国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法及系統(tǒng)與流程

      文檔序號(hào):11277262閱讀:463來源:國知局
      一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法及系統(tǒng)與流程

      本發(fā)明涉及圖像處理技術(shù)領(lǐng)域,尤其涉及一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法及系統(tǒng)。



      背景技術(shù):

      隨著信息化時(shí)代的發(fā)展,圖像成為人類獲取及利用信息的重要來源。由于圖像在獲取、傳輸過程中受到外部環(huán)境、設(shè)備自身的限制,導(dǎo)致所生成的圖像上會(huì)出現(xiàn)一些噪聲。這些噪聲不但會(huì)影響圖像的視覺效果,而且直接影響后續(xù)的圖像處理。

      在圖像去噪的發(fā)展過程中,眾多國內(nèi)外學(xué)者提出了很多去噪方法,其中buades等人在2005年提出的非局部均值算法(nlm)取得了較好的去噪效果,并得到了廣泛地研究與發(fā)展。

      然而本申請(qǐng)發(fā)明人在實(shí)現(xiàn)本發(fā)明的技術(shù)方案時(shí),發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題:

      nlm算法在去噪的同時(shí)會(huì)模糊圖像中的邊緣、紋理等重要細(xì)節(jié)信息。這些因素局限了nlm算法的應(yīng)用。

      可見,現(xiàn)有技術(shù)中采用非局部均值去噪方法,會(huì)模糊圖像的邊緣、紋理信息,存在整體去噪效果不好的技術(shù)問題,實(shí)際環(huán)境中污染圖像的噪聲主要是高斯白噪聲,因此去除高斯白噪聲成為圖像去噪領(lǐng)域的核心問題。



      技術(shù)實(shí)現(xiàn)要素:

      本發(fā)明實(shí)施例提供一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法及系統(tǒng),用以解決現(xiàn)有技術(shù)中采用非局部均值去噪方法,會(huì)模糊圖像的邊緣、紋理信息,存在整體去噪效果不好的技術(shù)問題。

      本發(fā)明第一方面提供了一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法,所述方法包括:

      輸入原始高斯白噪聲圖像u;

      獲取所述高斯白噪聲圖像u中某個(gè)點(diǎn)的hessian矩陣hu,所述矩陣hu為:

      其中,uxx、uxy、uyx、uyy為所述高斯白噪聲圖像u的二階偏導(dǎo)數(shù);

      獲取所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;

      獲取所述原始高斯白噪聲圖像u的噪點(diǎn)參數(shù)di,j;

      根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,獲得噪點(diǎn)檢測(cè)函數(shù)n,其中,n=(1-exp(-|λ1|))(1-exp(-|λ2|))(1-exp(-di,j));

      基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理。

      可選的,所述獲取所述hessian矩陣hu的第一特征值λ1和第二特征值λ2,包括:

      根據(jù)線性尺度空間理論,獲得尺度空間圖像偏導(dǎo)數(shù)其中,u(x,y)為圖像,為高斯函數(shù)偏導(dǎo)數(shù),g(x,y)為二維高斯函數(shù),s為標(biāo)準(zhǔn)差;

      根據(jù)所述尺度空間圖像偏導(dǎo)數(shù),獲得第一特征值λ1和第二特征值λ2,其中,

      可選的,所述獲取所述原始高斯白噪聲圖像u的噪點(diǎn)參數(shù)di,j,包括:

      獲取中心在u(i,j)處的窗口wi,j大??;

      將所述窗口wi,j分解為四個(gè)子窗口其中分別為窗口wi,j中經(jīng)過中心u(i,j)的水平子窗口、豎直子窗口、主對(duì)角線子窗口和次對(duì)角線子窗口;

      計(jì)算上述各子窗口中的點(diǎn)與中心點(diǎn)u(i,j)的差的絕對(duì)加權(quán)均值其中,表示四個(gè)子窗口中的任意一個(gè),d表示子窗口中的點(diǎn)與中心點(diǎn)u(i,j)的差,ω表示當(dāng)前差的權(quán)值,

