專利名稱：結(jié)合結(jié)構(gòu)信息的非局部均值圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及圖像去噪方法，可用于對(duì)自然圖像去噪。
背景技術(shù)：
圖像去噪一直是圖像處理鄰域的一個(gè)重要問題。由于圖像采集設(shè)備的不完善、采 集傳輸過程中存在的問題以及一些無法避免的自然現(xiàn)象的干擾，都會(huì)使圖像數(shù)據(jù)受到噪聲 的污染。因此，為了改善圖像質(zhì)量，提高圖像的可識(shí)別性，圖像去噪就成了一種常用的圖像 預(yù)處理方法。圖像去噪方法主要分為空域和頻域的方法。前者不需要對(duì)圖像進(jìn)行變換，直 接對(duì)圖像像素進(jìn)行去噪，如經(jīng)典的均值濾波、各向異性濾波和雙邊濾波器等。后者需要先將 圖像變換到頻率域，再對(duì)變換系數(shù)進(jìn)行處理，以達(dá)到去噪的效果，如小波變換以及多尺度幾 何分析等。近年來非局部均值方法是圖像去噪領(lǐng)域非常出色的方法之一。其基本思想是如果 圖像中兩個(gè)像素的周圍鄰域結(jié)構(gòu)相似，那么這兩個(gè)像素也相似；這兩個(gè)像素可能位于圖像 中的任何位置，所以，查找這樣的像素也應(yīng)該在整個(gè)圖像范圍內(nèi)展開。在非局部均值方法 中，對(duì)于當(dāng)前待去噪像素，在圖像中搜索所有與該像素結(jié)構(gòu)相似的像素，以結(jié)構(gòu)塊的相似性 作為權(quán)值，去噪后的像素灰度值由這些相似像素加權(quán)得到。非局部均值方法的貢獻(xiàn)在于以 往的方法基本都認(rèn)為圖像的像素只與其相鄰的局部區(qū)域像素相似，而它則認(rèn)為像素與其不 相鄰區(qū)域的像素也可能相似，只要這兩個(gè)像素具有相似的鄰域結(jié)構(gòu)。非局部均值方法提出后，很多學(xué)者都進(jìn)行了相關(guān)的研究，主要集中在減小計(jì)算復(fù) 雜度和改善相似性度量方面。非局部均值方法要求對(duì)圖像中所有像素逐一搜索與其具有相 似鄰域結(jié)構(gòu)的像素，這是非常耗時(shí)的，因此大部分方法對(duì)這一個(gè)搜索過程進(jìn)行了改進(jìn)，即在 搜索相似塊之前先對(duì)圖像塊進(jìn)行分類，每個(gè)待去噪像素僅在和它同類別的塊集合中搜索與 其具有相似結(jié)構(gòu)的塊，這樣就減小了搜索范圍，提高了算法的運(yùn)行速度。學(xué)者們采用了不同 方法對(duì)塊分類，如M. Mahmoudi等人采用圖像塊的均值和梯度，P. Coupe等人采用圖像塊的 均值和方差，T. Brox等人采用聚類樹的方法，A. Dauwe等人采用高階統(tǒng)計(jì)量的方法。非局部 均值方法采用歐式距離作為圖像塊的相似性度量方法，雖然非常有效，但并沒有從理論上 證明這種度量是最優(yōu)的，很多學(xué)者在這一方面也展開了研究。如Tasdizen.T采用主成分鄰 域字典PND的方法更精確地度量?jī)蓤D像塊的相似性，S. Zimmer等人采用了具有旋轉(zhuǎn)不變性 的圖像塊度量方法，K. Dabov等人在高維空間進(jìn)行相似塊的選擇。這些方法提高了非局部 均值方法的運(yùn)算速度，卻忽略了圖像的局部相關(guān)性，將導(dǎo)致邊緣保持效果差。雖然非局部均值方法從非局部的角度考慮了圖像像素的相關(guān)性，但卻忽略了圖像 的局部相關(guān)性。