[发明专利]基于联合相似性的非局部均值去噪方法

摘要

本发明公开了一种基于联合相似性的非局部均值去噪方法，它属于图像处理技术领域，主要克服现有自然图像非局部均值去噪中权值计算不准确的问题。其实现过程是：(1)对输入的含噪自然图像中所有像素点设定搜寻区域，对搜寻区域内点进行均值和方差预选取得到相似集合；(2)计算相似集合内所有点与当前点之间距离，并利用本发明设计的权值公式计算权值；(3)根据计算出的相似集合内所有像素点的权值，对相似集合内所有像素点及对应的像素块进行加权平均，得到像素点修正后图像像素点及像素块的灰度值。本发明在总体性能上优于其它的去噪方法，能够更好地平滑噪声的同时保持自然图像的边缘和纹理等细节，可用于对自然图像的去噪处理。

主权项

1.一种基于联合相似性的非局部均值去噪万法，包括如下步骤：(1)对输入的含噪自然图像中待修正像素点x_i的搜寻区域像素点x_j，进行块的均值和方差预选取，得到像素点x_i的相似集合，i从1到I×I，I×I表示输入图像的大小，j从1到N×N，N×N表示以待修正像素点x_i为中心的搜寻区域的大小；(2)对满足预选取条件的点，计算待修正像素点与其相似集合内像素点之间的欧氏距离，并对欧氏距离修正，得到距离d(v(x_i)，v(x_j))，该距离服从高斯分布，v(x_i)是以x_i为中心的M×M大小的块的灰度值所形成的向量，v(x_j)是以x_j为中心的M×M大小的块的灰度值所形成的向量；(3)根据上述距离d(v(x_i)，v(x_j))，利用如下公式计算计算待修正像素点x_i与其相似集合内点x_j之间的权值w(v(x_i)，v(x_j))：w(v(xi),v(xj))=1W(xi)(12-1π∫0d(v(xi),v(xj))-u2e-y2dy)]]>其中，W(x_i)是归一化系数：W(xi)=Σj=1M×N(12-1π∫0d(v(xi),v(xj))-u2e-y2dy)]]>式中，d(v(x_i)，v(x_j))是像素点x_i和x_j对应的距离，它服从一个高斯分布，表示该分布在分位点为0.88处对应的值，M²表示以x_i为中心的的块的大小，N×N是以x_i为中心的搜寻区域大小；(4)根据计算出的权值w(v(x_i)，v(x_j))，对该集合内所有像素点进行加权平均，得到像素点修正后点的灰度(5)根据计算出的权值w(v(x_i)，v(x_j))，对该集合内所有像素点对应像素块进行加权平均，得到像素块修正后的灰度(6)用修正后像素点的灰度值，取代输入的含噪自然图像中像素点的灰度值，得到图像点的去噪结果；(7)用修正后像素点对应像素块的灰度值，取代输入的含噪自然图像中像素点对应像素块的灰度值，得到图像块的去噪结果。