      以絕對(duì)加權(quán)均值的最小值為噪點(diǎn)參數(shù)di,j。

      可選的,所述基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理,包括:

      根據(jù)所述噪點(diǎn)檢測(cè)函數(shù)n自適應(yīng)確定非局部均值去噪時(shí)每個(gè)點(diǎn)的搜索窗口的大小及相似窗口的大小;

      根據(jù)所述搜索窗口的大小和所述相似窗口的大小,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理,獲得去噪后的圖像。

      基于同樣的發(fā)明溝通,本發(fā)明第二方面還提供了一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪系統(tǒng),所述系統(tǒng)包括:

      輸入模塊,用于輸入原始高斯白噪聲圖像u;

      第一獲取模塊,用于獲取所述高斯白噪聲圖像u中某個(gè)點(diǎn)的hessian矩陣hu,所述矩陣hu為其中,uxx、uxy、uyx、uyy為所述高斯白噪聲圖像u的二階偏導(dǎo)數(shù);

      第二獲取模塊,用于獲取所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;

      第三獲取模塊,用于獲取所述原始高斯白噪聲圖像的噪點(diǎn)參數(shù)di,j;

      獲得模塊,用于根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,獲得噪點(diǎn)檢測(cè)函數(shù)n,其中,n=(1-exp(-|λ1|))(1-exp(-|λ2|))(1-exp(-di,j));

      去噪模塊,用于基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理。

      可選的,所述第二獲取模塊還用于:

      根據(jù)線性尺度空間理論,獲得尺度空間圖像偏導(dǎo)數(shù)其中,u(x,y)為圖像,為高斯函數(shù)偏導(dǎo)數(shù),g(x,y)為二維高斯函數(shù),s為標(biāo)準(zhǔn)差;

      根據(jù)所述尺度空間圖像偏導(dǎo)數(shù),獲得第一特征值λ1和第二特征值λ2,其中,

      可選的,所述第三獲取模塊還用于:

      獲取中心在u(i,j)處的窗口wi,j大??;

      將所述窗口wi,j分解為四個(gè)子窗口其中分別為窗口wi,j中經(jīng)過中心u(i,j)的水平子窗口、豎直子窗口、主對(duì)角線子窗口和次對(duì)角線子窗口;

      計(jì)算上述各子窗口中的點(diǎn)與中心點(diǎn)u(i,j)的差的絕對(duì)加權(quán)均值其中,表示四個(gè)子窗口中的任意一個(gè),d表示子窗口中的點(diǎn)與中心點(diǎn)u(i,j)的差,ω表示當(dāng)前差的權(quán)值,

      以絕對(duì)加權(quán)均值的最小值為噪點(diǎn)參數(shù)di,j。

      可選的,所述去噪模塊還用于:

      根據(jù)所述噪點(diǎn)檢測(cè)函數(shù)n自適應(yīng)確定非局部均值去噪時(shí)每個(gè)點(diǎn)的搜索窗口的大小及相似窗口的大?。?/p>

      根據(jù)所述搜索窗口的大小和所述相似窗口的大小,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理,獲得去噪后的圖像。

      本發(fā)明實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案,至少具有如下技術(shù)效果或優(yōu)點(diǎn):

      本申請(qǐng)實(shí)施例提供的一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法及系統(tǒng),通過輸入原始高斯白噪聲圖像u;獲取所述高斯白噪聲圖像u中某個(gè)點(diǎn)的hessian矩陣hu,并獲取所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;然后獲取所述原始高斯白噪聲圖像的噪點(diǎn)參數(shù)di,j;并根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,獲得噪點(diǎn)檢測(cè)函數(shù)n,最后基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理,由于獲取了所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;并根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,可以充分利用圖像中像素的冗余信息,并獲得噪點(diǎn)檢測(cè)函數(shù)n,從而準(zhǔn)確檢測(cè)出圖像中的噪點(diǎn),實(shí)現(xiàn)了避免對(duì)邊緣、紋理等細(xì)節(jié)信息的破壞的技術(shù)效果,解決了現(xiàn)有技術(shù)中采用非局部均值去噪方法,會(huì)模糊圖像的邊緣、紋理信息,存在整體去噪效果不好的技術(shù)問題。