非局部均值方法對(duì)圖像中每個(gè)像素分別尋找與其具有相似結(jié)構(gòu)的像素，每 個(gè)像素的去噪過程是完全獨(dú)立的，即使是空間上相鄰的兩個(gè)像素，也需要重新搜索圖像中 與它們相似的像素，而這兩個(gè)像素彼此之間無任何關(guān)系。顯然這是有悖常理的，每個(gè)像素與 其周圍鄰域像素具有相似的灰度值，但非局部均值方法沒有利用到這一點(diǎn)，使得像素與其 周圍像素的灰度值缺乏一致性，導(dǎo)致去噪后的圖像在光滑部分出現(xiàn)偽紋理現(xiàn)象。而且，非局部均值方法沒有區(qū)分圖像邊緣和光滑部分，對(duì)所有像素都是采用相同的相似性度量方法， 即以待估計(jì)像素為中心做一正方形窗口，作為相似窗進(jìn)行搜索，這樣將導(dǎo)致邊緣保持效果差。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有問題的缺陷，提出一種結(jié)合結(jié)構(gòu)信息的非局部均 值圖像去噪方法，以消除非局部均值去噪引起的圖像偽紋理現(xiàn)象，提高邊緣保持度，改善圖 像去噪的視覺效果。實(shí)現(xiàn)本發(fā)明的技術(shù)方案是考慮圖像的局部結(jié)構(gòu)信息，利用primal sketch稀疏 表示模型提取圖像邊脊草圖，得到圖像的邊緣結(jié)構(gòu)信息，將圖像區(qū)分為光滑區(qū)和結(jié)構(gòu)區(qū)，針 對(duì)這兩種區(qū)域內(nèi)像素的不同局部聚集性，采用不同的相似窗口搜索相似像素，同時(shí)采用不 同的濾波參數(shù)，以消除圖像偽紋理，提高圖像的邊緣保持效果。其具體實(shí)現(xiàn)步驟包括如下(1)輸入測(cè)試圖像X，對(duì)其添加高斯白噪聲，得到噪聲圖像Y ；(2)對(duì)噪聲圖像Y進(jìn)行二維平穩(wěn)小波變換，得到一個(gè)低頻子帶和三個(gè)高頻子帶，將 高頻子帶系數(shù)全部置零，低頻系數(shù)不變，然后對(duì)低頻系數(shù)和置零后的高頻系數(shù)進(jìn)行逆二維 平穩(wěn)小波變換，得到重構(gòu)后的圖像Z ；(3)利用primal sketch稀疏表示模型提取重構(gòu)后的圖像Z的邊脊草圖P，得到反 映圖像邊緣的結(jié)構(gòu)信息，并將噪聲圖像Y分為光滑區(qū)和結(jié)構(gòu)區(qū)；(4)對(duì)光滑區(qū)和結(jié)構(gòu)區(qū)分別進(jìn)行去噪，并對(duì)光滑區(qū)和結(jié)構(gòu)區(qū)的去噪結(jié)果進(jìn)行合并， 得到最終去噪圖像T。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)1.消除非局部均值帶來的偽紋理，邊緣更加清晰。與現(xiàn)有的非局部均值去噪方法相比，本發(fā)明不僅利用了圖像的非局部信息，還考 慮了圖像的局部聚集性。光滑區(qū)的像素與以它為中心點(diǎn)的窗口鄰域內(nèi)的所有像素相似，結(jié) 構(gòu)區(qū)的像素與以它為中心點(diǎn)的窗口鄰域中同結(jié)構(gòu)方向的像素相似，因此，在對(duì)窗口中心像 素去噪的同時(shí)，對(duì)這些相似像素利用窗口中心像素的權(quán)重也進(jìn)行去噪。實(shí)驗(yàn)表明，考慮圖像 的局部聚集性可以消除非局部均值去噪帶來的偽紋理，同時(shí)邊緣也更加清晰。2.較好去除了光滑區(qū)域的噪聲，提高了結(jié)構(gòu)區(qū)邊緣保持效果。非局部均值去噪方法對(duì)整幅圖像采用同一個(gè)濾波參數(shù)，這樣導(dǎo)致光滑區(qū)對(duì)噪聲抑 制不理想，邊緣處過度平滑，本發(fā)明將圖像分成結(jié)構(gòu)區(qū)和光滑區(qū)，對(duì)光滑區(qū)采用較大的濾波 參數(shù)，較好地去除了噪聲；對(duì)邊緣區(qū)采用較小的濾波參數(shù)，提高了邊緣保持度。


