[发明专利]基于多尺度的自然图像非局部均值去噪方法

摘要

本发明公开了一种基于多尺度的自然图像非局部均值去噪方法，主要克服现有自然图像去噪结果中难以保持图像纹理和细节的问题。其实现过程是：(1)对输入的含噪自然图像做小波变换，将其分解为低频图像和高频图像；(2)用BayesShrink方法对不同尺度的高频图像的系数进行修正，得到修正后的高频图像；(3)对低频图像和修正后的高频图像进行重构，得到新的低频图像；(4)用非局部均值方法对重构得到新的低频图像进行修正，得到修正后的低频图像；(5)对修正后的低频图像和修正后的高频图像进行重构，得到去噪后的图像。本发明相对于其它的一些经典的去噪方法能够更好抑制噪声的同时保持自然图像的边缘和纹理细节，可用于对自然图像的去噪处理。

主权项

1.一种基于多尺度的自然图像非局部均值去噪方法，包括如下步骤：(1)对输入的含噪自然图像做小波变换，将其分解为低频图像和高频图像；(2)用BayesShrink方法对不同尺度的高频图像的系数进行修正，得到修正后的高频图像：Vij′=sign(Vij)(|Vij|-TB)|Vij|>TB0|Vij|≤TB]]>其中，V_ij是指第i层第j个方向的高频图像小波系数，是指第i层第j个方向的萎缩阈值，是指第i层第j个方向高频图像的噪声方差，σ_x是指高频图像信号的标准差，sign是指符号函数，(3)对步骤(1)得到的低频图像和步骤(2)得到的修正后的高频图像进行重构，得到新的低频图像；(4)用非局部均值方法对重构得到新的低频图像进行修正，得到修正后的低频图像：V′(x)=Σy∈JV(y)w(x,y),]]>其中，表示重构得到新的频图像的相似性，L₁(x)，L₂(y)分别表示重构得到新的低频图像中以x，y为中心的大小为n×n的图像块，J为搜索窗口像素点集合，在实验中，n的取值依次为3×3，5×5，7×7，J的取值依次为7×7，11×11，21×21，h为平滑控制参数，h＝0.2σ，V(y)是指重构得到新的低频图像搜寻区域内的系数值；(5)对步骤(4)得到的修正后的低频图像和步骤(2)得到修正后的高频图像进行重构，得到去噪后的图像。