[发明专利]一种自适应非局部均值的图像去噪方法

权利要求书

1.一种自适应非局部均值的图像去噪方法，其特征在于：具体包括如下步骤：

步骤1，输入含有噪声的自然图像；

步骤2，依次判断步骤1中输入的自然图像中的每个像素点是否存在椒盐噪声；

步骤3，如果像素点存在椒盐噪声，则进行中值滤波；

步骤4，设定搜索窗口和邻域窗口的尺寸；

步骤5，基于步骤4所得结果搜索具有相同结构的像素；

步骤6，基于步骤5的搜索结果进行滤波处理。

2.根据权利要求1所述的一种自适应非局部均值的图像去噪方法，其特征在于：所述步骤1中：自然图像为灰度图像；灰度图像的取值范围为：0～225；

图像中含有的噪声均为加性噪声；G(y)表示一幅含噪声的图像G＝{G(y)y∈I}的噪声模型，如公式(1)所示：

G(y)＝X(y)+N(y),y∈I (1)；

其中，I表示待处理的图像，y表示图像I中的像素位置，G(y)为含噪声像素值，X(y)为真实的像素值，N(y)为噪声值；如果该噪声N(y)为高斯噪声则概率密度函数f(x)如公式(2)所示，如果该噪声为椒盐噪声则概率密度函数如公式(3)所示：

3.根据权利要求2所述的一种自适应非局部均值的图像去噪方法，其特征在于：所述步骤2的具体过程为：

如果像素x的值与周围邻域像素相比是一个孤立值，即离群点，则判断该像素为椒盐噪声，计算公式如下：

|G(x)-u_x|＞3·s (4)；

其中，G(x)表示该像素的值，u_x表示x邻域像素的平均值，s表示x邻域像素的标准差，如果像素x满足公式(4)，则判定x为邻域的离群值。

4.根据权利要求3所述的一种自适应非局部均值的图像去噪方法，其特征在于：所述步骤3中采用如下公式(5)进行值滤波：

G(x)′＝mid({l₁,l₂,l₃,...,l_n-1,l_n}) (5)；

其中，G(x)′表示滤波后的像素值，集合{l₁,l₂,l₃,...l_n-1,l_n}表示x的邻域像素集合，mid表示取邻域集合中的中值。

5.根据权利要求4所述的一种自适应非局部均值的图像去噪方法，其特征在于：所述步骤4的具体过程为：首先在图像上取一个像素x，以像素x为中心，在x周围确定边长为A的正方形搜索框，即搜索窗口为A×A的正方形区域；然后在搜索框中确定边长为a的正方形图像块，即邻域窗口为a×a的正方形区域。

6.根据权利要求5所述的一种自适应非局部均值的图像去噪方法，其特征在于：所述步骤5的具体过程为：

以x为中心，边长为A的正方形区域为搜索窗口，设x为中心，边长为a的小正方形为x邻域窗口；在搜索窗口内，从左上角开始，以像素y为中心，边长为a的正方形区域滑动，依次计算滑动窗口与以x邻域之间的相似度w(x,y)，并将w(x,y)作为像素y的权重，计算公式如下：

其中，||V(x)-V(y)||²表示以x为中心和以y为中心的小区域之间的距离，具体计算如公式(7)所示，其中x+z和y+z表示相对于中心像素x和y的对应位置。Z(x)表示距离的归一化参数，具体计算如公式(8)所示：

其中，h为平滑系数，参数h采用自适应的算法，采用x与搜索窗口中每个y的距离值的标准差，具体计算如公式(9)所示：

7.根据权利要求6所述的一种自适应非局部均值的图像去噪方法，其特征在于：所述步骤6的具体过程为：

采用如下公式(10)将搜索框中的所有像素y的值进行加权平均代替原来的像素x的值，通过w(x,y)的加权：

其中，Ω_x表示x的搜索框，G(y)表示像素y的值，表示经过非局部均值滤波后像素x的值。