[发明专利]图像噪声滤除方法

说明书

技术领域

本发明涉及一种图像处理方法，并且尤其涉及一种图像噪声滤除方法。

背景技术

图像噪声是影响图像品质的关键因素之一。然而，在图像感测器的像素数目逐渐增加的同时，像素大小却因成本考虑而不断地被缩小，导致图像感测器撷取的图像中所包含的噪声而无可避免地被放大。因此，噪声滤除(denoising)的效果逐渐成为决定图像品质的一个重要因素。

利用滤波器(fiIter)将去噪前图像(noisy image)重建为去噪后图像(denoised image)的过程称为图像重建(image reconstruction)，如图1所示。

利用邻域滤波器(neighborhood filter)进行图像重建为一项标准技术。邻域滤波器根据当前像素(current pixel)及其邻域像素(neighborhood pixel)之间的相似度决定权重(weighting)，并根据该权重将当前像素与其邻域像素进行加权平均以得到当前像素的重建值。当去噪图像中所有像素均进行完上述图像重建的步骤后，则可得到去噪后图像。邻域滤波一般可以以式(1)表示：

U^(x)=1Nh(x)∫Rx∫h(x,y)U(y)dy---(1)]]>

其中，U表示去噪前图像；N_h(x)表示归一化常数(normalization constant)；表示去噪后图像；R_x表示当前像素x的邻域；h表示滤波常数，其决定于当前像素x与其邻域像素y在图像中的距离，例如邻域像素y与当前像素x的位置距离(distance)，以及亮度差异(intensity difference)。请参照图2所示，其显示了一7×7邻域滤波的示意图。图像感测器撷取图像I，其为去噪前图像。邻域滤波器则根据当前像素x与该当前像素x周围的搜寻框R_x内的邻域像素y之间的相似度分别求出48个权重，并将当前像素x的灰阶值(gray level)与其48个邻域像素y的灰阶值进行加权平均，以得到当前像素x的重建值。然而，邻域滤波器由于仅单纯地根据两个像素之间的相似度进行加权平均，因此往往无法达到令人满意的重建效果。

因此，另提出了一种图像重建法，称之为非区域演算法(non-local algorithm)，以改善上述基于邻域滤波的图像重建法。非区域演算法最主要是根据当前像素周围预设大小的当前像素比较框(comparison block)与当前像素的邻域像素周围预设大小的邻域像素比较框之间的相似度来决定权重，并根据该权重将当前像素的灰阶值与其邻域像素的灰阶值进行加权平均，以求出当前像素的重建值。非区域演算法一般可以以式(2)表示：