      上述說明僅是本發(fā)明技術(shù)方案的概述,為了能夠更清楚了解本發(fā)明的技術(shù)手段,而可依照說明書的內(nèi)容予以實(shí)施,并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂,以下特舉本發(fā)明的具體實(shí)施方式。

      附圖說明

      為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹,顯而易見地,下面描述中的附圖是本發(fā)明的一些實(shí)施例,對(duì)于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)這些附圖獲得其他的附圖。

      圖1為本發(fā)明實(shí)施例中基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法的流程圖;

      圖2為本發(fā)明實(shí)施例中基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪系統(tǒng)的邏輯結(jié)構(gòu)圖。

      具體實(shí)施方式

      本發(fā)明實(shí)施例提供了一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法及系統(tǒng),用以解決現(xiàn)有技術(shù)中采用非局部均值去噪方法,會(huì)模糊圖像的邊緣、紋理信息,存在整體去噪效果不好的技術(shù)問題。

      本申請(qǐng)實(shí)施例中的技術(shù)方案,總體思路如下:

      一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法,所述方法包括:首先輸入原始高斯白噪聲圖像u;并獲取所述高斯白噪聲圖像u中某個(gè)點(diǎn)的hessian矩陣hu,然后獲取所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;獲取所述原始高斯白噪聲圖像的噪點(diǎn)參數(shù)di,j;然后根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,獲得噪點(diǎn)檢測(cè)函數(shù)n,最后基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理。

      上述方法中,由于獲取了所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;并根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,可以充分利用圖像中像素的冗余信息,并獲得噪點(diǎn)檢測(cè)函數(shù)n,從而準(zhǔn)確檢測(cè)出圖像中的噪點(diǎn),實(shí)現(xiàn)了避免對(duì)邊緣、紋理等細(xì)節(jié)信息的破壞的技術(shù)效果,解決了現(xiàn)有技術(shù)中采用非局部均值去噪方法,會(huì)模糊圖像的邊緣、紋理信息,存在整體去噪效果不好的技術(shù)問題。

      為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚,下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例?;诒景l(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。

      實(shí)施例一

      請(qǐng)參見圖1,本發(fā)明提供了一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法,所述方法包括:

      步驟s101:輸入原始高斯白噪聲圖像u;

      步驟s102:獲取所述高斯白噪聲圖像u中某個(gè)點(diǎn)的hessian矩陣hu,所述矩陣hu為其中,uxx、uxy、uyx、uyy為所述高斯白噪聲圖像u的二階偏導(dǎo)數(shù);

      步驟s103:獲取所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;

      步驟s104:獲取所述原始高斯白噪聲圖像的噪點(diǎn)參數(shù)di,j;

      步驟s105:根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,獲得噪點(diǎn)檢測(cè)函數(shù)n,其中,n=(1-exp(-|λ1|))(1-exp(-|λ2|))(1-exp(-di,j));

      步驟s106:基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理。

      上述方法中,由于獲取了所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;并根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,可以充分利用圖像中像素的冗余信息,并獲得噪點(diǎn)檢測(cè)函數(shù)n,從而準(zhǔn)確檢測(cè)出圖像中的噪點(diǎn),實(shí)現(xiàn)了避免對(duì)邊緣、紋理等細(xì)節(jié)信息的破壞的技術(shù)效果,解決了現(xiàn)有技術(shù)中采用非局部均值去噪方法,會(huì)模糊圖像的邊緣、紋理信息,存在整體去噪效果不好的技術(shù)問題。

