和,计算出i点的灰度估计值:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mi>NL</mi><mo>[</mo><mi>v</mi><mo>]</mo><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><munder><mi>Σ</mi><mrow><mi>p</mi><mo>∈</mo><mi>I</mi></mrow></munder><mi>w</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>p</mi><mo>)</mo></mrow><mi>v</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000615652430000013.GIF" wi="1630" he="118" /></maths>其中v(i)为噪声图像I中被估计的像素点值i的灰度值。 |