[发明专利]基于小波高频的贝叶斯去噪方法

权利要求书

1.一种基于小波高频的贝叶斯去噪方法，包括如下步骤：

(1)输入一幅待去噪的自然图像；

(2)对待去噪的自然图像做小波分解

对待去噪自然图像做小波分解，将其分解为高频子带和低频子带；

(3)分别计算出每个高频子带的贝叶斯萎缩阈值

3a)用Donoho提出的鲁棒中值法，估计各高频子带的噪声标准差；

3b)按照下式计算各高频子带贝叶斯萎缩阈值：

TB(σkl)=σ^kl2σkl]]>

其中，T_B(σ_kl)为k层第l个方向的的高频子带的贝叶斯萎缩阈值；

σ_kl为第k层第l个方向的高频信号标准差；

为第k层第l个方向的的高频子带的噪声标准差；

(4)选取待估计像素块

在待去噪的自然图像中，逐行扫描选取一个像素点为待估计像素点，以待估计像素点为中心，以固定长度为块半径，选取一个正方形的待估计像素块；

(5)确定搜索窗

在待去噪的自然图像上，以待估计像素点为中心，以固定长度为搜索窗半径，选取一个正方形的搜索窗；

(6)在搜索窗中选取一个像素块

在搜索窗中选取一个未被选取过的像素点，以此像素点为中心，确定一个与待估计像素块等大小的像素块；

(7)判断是否满足约束条件

判断选取的像素块是否同时满足均值约束条件和方差约束条件，若满足，则进行下一步骤，否则执行步骤(6)；

(8)计算高频相似性权值

按照下式计算高频相似性权值：

w(i,j)=1Z(i)exp(-12Tdisti,j)]]>

其中，w(i，j)为高频相似性权值；

      i为待估计像素块的中心像素；

      j为搜索窗中的像素点；

      Z(i)为归一化因子；

      exp为指数函数；

Tdist_i，j为以像素点i为中心的待估计像素块与以j为中心的像素块之间的高频相似度距离；

(9)判断搜索窗内的点是否搜索完

在搜索窗中选取一个未被选取过的像素点，若选取像素点的次数大于搜索窗内点的个数，则进行下一步，否则执行步骤(6)，直至获得搜索窗中所有像素块与待估计像素块之间的相似性权值；

(10)计算待估计像素块的恢复值

使用贝叶斯非局部滤波方法中的加权求和方法，将搜索窗中每个像素块与待估计像素块的相似性权值与每个像素块加权求和，得出待估计像素块的恢复值；

(11)判断待去噪自然图像是否搜索完

在待去噪自然图像中，选取一个没被选取过的像素点，若选取待估计像素点的次数大于图像中像素点的个数，则进行下一步，否则执行步骤(4)，直至获得整幅自然图像中所有待估计像素块的恢复值；

(12)整合恢复值

按照下式整合所有的待估计像素块的恢复值，获得去噪后的自然图像；

x^i=1LΣl=1Lx^il]]>

其中，为自然图像中第i个像素点的恢复值；

L为第i个像素点在步骤(11)中被重复恢复的次数；

l为被恢复的次序；

为步骤(10)中第l次恢复的包含像素点i的像素块在i点处的恢复值。