      需要說明的是,本申請(qǐng)中,所述步驟s103和步驟s104的順序不分先后,可以先執(zhí)行步驟s103,也可以先執(zhí)行步驟s104,在此不做限制。

      下面,結(jié)合圖1對(duì)本申請(qǐng)?zhí)峁┑幕谠朦c(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法進(jìn)行詳細(xì)介紹:

      首先,執(zhí)行步驟s101,輸入原始高斯白噪聲圖像u;

      由于在實(shí)際應(yīng)用中,實(shí)際環(huán)境中污染圖像的噪聲主要是高斯白噪聲,因此本發(fā)明主要是針對(duì)高斯白噪聲圖像u進(jìn)行處理。

      然后,執(zhí)行步驟s102,獲取所述高斯白噪聲圖像u中某個(gè)點(diǎn)的hessian矩陣hu,所述矩陣hu為:其中,uxx、uxy、uyx、uyy為所述高斯白噪聲圖像u的二階偏導(dǎo)數(shù);

      接下來,執(zhí)行步驟s103,獲取所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;

      上述獲取hessian矩陣hu的第一特征值λ1和第二特征值λ2具體包括:

      根據(jù)線性尺度空間理論,獲得尺度空間圖像偏導(dǎo)數(shù)其中,u(x,y)為圖像,為高斯函數(shù)偏導(dǎo)數(shù),g(x,y)為二維高斯函數(shù),s為標(biāo)準(zhǔn)差;

      根據(jù)所述尺度空間圖像偏導(dǎo)數(shù),獲得第一特征值λ1和第二特征值λ2,其中,

      在具體的實(shí)施過程中,由于二維hessian矩陣hu是實(shí)對(duì)稱矩陣,故uxy=uyx,于是hessian矩陣的兩個(gè)特征值λ1,λ2可以由如下公式計(jì)算:由于圖像中噪點(diǎn)與其它點(diǎn)的hessian矩陣特征值特點(diǎn)不同,故可以用特征值來進(jìn)行噪點(diǎn)檢測(cè)。hessian矩陣實(shí)際上就是多元函數(shù)的二階導(dǎo)數(shù)組成的矩陣,所以對(duì)hessian矩陣特征值的分析是為了找到圖像最小曲率的方向,對(duì)于孤立的噪點(diǎn)而言,在任意的方向上其二階導(dǎo)數(shù)都很大,因此沒有方向可言。假設(shè)|λ1|<|λ2|,沿著圖像邊緣的方向,圖像的灰度值沒有變化,所以沿著圖像邊緣的方向一階導(dǎo)數(shù)不為零,二階導(dǎo)數(shù)很?。徽挥趫D像邊緣的方向,邊緣點(diǎn)為極值點(diǎn),所以一階導(dǎo)數(shù)為零,如果為極小值,二階導(dǎo)數(shù)大于零,若為極大值二階導(dǎo)數(shù)小于零。λ1,λ2反應(yīng)了兩個(gè)正交方向上的投影的大小,孤立的噪點(diǎn)在任一方向上都為極值點(diǎn),且為極大值點(diǎn)或?yàn)闃O小值點(diǎn),所以λ1,λ2都比較大,且近似相等。

      接下來,執(zhí)行步驟s104,獲取所述原始高斯白噪聲圖像的噪點(diǎn)參數(shù)di,j。

      上述獲取所述原始高斯白噪聲圖像的噪點(diǎn)參數(shù)di,j具體包括:

      獲取中心在u(i,j)處的窗口wi,j大小;

      將所述窗口wi,j分解為四個(gè)子窗口其中分別為窗口wi,j中經(jīng)過中心u(i,j)的水平子窗口、豎直子窗口、主對(duì)角線子窗口和次對(duì)角線子窗口;

      計(jì)算上述各子窗口中的點(diǎn)與中心點(diǎn)u(i,j)的差的絕對(duì)加權(quán)均值其中,表示四個(gè)子窗口中的任意一個(gè),d表示子窗口中的點(diǎn)與中心點(diǎn)u(i,j)的差,ω表示當(dāng)前差的權(quán)值,

