[发明专利]一种自适应非局部均值的图像去噪方法

说明书

本发明公开了一种自适应非局部均值的图像去噪方法，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。该方法将非局部均值和中值滤波相结合，主要用于对椒盐噪声和高斯噪声的混合噪声进行处理。

技术领域

本发明属于自然图像处理技术领域，涉及一种自适应非局部均值的图像去噪方法。

背景技术

图像是现代社会信息的主要传播途径之一，图像化的信息易于接受，便于理解。但是在图像数据的采集和传输过程中都会受到噪声的污染，这会大大的降低或者改变原本的真实图像数据，影响人们对信息的获取和理解。比如在手机相机拍照过程中，空气中的尘埃经阳光的折射可能形成噪点，晚上由于环境光的不足也会形成很多的噪点。在图像的传播过程中由于信道的稳定性也会受到噪声的影响，而这就需要对图像数据进行处理，第一个预处理的步骤便是去噪，即含噪声图像中估计出原本的真实图像数据。图像去噪的目的就是为了更好的突出图像原有的信息，便于人们理解。

现实环境中存在各种各样的噪声，如高斯白噪声、椒盐噪声、乘性噪声以及量化噪声。主要使用的去噪算法可以分为局部均值去噪算法和非局部均值去噪算法两大类。局部均值去噪算法中主要包含均值滤波去噪算法、中值滤波去噪算法。局部均值类去噪算法虽然能够一定程度上抑制噪声，但是去噪后的图像会出现模糊，尤其是图像的边缘和细节可能出现信息丢失，中值滤波容易导致图像细节出现不连续性。相对局部均值去噪算法，非局部均值去噪算法在具有良好的去噪效果的同时，还很好的保留了图像的边缘及细节部分，可以满足当前对图像去噪要求。

发明内容

本发明的目的是提供一种自适应非局部均值的图像去噪方法，该方法将非局部均值和中值滤波相结合，主要用于对椒盐噪声和高斯噪声的混合噪声进行处理。

本发明所采用的技术方案是，一种自适应非局部均值的图像去噪方法，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。

本发明的特点还在于：

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：

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)；