[发明专利]一种结合曲线波的基于图像子块相似性的图像去噪方法

说明书

技术领域

本发明属于图像处理技术领域，涉及图像去噪方法，特别涉及可用于对自然图像去噪的一种结合曲线波的基于图像子块相似性的图像去噪方法。

背景技术

随着科技的进步和数字图像获取设备的日渐普及，数字图像已成为获取信息的主要手段，人们对数字图像的成像质量及信噪比也提出了越来越高的要求。然而在图像获取、处理、压缩、传输、存储以及复制的过程中，不可避免地会引入噪声，所得到的图像往往在一定程度上被降质。这些噪声的存在不仅严重影响了人眼的主观视觉质量，而且也使得一些后续的图像处理手段如图像融合、特征提取、目标识别、图像高分辨率重建等应用都变得更加困难和不稳定。噪声的存在同时也会增加图像的熵，会极大地降低压缩编码的效率。因此，图像去噪也就成为了一种常用的图像预处理方法。

为此，人们提出了大量的图像去噪方法，例如均值滤波、中值滤波、双边滤波、非邻域均值(Non-local means)滤波、基于傅立叶变换的去噪方法、基于小波变换的去噪方法以及基于多尺度几何分析的去噪方法等，根据处理域的不同可以将它们大致分为两类：空间域去噪方法和转换域去噪方法。前者无需对图像进行变换直接对图像像素进行去噪；后者需先将图像变换到频域，在对变换系数进行处理后再反变换回到图像，以完成去噪。

空间域去噪方法中，均值滤波是最简单最常用的一种方法。对于高斯噪声，均值滤波是均方误差准则下最优线性滤波。典型的有高斯滤波，用一个预先计算好的滤波模板对图像进行卷积，利用邻域点的灰度值对中心点进行估计。其滤波模板实际相当于低通滤波器，对于噪声引起的灰度值震荡或快速变化能够有效去除，缺点是将图像的细节和边缘也等同于噪声去除，模糊了图像细节和边缘。Yaroslavsky邻域滤波通过计算邻域点灰度值与中心点灰度值的相似程度确定滤波模板系数。目前广为使用的双边滤波将高斯滤波和邻域滤波结合起来，不仅考虑了邻域点与中心点灰度值之间的相似程度，同时考虑了二者之间的几何距离，使得该方法能够较好地保存图像边缘而有效地平滑掉噪声。但双边滤波存在着鲁棒性的问题，当中心点和邻域点都被噪声污染时，该方法性能下降明显，这一点在大噪声情况下尤为突出。A.Buades提出的非邻域均值滤波方法有效地解决了双边滤波的鲁棒性问题。利用图像结构信息总是存在着一定的重复性，而噪声分布是随机的这一特点，NL-means方法将参与模板计算的像素点扩展到整幅图像，通过计算两个图像子块之间的欧氏距离来确定两子块中心点的相似程度，继而确定模板系数。该方法能够达到较为理想的去噪效果，但仍然存在着边缘模糊和细节丢失等问题。

转换域去噪方法的研究主要集中在小波去噪和基于多尺度几何分析的去噪等方面。与传统的张量积小波分解相比，曲线波分解在尺度分析上仍然采用二进伸缩，但在方向分析上则更详细，有更多方向的分解，对图像不同方向的纹理细节有更好的分析和提取能力。与脊波相比，曲线波具有楔形支撑区域，基元函数为曲线形式，与自然图像中的边缘线条形式更接近，更符合自然图像的纹理在各方向上都光滑的情况，因此有更好的逼近性能，而且它直接在频域上定义带通滤波器，方向和尺度分解的意义更直观。

Candès和Donoho还提出了两种快速计算方法：基于非均匀采样快速傅立叶变换(USFFT)的离散曲线波计算方法和基于卷绕(WRAP)的快速曲线波计算方法，使得曲线波变换在业界得到了更广泛的应用。但由于曲线波具有多方向分解的内在特性，因此，在进行阈值处理后的重建图像中存在着划痕状“伪像(artifact)”，平坦区域则更加明显，降低了主观视觉质量。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种结合曲线波的基于图像子块相似性的图像去噪方法，能提高图像的峰值信噪比PSNR和改善图像的主观视觉质量。

本发明的技术方案如下：一种结合曲线波的基于图像子块相似性的图像去噪方法，其关键在于：包括如下步骤：

步骤一、对输入的带噪图像，即输入图像d_ij做曲线波(Curvelet)变换，将其分解为低频部分和高频部分；

步骤二、保持低频部分图像系数不变，对高频部分图像系数运用硬阈值去噪，反变换后得到曲线波阈值去噪后的图像，即阈值去噪图像g_ij；

步骤三、将所述阈值去噪图像g_ij作为参考图像，并在其中计算邻域中心像素点所在的图像子块与邻域内周围像素点所在的图像子块灰度值之间的欧式距离作为图像子块间相似度：