[发明专利]基于非局部小波系数收缩的图像去噪方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说是基于非局部小波系数收缩的图像去噪方法，可用于对自然图像的去噪处理。

背景技术

图像是人们获取信息的重要来源，但图像在生成和传输过程中常常会受到各种噪声的干扰，这不仅影响到图像的视觉效果，也阻碍了特征提取、目标识别等后续工作的进行。因此，图像去噪是图像处理领域至关重要的一部分。

图像去噪的目的就是从含噪图像中恢复出高质量清晰的图像，去噪的同时尽可能地保持图像的固有特征信息。目前，大量的去噪方法已经被提出，其中正则化方法得到了广泛的研究，该方法将观测图像和先验知识两者结合于变分公式，强调找到合适的图像先验模型是至关重要的。传统的正则化方法，比如二次Tikhonov方法、TV方法由于其分段常数的假设，在去噪的同时会过平滑图像，因此，很快被基于稀疏性的正则化方法所取代。该方法利用了图像的局部稀疏性，用字典中的若干原子的线性组合来表示图像块，每个图像块是单独进行稀疏表示的，并没有考虑到与其他图像块之间的相关性。

2005年，Buades等人提出了非局部的图像去噪方法，该方法突破了传统局部滤波的思想，充分利用图像的非局部结构相似性，获得了显著的去噪效果。随后，出现了很多基于非局部思想的去噪方法，如BM3D、CSR等方法，BM3D方法将结构相似的二维图像块聚集在一起形成三维数组，通过对这些三维数组联合滤波，聚合图像块的估计值，进一步提高了去噪效果。但该方法由于对相似组进行块间一维变换，使得图像的部分细节被弱化，导致边缘区域变模糊。CSR方法将字典学习和结构聚类结合起来，使图像的稀疏编码噪声足够小，从而提高去噪效果，但该方法实现起来比较耗时，而且部分边缘的去噪效果仍不理想。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于非局部小波系数收缩的图像去噪的实现方法，以实现对自然图像去噪中边缘和平滑区域的兼顾，提高图像去噪效果。

为实现上述目的，本发明包括如下步骤：

(1)在输入含噪图像中以步长3取参考图像块，根据欧式距离公式计算该参考块与其邻域内所有图像块的距离d(Z_i,Z_i,j)，选取距离最小的N₂个图像块构成该参考块的相似组：S_i＝{Z_i,j:min(d(Z_i,Z_i,j)),j＝1...N₂,i表示相似组序号}，其中，Z_i为参考图像块，Z_i,j为Z_i邻域中的图像块，N₂为相似组中相似块个数；

(2)对相似组中的相似块进行二维小波变换,得到相似块的小波系数：

α_i,j＝Τ_2D(Z_i,j),Z_i,j∈S_i

其中，Τ_2D表示二维小波变换，α_i,j为第i个相似组中第j个相似块的小波系数；

(3)根据非局部均值公式，计算每个相似组小波系数的非局部均值μ_i：

μi=Σj∈Siωi,jαi,j,j=1...N2]]>

ω_i,j＝exp(-d(Z_i,Z_i,j))/h)/W