圖1是本發(fā)明的總流程圖；圖2是本發(fā)明仿真所用的8幅測(cè)試圖像；圖3是本發(fā)明中Iena圖像的邊脊草圖和光滑區(qū)、結(jié)構(gòu)區(qū)相似窗的取法示意圖；圖4是用本發(fā)明方法與現(xiàn)有非局部均值方法對(duì)Iena圖像的去噪結(jié)果比較圖；圖5是用本發(fā)明方法與現(xiàn)有非局部均值方法對(duì)barbara圖像的去噪結(jié)果比較圖；圖6是用本發(fā)明方法與現(xiàn)有非局部均值方法對(duì)boat圖像的去噪結(jié)果比較圖。
具體實(shí)施例方式參照?qǐng)D1，本發(fā)明的具體實(shí)施步驟如下步驟1，輸入測(cè)試圖像，對(duì)其添加高斯白噪聲，得到噪聲圖像。輸入圖像為圖2所示的八幅灰度圖像，分別是如2(a)所示的Iena圖，如2(b) 所示的barbara圖，如2 (c)所示的boat圖，如2 (d)所示的ρ印pers圖，如2 (e)所示的 flinstone圖，如2 (f)所示的zelda圖，如2 (g)所示的lighthouse圖，如2 (h)所示的 couple圖，每幅圖的大小為512X512，灰度級(jí)為256，對(duì)每幅圖像做三次試驗(yàn)，所加高斯白 噪聲的標(biāo)準(zhǔn)差分別為σ = 20、σ = 35、σ =50。以圖2(a)所示的Iena圖的實(shí)驗(yàn)為例，對(duì)圖像添加標(biāo)準(zhǔn)差σ = 35的高斯白噪聲， 得到Iena圖的噪聲圖像4(b)。步驟2，對(duì)噪聲圖像進(jìn)行二維平穩(wěn)小波變換，得到一個(gè)低頻子帶和三個(gè)高頻子帶， 將高頻子帶系數(shù)全部置0，低頻系數(shù)不變，然后對(duì)高頻系數(shù)與置0后的低頻系數(shù)進(jìn)行逆二維 平穩(wěn)小波變換，得到重構(gòu)后的圖像；步驟3，對(duì)重構(gòu)后的圖像利用primal sketch提取圖像的邊脊草圖，反映圖像邊緣 的結(jié)構(gòu)信息，將圖像分為光滑區(qū)和結(jié)構(gòu)區(qū)。以圖2(a)所示的Iena圖的實(shí)驗(yàn)為例，對(duì)重構(gòu)后的Iena圖像利用primal sketch 提取圖像的邊脊草圖，提取的邊脊圖如圖3所示，反映圖像邊緣的結(jié)構(gòu)信息，將噪聲圖像 4(b)中與圖3相對(duì)應(yīng)的區(qū)域劃分為結(jié)構(gòu)區(qū)，其余區(qū)域劃分為光滑區(qū)，如在圖4(b)中與圖3 中P2相對(duì)應(yīng)的區(qū)域?yàn)榻Y(jié)構(gòu)區(qū)，在圖4(b)中與圖3中pi相對(duì)應(yīng)的區(qū)域?yàn)楣饣瑓^(qū)，從而將圖 4(b)所示噪聲圖像分為光滑區(qū)和結(jié)構(gòu)區(qū)。步驟4，對(duì)光滑區(qū)和結(jié)構(gòu)區(qū)分別進(jìn)行去噪(4a)對(duì)光滑區(qū)內(nèi)的待去噪像素點(diǎn)P，取以像素點(diǎn)P為中心的窗口 Np，窗口的取法如 圖3中pi處的窗口，對(duì)窗口 Np內(nèi)的所有像素點(diǎn)采用下式去噪
