一种基于混合鲁棒权重和方法噪声的图像去噪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108596845A(43)申请公布日2018.09.28(21)申请号201810338130.4(22)申请日2018.04.12(71)申请人江南大学地址214122江苏省无锡市蠡湖大道1800号(72)发明人葛洪伟陆海青陈国俊(74)专利代理机构大连理工大学专利中心21200代理人梅洪玉(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书8页附图10页(54)发明名称一种基于混合鲁棒权重和方法噪声的图像去噪方法(57)摘要本发明提供了一种基于混合鲁棒权重和方法噪声的图像去噪方法，属于智能信息处理技术领域，主要解决传统NLM算法难以有效维持噪声抑制与细节保持之间的平衡的问题。该方法首先采用一种改进的混合鲁棒权重函数来计算图像块的相似性权重；再利用预去噪后的图像构造出方法噪声，并与两级去噪框架相结合；最后将提出的混合鲁棒权重函数和方法噪声应用到两级非局部均值去噪方法中。本发明方法能够在抑制噪声的同时，有效地保留图像中的结构细节信息，具有更优的去噪性能。CN108596845ACN108596845A权利要求书1/2页1.一种基于混合鲁棒权重和方法噪声的图像去噪方法，其特征在于，首先对现有的鲁棒权重函数进行改进，结合几种鲁棒权重函数的优劣，设计出一个新的混合鲁棒权重函数，并用其替换原非局部均值方法中的指数型函数来计算相似性权重；然后利用预去噪图像得到方法噪声，充分提取方法噪声中包含的残余信息；最后将混合鲁棒权重函数与方法噪声应用于两级非局部均值去噪算法中；具体步骤如下：(1)输入一幅含噪图像Y＝{y(i)|i＝1,2,…,n}，其中y(i)为像素i的灰度值，n为像素总数；采用双边滤波BF算法对含噪图像Y进行预去噪处理，得到预去噪图像Dpre＝{dpre(i)|i＝1,2,…,n}：其中，i,j分别为图像中的第i个像素和第j个像素，Ni表示以像素i为中心的邻域块，大小取为5×5，dist(i,j)为像素i,j之间的欧氏距离，参数σS和σG分别表示空间邻近度系数和灰度相似性系数，σS值取3.0，σG值取0.7σ，σ为图像的噪声标准差，ω(i)为归一化项；(2)对含噪图像Y采用基于混合鲁棒权重的非局部均值去噪方法HRW-NLM进行第一级去噪，得到初始去噪图像Dfirst＝{dfirst(i)|i＝1,2,…,n}：其中，w(i,j)表示以像素i,j为中心的两图像块之间的相似性权重函数，满足非负性0≤w(i,j)≤1和正则性Pi表示以像素i为中心的3×3图像块，Pj表示以像素j为中心的3×3图像块，y(Pi)＝{y(j)|j∈Pi}，y(Pj)＝{y(i)|i∈Pj}，将图像块中各像素的灰度值以向量形式表示，||·||2表示2-范数，h为滤波参数，对图像平滑的程度加以控制，Z(i)为归一化项，将相似性权重函数w(i,j)值限定在[0,1]内；(3)将步骤(1)得到的预去噪图像Dpre和步骤(2)得到的初始去噪图像Dfirst相减，得到方法噪声R′＝Dpre-Dfirst＝{dpre(i)-dfirst(i)|i＝1,2,…,n}；(4)对方法噪声R′进行3×3邻域平均处理，即分别以图像中的每一像素为中心，对其32CN108596845A权利要求书2/2页×3邻域内的各像素求灰度平均值，并以灰度平均值作为当前像素的灰度值，得到补偿图像Dcomp＝{dcomp(i)|i＝1,2,…,n}；(5)将步骤(4)得到的补偿图像Dcomp与初始去噪图像Dfirst进行叠加，得到中间图像Dinter＝Dcomp+Dfirst＝{dcomp(i)+dfirst(i)|i＝1,2,…,n}；(6)对中间图像Dinter采用非局部均值去噪方法NLM进行后处理，得到最终去噪图像3CN108596845A说明书1/8页一种基于混合鲁棒权重和方法噪声的图像去噪方法技术领域[0001]本发明属于智能信息处理技术领域，涉及图像去噪中的非局部均值去噪方法。具体地说是一种基于混合鲁棒权重和方法噪声的图像去噪方法，可用于图像降噪、计算机视觉、影像分析等领域。背景技术[0002]图像去噪一直是图像处理领域中十分基础且重要的研究内容，旨在有效滤除图像中的噪声，改善图像的视觉效果。目前发展较为成熟的图像去噪方法主要包括双边滤波、基于全变分的方法、基于偏微分方程的方法、基于小波阈值的方法等。2005年，Buades等人首次提出了非局部均值(Non-localMeans，NLM)去噪算法，在工业、农业、医学、遥感影像分析等领域均具有广泛的应用。与传统的基于单像素的去噪方法不同，NLM算法采用基于图像块的方法，利用图像信息的冗余性和自相似性，计算以当前像素为中心的局部图像块与基准