结合结构信息的非局部均值图像去噪方法

摘要

本发明公开了一种结合结构信息的非局部均值去噪方法，主要解决现有非局部均值去噪后产生的图像伪痕迹现象。其去噪步骤为：(1)输入待去噪图像；(2)对图像进行二维平稳小波变换和反变换，得到重构图像；(3)利用primal sketch提取图像的结构信息，得到图像边脊草图，将重构图像分为平滑区和结构区；(4)对平滑区以像素为中心做一正方形窗口，以搜索与其相似的像素，并计算出相似性权值对窗口内所有像素的重新估计；(5)对结构区以像素为中心，沿其结构方向做窗口，以搜索与其相似的像素，并计算出相似性权值对窗口内所有像素重新估计；(6)将光滑区和结构区的像素重新估计结果合并，得到最终去噪图像。本发明可用于自然图像去噪。

主权项

1.一种结合结构信息的非局部均值图像去噪方法，包括如下步骤：(1)输入测试图像X，对其添加高斯白噪声，得到噪声图像Y；(2)对噪声图像Y进行二维平稳小波变换，得到一个低频子带和三个高频子带，将高频子带系数全部置零，低频系数不变，然后对低频系数和置零后的高频系数进行逆二维平稳小波变换，得到重构后的图像Z；(3)利用primal sketch稀疏表示模型提取重构后的图像Z的边脊草图P，得到反映图像边缘的结构信息，并将噪声图像Y分为光滑区和结构区；(4)对光滑区和结构区分别进行去噪，并对光滑区和结构区的去噪结果进行合并，得到最终去噪图像T：所述的对光滑区去噪，按照如下步骤进行：（4a）对光滑区内的待去噪像素点p，p的行列坐标分别为i、j，取以像素点p为中心的窗口N_p；（4b）对窗口N_p内的所有像素点采用下式去噪：其中，p_i+k，j+l为第i+k行第j+l列的待去噪的像素点，为待去噪点p_i+k，j+l的估计值，S_p为以像素p为中心的搜索窗，q为S_p中的像素点，q的行列坐标分别为i’、j’，q_{i′+k，j′+l}为第i'+k行第j'+l列的像素点，k,l＝-f，...,0，...,+f，f为控制窗口大小的参数，这里f＝3，v(N_p)表示以p为中心点的矩阵，v(N_q)表示以q为中心点的矩阵，β为衰减参数，v(q_{i′+k，j'+l})为q_{i'+k，j′+l}的像素值,Z(p)为归一化系数，$Z\left(p\right)=\underset{q\in S_p}{\Sigma }{e}^{-{\left|\right|v\left(N_p\right)-v\left(N_p\right)\left|\right|}^2/\beta }$β取值与对测试图像X所加的高斯白噪声的标准差σ相对应，当σ=20、35和50，β取值分别为16σ、19σ和40σ；所述的对结构区去噪，按照如下步骤进行：（4c）对结构区内的待去噪像素点p，p的行列坐标分别为i、j，沿着该像素所在边缘方向选取窗口N_p；（4d）对窗口N_p内的所有像素点采用下式去噪：其中，p_i+k,j+l为第i+k行第j+l列的待去噪的像素点，为待去噪点p_i+k，j+l的估计值，S_p为以像素p为中心的搜索窗，q为S_p中的像素点，q的行列坐标分别为i’、j’，q_{i′+k，j′+l}为第i'+k行第j'+l列的像素点，k,l＝-f,..,0,..,+f，f为控制窗口大小的参数，这里f＝3，v(N_p)表示以p为中心点的矩阵，v(N_q)表示以q为中心点的矩阵，β为衰减参数，v(q_{i′+k，j'+l})为q_{i′+k，j′+l}的像素值，Z(p)为归一化系数，$Z\left(p\right)=\underset{q\in S_p}{\Sigma }{e}^{-{\left|\right|v\left(N_p\right)-v\left(N_p\right)\left|\right|}^2/\beta }$β取值与对测试图像X所加的高斯白噪声的标准差σ相对应，当σ=20、35和50，β取值分别为6σ、11σ和21σ。