[发明专利]一种图像降噪的加速方法和装置

权利要求书

1.一种图像降噪的加速方法，其特征在于，包括如下步骤：

(1)训练阶段，即根据训练图像，建立块索引树；

(2)运行阶段，所述运行阶段为输入待降噪图像；根据所述待降噪图像中每个像素点位置的块信息和所述块索引树，确定所述像素点位置的位置类中心和位置反索引；根据所述位置类中心和位置反索引，通过图像域或频域的方法对所述待降噪图像中每个位置进行降噪，即完成对所述待降噪图像的降噪。

2.如权利要求1所述一种图像降噪的加速方法，其特征在于，建立所述块索引树的过程为：提取所述训练图像上的块信息，并进行树聚类，得到一个聚类树，即所述块索引树。

3.如权利要求2所述一种图像降噪的加速方法，其特征在于，所述块的信息为局部小块或局部小块和图像特征。

4.如权利要求3所述一种图像降噪的加速方法，其特征在于，所述块为正方形模板、圆形模板、十字形模板、自适应形状模板以及基于频域变换的模板。

5.如权利要求2所述一种图像降噪的加速方法，其特征在于，进行所述树聚类时，所述块信息之间的距离以及所述类中心之间的距离，通过向量空间的距离计算、统计学或信息学的相关性计算，以及度量块信息相似度的计算得到。

6.如权利要求1所述一种图像降噪的加速方法，其特征在于，所述图像域的方法为加权平均。

7.如权利要求6所述一种图像降噪的加速方法，其特征在于，通过所述加权平均方法对所述待降噪图像中每个位置进行降噪时，计算所述块索引树中所有类中心之间的距离，得到距离查找表；对所述待降噪图像进行噪声估计，并根据所述噪声估计建立权重查找表；统计所述待降噪图像中所有位置的位置类中心，建立所述类直方图Hfreq和联合类-像素值直方图Hsum。

8.如权利要求7所述一种图像降噪的加速方法，其特征在于，所述距离查找表存储于稀疏矩阵中。

9.如权利要求7所述一种图像降噪的加速方法，其特征在于，所述类直方图Hfreq存储于稀疏向量中。

10.如权利要求7所述一种图像降噪的加速方法，其特征在于，所述加权平均方法对所述待降噪图像中每个位置进行降噪的过程为：

1)遍历所述类直方图Hfreq和联合类-像素值直方图Hsum，根据所述位置反索引，对所述类直方图Hfreq中的每个类中心center_i，找到与类中心center_j的互权重W(center_i，center_j)，并计算所述类中心i的加权值SUM_i和总权重W_i，其中，i≠j，所述类中心center_j为所述直方图Hfreq中不为0的类中心；

2)根据预定的总权重，对所述总权重W_i和加权值SUM_i进行权重均衡化，得到均衡化后的总权重W_i’和加权值SUM_i’；

3)根据所述均衡化后的总权重W_i’、加权值SUM_i’以及所述位置自身的像素值I，得到所述位置去噪后的像素值I’。

11.如权利要求10所述一种图像降噪的加速方法，其特征在于，通过所述距离查找表得到所述类中心i和类中心j之间的距离，并根据所述距离，通过所述权重查找表得到所述互权重W(center_i，center_j)。

12.如权利要求10所述一种图像降噪的加速方法，其特征在于，得到所述总权重W_i和加权值SUM_i的公式分别为：

W_i=W_i+(W(center_i，center_j)*Hfreq(center_j))，其中，所述Hfreq(center_j))为所述类中心j所出现的频率；

SUM_i=SUM_i+(W(center_i，center_j)*Hsum(center_j))，其中，所述Hsum(center_j))为所述类中心j的像素值之和。

13.如权利要求10所述一种图像降噪的加速方法，其特征在于，得到所述位置去噪后的像素值I’的公式为：

I’=(I+SUM_i’)/(1+W_i’)。

14.一种图像降噪的加速装置，其特征在于，包括：

(1)训练单元，适用于根据训练图像，建立块索引树；

(2)运行单元，适用于输入待降噪图像；根据所述待降噪图像中每个像素点位置的块信息和所述块索引树，确定所述像素点位置的位置类中心和位置反索引；根据所述位置类中心和位置反索引，通过图像域或频域的方法对所述待降噪图像中每个位置进行降噪，即完成对所述待降噪图像的降噪。