基于小波低频的贝叶斯去噪方法

摘要

本发明公开一种基于小波低频的贝叶斯去噪方法，包括如下步骤：步骤1.输入一副待去噪的自然图像；步骤2.选取待估计像素块；步骤3.选取中心低频系数块；步骤4.确定搜索窗；步骤5.选取低频系数块；步骤6.判断是否满足约束条件；步骤7.计算相似性权值；步骤8.判断搜索窗内的点是否搜索完；步骤9.计算待估计像素块的恢复值；步骤10.判断待去噪自然图像是否搜索完；步骤11.整合恢复值。本发明采用了小波低频系数来计算相似性权值，相对于现有的去噪方法，能够在较好平滑噪声的同时保持和恢复自然图像的边缘和纹理细节，可用于对自然图像的去噪处理。

主权项

1.一种基于小波低频的贝叶斯去噪方法，包括如下步骤：(1)输入一幅待去噪的自然图像；(2)选取待估计像素块在待去噪的自然图像中，逐行扫描选取一个像素点为待估计像素点，以待估计像素点为中心，以固定长度为块半径，选取一个正方形的待估计像素块；(3)选取中心低频系数块将待去噪的自然图像进行db1小波分解，在其得到的低频图中对应于待去噪像素块的位置上，选取一个与待去噪像素块大小相同的低频系数块，以此低频系数块作为中心低频系数块；(4)确定搜索窗在低频图上，以选取的中心低频系数块的中心系数为中心，以固定长度为搜索窗半径，选取一个正方形的搜索窗；(5)选取低频系数块在搜索窗中选取一个没被选取过的低频系数，以此低频系数为中心，确定一个与中心低频系数块等大小的低频系数块；(6)判断是否满足约束条件判断低频系数块是否同时满足均值约束条件和方差约束条件，若满足，则进行下一步骤，否则执行步骤(5)；(7)计算相似性权值按照下式计算相似性权值：$w(i,j)=\frac{1}{Z\left(i\right)}\exp [-\frac{1}{2}{(\sqrt{2\mathrm{dist}(W_i^k,W_j^k)}-\sqrt{2N-1})}^2]$其中，w(i，j)为相似性权值；i为待估计像素块的中心像素；j为在待去噪的自然图像中，与低频系数块的中心系数所对应的像素点；Z(i)为归一化因子；exp为指数函数；为与之间的相似度距离；为小波第k层分解的低频图中，以低频系数i为中心的中心低频系数块；为小波第k层分解的低频图中，以低频系数j为中心的低频系数块；N为待估计像素块中像素点的个数，其值为(2f+1)²，f为待估计像素块的半径；(8)判断搜索窗内的点是否搜索完在搜索窗中选取一个没被选取过的低频系数，若选取低频系数的次数大于搜索窗内点的个数，则进行下一步，否则执行步骤(5)，直至获得搜索窗中所有低频系数块与中心低频系数块之间的相似性权值；(9)计算待估计像素块的恢复值使用贝叶斯非局部滤波方法中的加权求和方法，将每个低频系数块的相似性权值与待去噪自然图像中每个低频系数块所对应的像素块加权求和，得出待估计像素块的恢复值；(10)判断待去噪自然图像是否搜索完在待去噪自然图像中，选取一个没被选取过的像素点，若选取待估计像素点的次数大于图像中像素点的个数，则进行下一步，否则执行步骤(2)，直至获得整幅自然图像中所有待估计像素块的恢复值；(11)整合恢复值按照下式整合所有的待估计像素块的恢复值，获得去噪后的自然图像；${\hat{x}}_i=\frac{1}{L}\underset{l=1}{\overset{L}{\Sigma }}{\hat{x}}_i^l$其中，为自然图像中第i个像素点的恢复值；L为第i个像素点在步骤(10)中被重复恢复的次数；l为被恢复的次序；为步骤(10)中第l次恢复出的包含像素点i的像素块在i点处的恢复值。