[发明专利]图像降噪方法和图像处理系统

说明书

本发明涉及一种用于纹理增强的非局部均值(NLM)图像去噪的系统、装置、方法和计算机可读介质。在实施例中，通过有噪声的输入目标像素值和由自相似度驱动的NLM像素值之间的混合来保留被过滤的图像数据中的细节，并且通过局部纹理的独立测量结果来进一步通知。在实施例中，混合由指示纹理的一个或多个混合权重或系数驱动，使得由增强的降噪滤波器保留的细节的水平与纹理的量成比例。因而相比于更高度纹理化的区域，本文的实施例可以更主动地对缺少明显纹理(即，光滑)的图像的区域进行去噪。在另外的实施例中，还基于候选区块的相似度得分确定混合系数，其中基于纹理得分考虑那些得分的数量。

优先权要求

本申请要求于2014年9月23日提交的名称为“NON-LOCAL MEANS IMAGE DENOISINGWITH DETAIL NPRESERVATION USING SEL-SIMILARITY DRIVEN BLENDING”的第14/494,163号美国专利申请的优先权，后者通过引用整体合并于此。

技术领域

本公开总体涉及图像处理，更具体地，涉及使用自相似度驱动混合的带细节保留的非局部均值图像去噪。

背景技术

图像去噪是图像处理流水线上的重要功能块。图像去噪方法的目的在于，从含噪测量结果中恢复原始图像。由数字照相机传感器生成的图像从各种源拾取噪声，出于美感或实际(例如，机器视觉)目的，应当减少上述噪声。理想地，图像去噪块所利用的降噪算法应当通过在使真实细节的损失最小的同时减少噪声来改善图像清晰度。技术难点在于鲁棒地区分噪声与图像细节。

许多图像去噪算法执行像素相对于在空间上围绕该目标像素的一组像素的某种平均或加权，这些算法被称为“局部均值”滤波或“局部平滑”滤波。非局部图像去噪算法(最流行的是非局部均值(NLM)算法)在过去十年中得到了普及，因为相对于许多局部均值算法，其改善了滤波后的清晰度，同时减少了真实细节损失。NLM滤波利用图像内的冗余，通过对图像中更大数量的像素(按像素与目标像素的相似度进行加权)进行求均值来降低边缘模糊度。更具体地，对于每个输入像素，确定包含目标像素的目标区块(patch)。然后，针对相似度评估目标区块的邻域中的其它候选区块。根据分配给候选区块的“自相似度”权重，计算平均像素区块作为候选区块的加权平均值。然后，将平均像素区块直接作为NLM滤波的滤波后的目标像素输出。

虽然NLM去噪技术被认为相比于大多数局部均值滤波改善了图像质量，但是NLM技术偏向于高度周期性的图像。质量损失主要是非周期性细节，视觉感知为影响高频纹理区域和唯一像素的模糊度。因此，能够改善图像清晰度，同时相比于现有NLM技术，更大程度地保留期望的纹理和高频细节的图像去噪技术和硬件架构是有利的。

发明内容

根据本公开的一方面，提供了一种计算机实现的图像降噪方法，包括：接收目标像素和所述目标像素的空间邻域内的多个像素的输入像素值；基于所述输入像素值，计算指示所述邻域内的纹理水平的纹理得分，其中，计算所述纹理得分包括：计算所述邻域内的所有像素值或其子集上的色散的估计量；基于所述输入像素值，计算所述目标像素的非局部均值；通过基于所述纹理得分计算作为所述非局部均值和目标输入像素值的混合值的滤波后的目标像素值，与所述纹理水平成反比地调节所述非局部均值相对于所述目标输入像素值的加权；以及将所述滤波后的目标像素值存储到电子存储器。