[发明专利]用于非局部均值图像去噪的装置、移动计算平台和方法

说明书

一种用于进行边缘增强型非局部均值(NLM)图像去噪的系统、装置、方法以及计算机可读介质。在实施例中，通过基于自相似性利用其他像素值对有噪输入目标像素值进行加权而将边缘细节保留在经滤波的图像数据中，并且进一步由数据驱动型有向空间滤波器来通知所述边缘细节。本文中的实施例可以利用比图像的具有边缘特性的图像区域更均匀的空间滤波器对缺少边缘特性的图像区域进行去噪。在实施例中，基于边缘度量来调制空间滤波函数的方向性，以便当有较大概率边缘穿过所述目标像素时增大沿所述边缘的像素值的权重。在另外的实施例中，所述自适应空间滤波器是椭圆的，并且利用基于所述边缘度量的非均匀滤波宽度相对于空间梯度方向来对所述自适应空间滤波器进行定向。

优先权声明

本申请要求于2015年3月24日提交的题为“NON-LOCAL MEANS IMAGE DENOISINGWITH AN ADAPTIVE DIRECTIONAL SPATIAL FILTER(具有自适应有向空间滤波器的非局部均值图像去噪)”的美国非临时专利申请号14/667,548的优先权，并且所述美国申请通过援引以其全文并入本文

背景技术

图像去噪是图像处理流水线中重要的功能块。图像去噪方法的目标是从有噪测量结果中恢复出原图像。由数码相机传感器生成的图像从多种源中拾取噪声，出于美观或实用(如机器视觉)目的应该降低噪声。理想地，图像去噪块所利用的降噪算法应该通过降低噪声并使真实细节损失最小化来提高图像清晰度。技术难点在于鲁棒地区分噪声与图像细节。

对相对于空间上围绕目标像素的像素群的像素执行某种求平均或加权的许多图像去噪算法被称为“局部均值”或者“局部平滑”滤波器。高斯模糊滤波器是均匀局部均值滤波器的示例。相对于许多局部均值算法，非局部图像去噪算法因为后滤波清晰度得到提高同时真实细节损失减少而在过去十年得以普及。在“非局部均值”(NLM)算法中，NLM滤波器利用在图像中发现的自相似性的冗余度通过对图像中更多数量的像素(所述像素由基于多像素补丁的比较的所述像素与目标像素的相似度进行加权)取平均值来减少边缘模糊。在一些示例性NLM算法中，针对每个输入像素，确定包括目标像素的目标补丁。然后，评估其他候选补丁(通常被局限在目标补丁的邻域内)的相似性。根据通过应用相似性滤波函数分配给候选补丁的“自相似性”权重，然后可以将平均像素值计算为候选补丁的加权平均。

附图说明

在附图中通过举例而非限制的方式展示了本文所描述的材料。为了图示的简明和清晰，图中所展示的元件不一定按比例绘制。例如，为清楚起见，某些元件的尺寸相对于其他元件可能被放大了。另外，在认为适当的情况下，在附图之间对参考标记加以重复以表示相应的或相似的元件。在附图中：

图1是流程图，展示了根据一些实施例的自适应有向非局部均值图像去噪方法；

图2是流程图，展示了根据一些实施例的采用自适应有向高斯空间滤波器的自适应有向非局部均值图像去噪方法；

图3是图示，展示了根据实施例的空间滤波器方向性与边缘度量的依赖关系；

图4是图示，展示了根据一些实施例的图像帧的输入像素；

图5A是根据一个或多个实施例的包括图像去噪模块的系统的功能框图，所述图像去噪模块包括自适应有向非局部均值去噪模块；

图5B是根据一个或多个替代性实施例的图像处理流水线的功能框图，所述图像处理流水线包括自适应有向非局部均值去噪模块；

图6是根据实施例的包括图5A或5B中系统的采用图像处理器的示例性超低功耗系统的简图；并且

图7是根据一个或多个实施例安排的示例性移动手持平台的简图。

具体实施方式