[发明专利]基于Treelet变换和最小均方误差估计的图像去噪方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及一种自然图像处理滤波技术领域的Treelet变换和最小均方误差估计的去噪方法。该方法可用于开展森林资源调查、灾害评估、城市规划、医学影像、天文学影像等领域的数字图像预处理。

背景技术

由于受各种条件的限制，图像在获取、编码、传输过程中会受到各种各样的噪声影响，这对图像分割，目标识别等其他一些后续处理工作带来了不利，因此对图像进行去噪很有必要。图像去噪解决了图像受到噪声干扰图像质量下降的问题，抑制噪声影响，提高了图像质量，是图像后处理的基础。

目前，人们更多采用频域滤波的方法来进行去噪图像。空域滤波是直接对图像的灰度进行处理，主要有全变差，中值滤波，双边滤波，非局部均值。空域滤波去噪方法主要是对图像进行模糊或者拟合操作来达到去噪的目的，导致的结果是图像中的高频信息(如边缘)会被滤除。

西安电子科技大学在其申请的专利“基于Treelet变换和非局部均值的图像去噪方法”(专利申请号201110001952.1，公开号CN102063708A)中公开了一种利用相似图像块灰度值Treelet变换的系数来计算计算图像块之间的相似度的非局部均值去噪方法。该方法可在高噪声情况下能提高去噪效果，但是该方法仍存在的不足是，对图像中细节信息保持不好，去噪后图像过平滑，导致处理后的图像结构信息(边缘、纹理、点)会被模糊或滤除。

Thaipanich，T.等人在“Improved image denoising with adaptive nonlocal means algorithm.IEEE Transactions on Consumer Electronics，vol.56，no.4，Nov.2010，2623-2630.”中提出了一种自适应的非局部均值去噪方法。该方法首先利用图像的梯度信息对图像进行分类，在属于同类的像素中搜索相似图像块，最后用加权平均方法进行去噪。该方法存在的不足是，直接使用含噪图像中的灰度计算图像块之间的相似度，获得的相似性权值不准确，使得最后去噪结果与原始图像存在偏差，另外在寻找相似快的时候对图像块进行了旋转操作，计算复杂度比较高。

发明内容

本发明的目的在于克服现有技术中的不足，提出一种基于Treelet变换和最小均方误差估计的图像去噪方法，在图像块周围搜索相似图像块，采用Treelet变换对相似图像块进行变换，再用最小均方误差估计对去噪后系数进行估计。

为实现上述目的，本发明具体实现步骤包括如下：

(1)输入一幅待去噪图像；

(2)选择相似图像块

2a)在待去噪图像中，任取一个像素点为中心，以5～11个像素点为边长，确定一个正方形的中心图像块，以21～41个像素为边长，确定一个正方形的搜索窗；

2b)在搜索窗中逐行扫描选取与中心图像块等大小的所有图像块；

2c)选择相似图像块

按照下式计算步骤2a)中的中心图像块和步骤2c)中选取的图像块的相似度：

d(yi,yj)=E{||yi-yj||22}]]>

其中，d(y_i，y_j)为中心图像块和选取的图像块的相似度，y_i表示2a)中中心图像块的灰度特征向量，y_j表示步骤2b)中选取的图像块的灰度特征向量，E表示数学期望，‖‖₂表示二范数；

按照下式计算与中心图像块相似的图像块中心像素位置集合：