自然图像非局部均值去噪方法

摘要

本发明公开了一种自然图像的非局部均值去噪方法，它属于图像处理技术领域，主要克服现有自然图像非局部均值去噪中相似性计算不准确的问题。其实现过程是：(1)对输入的含噪自然图像做小波变换；(2)对高频信息进行方差归一化处；(3)计算像素点x与搜寻区域内像素点y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自然图像中像素点的灰度值，得到去噪后的图像。本发明在总体性能上优于其它的去噪方法，能够更好地平滑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

1.一种自然图像的非局部均值去噪方法，包括如下步骤：(1)对输入的含噪自然图像做小波变换，将其分解为低频图像和高频图像；(2)对高频图像进行方差归一化处理；(3)利用如下公式对输入的含噪自然图像中待修正像素点x与搜寻区域内像素点y的相似性进行计算，得到搜寻区域内所有像素点的权值：w(x，y)＝w₁(x，y)×w₂(x，y)其中，w₁(x，y)表示低频图像中的相似性，L₁(x)，L₂(y)分别表示低频图像中以x，y为中心的大小为n×n的图像块，h₁为平滑控制参数，h₁＝k₁nσ₀2^t-1，1≤n≤5，σ₀是图像所含噪声的标准差，t指图像的分解层数，k₁是常数，取k₁＝1.0；w₂(x，y)表示高频图像中的相似性，H₁(x)，H₂(y)分别表示所有高频图像中以x，y为中心的大小为n×n的图像块，h₂为平滑控制参数，h₂＝k₂nσ2^t-1，σ是高频子带的噪声标准差，取值为1.0，k₂是常数，取k₂＝0.6；权值w(x，y)满足：0≤w(x，y)≤1，(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，得到像素点修正后的灰度值：$V^{\prime }\left(x\right)=\underset{y\in J}{\Sigma }V\left(y\right)w(x,y)$其中，J为搜寻区域像素点集合，V(y)为搜寻区域内像素点的灰度值；(5)用修正后像素点的灰度值V′(x)取代输入的含噪自然图像中像素点的灰度值，得到去噪后的图像。