      以絕對(duì)加權(quán)均值的最小值為噪點(diǎn)參數(shù)di,j。

      在具體的實(shí)施過程中,可以設(shè)中心在u(i,j)處的窗口wi,j大小為ld×ld,由于圖像中的噪點(diǎn)在空間上是隨機(jī)分布的,而沿圖像邊緣的像素點(diǎn)具有相似的灰度值。為了充分利用圖像邊緣與噪點(diǎn)的這個(gè)區(qū)別,可以將窗口wi,j分解為四個(gè)子窗口其中分別為窗口wi,j中經(jīng)過中心u(i,j)的水平子窗口、豎直子窗口、主對(duì)角線子窗口、次對(duì)角線子窗口,然后計(jì)算分別計(jì)算各子窗口中的點(diǎn)與中心點(diǎn)u(i,j)的差的絕對(duì)加權(quán)均值

      然后分別計(jì)算中心點(diǎn)u(i,j)處四個(gè)子窗口的差的絕對(duì)加權(quán)均值的最小值di,j,舉例來說,如果中心點(diǎn)u(i,j)是噪聲點(diǎn),那么它的都會(huì)很大,di,j也會(huì)很大;如果中心點(diǎn)u(i,j)是平滑區(qū)域(即無噪聲無邊緣區(qū)域)的點(diǎn),那么它的都會(huì)很小,di,j也會(huì)很小;如果中心點(diǎn)u(i,j)是邊緣上的點(diǎn),那么它的中有一個(gè)會(huì)很小,di,j也會(huì)很小。由上述分析可知,di,j可以用來準(zhǔn)確地表示圖像中的噪點(diǎn),同時(shí)不會(huì)受到邊緣點(diǎn)的干擾,因此將di,j作為噪點(diǎn)檢測(cè)參數(shù),可以提高噪聲檢測(cè)的效果。

      再下來,執(zhí)行步驟s105,根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,獲得噪點(diǎn)檢測(cè)函數(shù)n,其中,n=(1-exp(-|λ1|))(1-exp(-|λ2|))(1-exp(-di,j));

      最后,執(zhí)行步驟s106,基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理。

      上述基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理,具體包括:

      根據(jù)所述噪點(diǎn)檢測(cè)函數(shù)n自適應(yīng)確定非局部均值去噪時(shí)每個(gè)點(diǎn)的搜索窗口的大小及相似窗口的大??;

      根據(jù)所述搜索窗口的大小和所述相似窗口的大小,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理,獲得去噪后的圖像。

      基于與實(shí)施例一相同的發(fā)明構(gòu)思,本發(fā)明實(shí)施二提供了一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪系統(tǒng),所述系統(tǒng)包括:

      輸入模塊201,用于輸入原始高斯白噪聲圖像u;

      第一獲取模塊202,用于獲取所述高斯白噪聲圖像u中某個(gè)點(diǎn)的hessian矩陣hu,所述矩陣hu為其中,uxx、uxy、uyx、uyy為所述高斯白噪聲圖像u的二階偏導(dǎo)數(shù);

      第二獲取模塊203,用于獲取所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;

      第三獲取模塊204,用于獲取所述原始高斯白噪聲圖像的噪點(diǎn)參數(shù)di,j;

      獲得模塊205,用于根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,獲得噪點(diǎn)檢測(cè)函數(shù)n,其中,n=(1-exp(-|λ1|))(1-exp(-|λ2|))(1-exp(-di,j));

      去噪模塊206,用于基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理。

      本發(fā)明提供的系統(tǒng)中,所述第二獲取模塊203還用于:

      根據(jù)線性尺度空間理論,獲得尺度空間圖像偏導(dǎo)數(shù)其中,u(x,y)為圖像,為高斯函數(shù)偏導(dǎo)數(shù),g(x,y)為二維高斯函數(shù),s為標(biāo)準(zhǔn)差;

