一种基于可控核的双几何非局部均值图像去噪方法

摘要

本发明公开了一种基于双几何的非局部均值图像去噪方法，其实现过程是：(1)输入含噪的自然图像；(2)在含噪图像中，分别计算以当前像素点i为中心的局部分析窗w_i和搜索区域S_i内的权重矩阵和(3)利用新的权重公式计算当前像素点i与其搜寻区域内所有像素点j的相似性，得到搜寻区域内所有像素点的权值；(4)根据计算出的搜寻区域内所有像素点的权值，对搜寻区域内所有像素点进行加权平均，得到当前像素点修正后的灰度值；(5)用修正后像素点的灰度值取代输入的含噪图像中像素点的灰度值，得到去噪后的图像。本发明的去噪效果比原始非局部方法更好，能够利用图像的几何结构信息，可以更好地在去除噪声的同时保持自然图像的边缘和纹理等细节，可用于对自然图像的去噪处理。

主权项

1.一种基于可控核的双几何非局部均值图像去噪方法，包括如下步骤：(1)输入待去噪的含噪图像Y，其中Y＝X+N，X是原始干净图像，N是均值为零标准差为σ的高斯白噪声；(2)在含噪图像Y中，分别计算局部分析窗w_i和搜索区域S_i内的权重矩阵和其中w_i和S_i是以像素点i为中心大小分别为9×9和17×17的方形窗口；(3)利用如下公式对含噪图像Y中待估计像素点i与其搜索区域S_i内像素点j之间的权值进行计算，得到搜索区域S_i内所有像素点的权值；$w(i,j)=\frac{1}{Z\left(i\right)}\{\exp (-\frac{{\left|\right|y_i-y_j\left|\right|}_{w_{i1}^{\mathrm{steer}}}^2}{h^2})\times w_{i2}^{\mathrm{steer}}(i,j)\}$$Z\left(i\right)=\underset{j\in S_i}{\Sigma }\{\exp (-\frac{{\left|\right|y_i-y_j\left|\right|}_{w_{i1}^{\mathrm{steer}}}^2}{h^2})\times w_{i2}^{\mathrm{steer}}(i,j)\}$其中，w(i,j)表示含噪图像Y中像素点i和j之间的相似性，即像素点j在像素点i复原过程中所占的权值，w(i,j)满足条件：0≤w(i,j)≤1且y_i是含噪图像Y中局部分析窗w_i内的图像块，y_j是含噪图像Y中以像素点j为中心大小为9×9局部分析窗w_j内的图像块，是由权重矩阵加权后的欧式距离的平方，平滑参数h＝0.9σ，σ是高斯白噪声的标准差，exp(·)表示底数为e的指数运算，是权重矩阵在像素点j处的值，Z(i)表示归一化常数，S_i是以像素i为中心大小为17×17的搜索区域;(4)利用(3)中得到的搜索区域S_i内所有像素点的权值，对含噪图像Y中待估计像素点i的搜索区域S_i内所有像素点进行加权平均，得到待估计像素点i的估计值：$\hat{x}\left(i\right)=\underset{j\in S_i}{\Sigma }w(i,j)y\left(j\right)$其中，表示对原始图像X中像素点i灰度值的估计，即为去噪后像素点i的灰度值，y(j)是含噪图像Y中像素点j的灰度值;(5)重复步骤(2)至(4)，依次得到每个像素点的估计值；(6)用计算得到的所有像素点的估计值取代含噪图像中所有像素点的灰度值，得到去噪图像。