權(quán)利要求
1.一種結(jié)合結(jié)構(gòu)信息的非局部均值圖像去噪方法，包括如下步驟(1)輸入測(cè)試圖像X，對(duì)其添加高斯白噪聲，得到噪聲圖像Y；(2)對(duì)噪聲圖像Y進(jìn)行二維平穩(wěn)小波變換，得到一個(gè)低頻子帶和三個(gè)高頻子帶，將高頻 子帶系數(shù)全部置零，低頻系數(shù)不變，然后對(duì)低頻系數(shù)和置零后的高頻系數(shù)進(jìn)行逆二維平穩(wěn) 小波變換，得到重構(gòu)后的圖像Z ；(3)利用primalsketch稀疏表示模型提取重構(gòu)后的圖像Z的邊脊草圖P，得到反映圖 像邊緣的結(jié)構(gòu)信息，并將噪聲圖像Y分為光滑區(qū)和結(jié)構(gòu)區(qū)；(4)對(duì)光滑區(qū)和結(jié)構(gòu)區(qū)分別進(jìn)行去噪，并對(duì)光滑區(qū)和結(jié)構(gòu)區(qū)的去噪結(jié)果進(jìn)行合并，得到 最終去噪圖像T。
2.根據(jù)權(quán)利要求1所述的結(jié)合結(jié)構(gòu)信息的非局部均值圖像去噪方法，其中步驟(4)所 述的對(duì)光滑區(qū)去噪，按照如下步驟進(jìn)行(4a)對(duì)光滑區(qū)內(nèi)的待去噪像素點(diǎn)P，取以像素點(diǎn)ρ為中心的窗口 Np ；(4b)對(duì)窗口 Np內(nèi)的所有像素點(diǎn)采用下式去噪
3.根據(jù)權(quán)利要求1所述的結(jié)合結(jié)構(gòu)信息的非局部均值圖像去噪方法，其中步驟(4)所 述的對(duì)結(jié)構(gòu)區(qū)去噪，按照如下步驟進(jìn)行(4c)對(duì)結(jié)構(gòu)區(qū)內(nèi)的待去噪像素點(diǎn)P，沿著該像素所在邊緣方向選取窗口 Np ；(4d)對(duì)窗口 Np內(nèi)的所有像素點(diǎn)采用下式去噪
全文摘要
本發(fā)明公開了一種結(jié)合結(jié)構(gòu)信息的非局部均值去噪方法，主要解決現(xiàn)有非局部均值去噪后產(chǎn)生的圖像偽痕跡現(xiàn)象。其去噪步驟為(1)輸入待去噪圖像；(2)對(duì)圖像進(jìn)行二維平穩(wěn)小波變換和反變換，得到重構(gòu)圖像；(3)利用primal sketch提取圖像的結(jié)構(gòu)信息，得到圖像邊脊草圖，將重構(gòu)圖像分為平滑區(qū)和結(jié)構(gòu)區(qū)；(4)對(duì)平滑區(qū)以像素為中心做一正方形窗口，以搜索與其相似的像素，并計(jì)算出相似性權(quán)值對(duì)窗口內(nèi)所有像素的重新估計(jì)；(5)對(duì)結(jié)構(gòu)區(qū)以像素為中心，沿其結(jié)構(gòu)方向做窗口，以搜索與其相似的像素，并計(jì)算出相似性權(quán)值對(duì)窗口內(nèi)所有像素重新估計(jì)；(6)將光滑區(qū)和結(jié)構(gòu)區(qū)的像素重新估計(jì)結(jié)果合并，得到最終去噪圖像。本發(fā)明可用于自然圖像去噪。
文檔編號(hào)G06T5/00GK102117482SQ201110091450
公開日2011年7月6日 申請(qǐng)日期2011年4月13日 優(yōu)先權(quán)日2011年4月13日
發(fā)明者于昕, 侯彪, 劉芳, 尚榮華, 戚玉濤, 武杰, 焦李成, 王偉偉, 王爽, 郝紅俠, 馬文萍 申請(qǐng)人:西安電子科技大學(xué)