图像多方向形态结构分组的主分量分析协同滤波方法

摘要

本发明公开了一种图像多方向形态结构分组的主分量分析协同滤波方法。该方法对图像进行重叠分块，根据图像块的方差、梯度和奇异值信息对图像块进行多方向形态结构分组，得到光滑块组、随机块组、方向边缘块组和方向纹理块组；然后对分组的图像块进行特征自适应主分量分析，利用硬阈值收缩法对图像块变换系数进行滤波，进而进行分组重构；最后将分组重构块聚合为整幅滤波图像。本发明方法充分考虑了图像块的多方向形态结构和图像的非局部相似性信息，图像滤波过程具有很好的结构和纹理保持特性，消除噪声能力很强，可广泛的应用于图像特征提取和目标检测的预处理过程。

主权项

一种图像多方向形态结构分组的主分量分析协同滤波方法，其特征在于步骤如下：步骤1：输入像素大小为M×N的噪声图像，对其进行重叠分块，即从图像左上角开始，依次抽取像素大小为K×K的图像块P，按列每次移动一个像素位置，最终可得到(M‑K+1)×(N‑K+1)个大小为K×K的图像块；步骤2：对得到的所有图像块，根据图像块的方差、梯度和奇异值信息对其进行多方向形态结构分组，从而可获得光滑块组、随机块组、方向边缘块组和方向纹理块组；步骤3：对得到的分组图像块，进行特征自适应主分量分析，从而采取合适的变换，包括主分量分析变换、行二维主分量分析变换和列二维主分量分析变换，得到特征自适应变换系数；步骤4：对得到的分组图像块的特征自适应变换系数，进行阈值收缩，阈值函数为 Ψ ( x ) = x , | x | ≥ HT 0 , | x | < HT , 从而得到滤波系数；步骤5：对得到的分组图像块的滤波系数，进行步骤3所选取合适变换的逆变换，从而得到滤波重构的分组图像块；步骤6：对得到的所有滤波重构的图像块，进行平均聚合，生成全幅滤波图像，即从图像左上角开始，针对每一个像素点，寻找包含当前像素点的所有滤波重构的图像块，对找到的所有图像块的当前像素点进行平均，得到当前像素点的去噪结果，按列每次移动一个像素位置，从而可得到全幅滤波图像。