[发明专利]一种图像去噪方法、装置、设备及介质有效

专利信息
申请号: 202110245656.X 申请日: 2021-03-05
公开(公告)号: CN113034387B 公开(公告)日: 2023-07-14
发明(设计)人: 黄芳 申请(专利权)人: 成都国科微电子有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06V10/762
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 刘晓菲
地址: 610041 四川省成*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 方法 装置 设备 介质
【权利要求书】:

1.一种图像去噪方法,其特征在于,包括:

基于预设聚类算法对搜索窗内的各个像素块进行分类,其中,所述像素块包括参考块和候选块,所述参考块为以当前待去噪像素点为中心,边长为N的矩形像素块,所述候选块为邻域窗口在所述搜索窗内滑动选中的各个像素块,所述邻域窗口为边长为N的矩形窗;

分别确定所述参考块与各个所述候选块之间的第一距离,并分别确定所述参考块与各个所述候选块所属类别的聚类中心的第二距离;

基于各个所述候选块对应的所述第一距离和所述第二距离分别确定当前待去噪像素点与各个所述候选块的中心点之间的NLM滤波权重;

基于所述NLM滤波权重对当前待去噪像素点进行去噪处理。

2.根据权利要求1所述的图像去噪方法,其特征在于,所述基于预设聚类算法对搜索窗内的各个像素块进行分类之前,还包括:

获取聚类参数,并对所述聚类参数进行存储,其中,所述聚类参数中包括聚类迭代次数。

3.根据权利要求2所述的图像去噪方法,其特征在于,所述基于预设聚类算法对搜索窗内的各个像素块进行分类,包括:

从搜索窗内确定出初始聚类中心;

基于预设聚类算法将所述搜索窗内的各个像素块聚类到所述初始聚类中心所属的类别中;

判断是否达到所述聚类迭代次数;

如果没有达到所述聚类迭代次数,则分别将各个类别中的所述像素块的均值作为新聚类中心,并基于所述预设聚类算法将所述搜索窗内的各个像素块聚类到所述新聚类中心所属的类别中。

4.根据权利要求1所述的图像去噪方法,其特征在于,确定参考块与任一候选块之间的第一距离,包括:

确定所述参考块中各个像素点与该候选块对应像素点之间的像素差值,将所述像素差值的绝对值的和作为所述参考块与该候选块之间的第一距离。

5.根据权利要求1所述的图像去噪方法,其特征在于,基于任一候选块对应的所述第一距离和所述第二距离分别确定当前待去噪像素点与该候选块的中心点之间的NLM滤波权重,包括:

基于该候选块对应的所述第一距离和所述第二距离确定该候选块对应的目标距离;

基于所述目标距离确定当前待去噪像素点和该候选块的中心点之间的NLM滤波权重。

6.根据权利要求1所述的图像去噪方法,其特征在于,所述基于所述NLM滤波权重对当前待去噪像素点进行去噪处理,包括:

利用各个所述NLM滤波权重分别对各个所述候选块的中心点的像素值进行加权,并将加权和作为加权后像素值;

将各个所述NLM滤波权重的和作为目标NLM滤波权重和;

将所述加权后像素值与所述目标NLM滤波权重和的比值作为当前待去噪像素点的去噪后像素值。

7.根据权利要求1至6任一项所述的图像去噪方法,其特征在于,所述基于预设聚类算法对搜索窗内的各个像素块进行分类,包括:

基于K-Means算法对搜索窗内的各个像素块进行分类;

或,基于K-NN算法对搜索窗内的各个像素块进行分类;

或,基于EM算法对搜索窗内的各个像素块进行分类。

8.一种图像去噪装置,其特征在于,包括:

聚类模块,用于基于预设聚类算法对搜索窗内的各个像素块进行分类,其中,所述像素块包括参考块和候选块,所述参考块为以当前待去噪像素点为中心,边长为N的矩形像素块,所述候选块为邻域窗口在所述搜索窗内滑动选中的各个像素块,所述邻域窗口为边长为N的矩形窗;

距离确定模块,用于分别确定所述参考块与各个所述候选块之间的第一距离,并分别确定所述参考块与各个所述候选块所属类别的聚类中心的第二距离;

NLM滤波权重确定模块,用于基于各个所述候选块对应的所述第一距离和所述第二距离分别确定当前待去噪像素点与各个所述候选块的中心点之间的NLM滤波权重;

去噪模块,用于基于所述NLM滤波权重对当前待去噪像素点进行去噪处理。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都国科微电子有限公司,未经成都国科微电子有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110245656.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top