      根據(jù)所述尺度空間圖像偏導(dǎo)數(shù),獲得第一特征值λ1和第二特征值λ2,其中,

      本發(fā)明提供的系統(tǒng)中,所述第三獲取模塊204還用于:

      獲取中心在u(i,j)處的窗口wi,j大?。?/p>

      將所述窗口wi,j分解為四個(gè)子窗口其中分別為窗口wi,j中經(jīng)過中心u(i,j)的水平子窗口、豎直子窗口、主對(duì)角線子窗口和次對(duì)角線子窗口;

      計(jì)算上述各子窗口中的點(diǎn)與中心點(diǎn)u(i,j)的差的絕對(duì)加權(quán)均值其中,表示四個(gè)子窗口中的任意一個(gè),d表示子窗口中的點(diǎn)與中心點(diǎn)u(i,j)的差,ω表示當(dāng)前差的權(quán)值,

      以絕對(duì)加權(quán)均值的最小值為噪點(diǎn)參數(shù)di,j。

      本發(fā)明提供的系統(tǒng)中,所述去噪模塊206還用于:

      根據(jù)所述噪點(diǎn)檢測(cè)函數(shù)n自適應(yīng)確定非局部均值去噪時(shí)每個(gè)點(diǎn)的搜索窗口的大小及相似窗口的大??;

      根據(jù)所述搜索窗口的大小和所述相似窗口的大小,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理,獲得去噪后的圖像。

      由于本發(fā)明實(shí)施例二所介紹的系統(tǒng),為實(shí)施本發(fā)明實(shí)施例一的基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法所采用的系統(tǒng),故而基于本發(fā)明實(shí)施例一所介紹的方法,本領(lǐng)域所屬人員能夠了解該系統(tǒng)的具體結(jié)構(gòu)及變形,故而在此不再贅述。凡是本發(fā)明實(shí)施例一的方法所采用的系統(tǒng)都屬于本發(fā)明所欲保護(hù)的范圍。

      本發(fā)明實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案,至少具有如下技術(shù)效果或優(yōu)點(diǎn):

      本申請(qǐng)實(shí)施例提供的一種基于噪點(diǎn)檢測(cè)的自適應(yīng)非局部均值去噪方法及系統(tǒng),通過輸入原始高斯白噪聲圖像u;獲取所述高斯白噪聲圖像u中某個(gè)點(diǎn)的hessian矩陣hu,并獲取所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;然后獲取所述原始高斯白噪聲圖像的噪點(diǎn)參數(shù)di,j;并根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,獲得噪點(diǎn)檢測(cè)函數(shù)n,最后基于所述噪點(diǎn)檢測(cè)函數(shù)n,對(duì)所述原始高斯白噪聲圖像u進(jìn)行去噪處理,由于獲取了所述hessian矩陣hu的第一特征值λ1和第二特征值λ2;并根據(jù)所述第一特征值λ1、第二特征值λ2和噪點(diǎn)參數(shù)di,j,可以充分利用圖像中像素的冗余信息,并獲得噪點(diǎn)檢測(cè)函數(shù)n,從而準(zhǔn)確檢測(cè)出圖像中的噪點(diǎn),實(shí)現(xiàn)了避免對(duì)邊緣、紋理等細(xì)節(jié)信息的破壞的技術(shù)效果,解決了現(xiàn)有技術(shù)中采用非局部均值去噪方法,會(huì)模糊圖像的邊緣、紋理信息,存在整體去噪效果不好的技術(shù)問題。

      盡管已描述了本發(fā)明的優(yōu)選實(shí)施例,但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念,則可對(duì)這些實(shí)施例作出另外的變更和修改。所以,所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。

      顯然,本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明實(shí)施例進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明實(shí)施例的精神和范圍。這樣,倘若本發(fā)明實(shí)施例的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi),則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。

      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1