[发明专利]基于边缘先验和NSCT域GSM的图像去噪方法

摘要

本发明公开了基于边缘先验和NSCT域GSM的图像去噪方法，主要解决现有去噪方法对被高斯白噪声腐蚀的自然图像去噪效果不佳的问题。其实现步骤如下，(1)输入一幅待去噪图像；(2)用非下采样Contourlet域高斯尺度混合模型去噪方法对图像进行去噪；(3)将原始噪声图像与高斯核进行卷积；(4)估计无噪声图像的梯度；(5)用迭代方法去噪；(6)判断是否达到迭代次数，若未达到迭代次数，转到步骤(5)，若已达到迭代次数，则输出结果。本发明具有对含有高斯白噪声的自然图像去噪效果好的优点，能恢复出图像原有的特征，可用于图像分割、目标识别，变换检测等对图像的预处理。

主权项

1.基于边缘先验和NSCT域GSM的图像去噪方法，包括如下步骤：(1)输入一幅待去噪图像；(2)用非下采样Contourlet变换域高斯尺度混合模型去噪方法对图像进行去噪；2a)对噪声图像进行非下采样Contourlet变换；2b)用高斯尺度混合模型对非下采样Contourlet变换后每一方向尺度的系数进行建模；2c)用贝叶斯最小均方估计方法计算无噪声系数；2d)进行逆Contourlet变换，得到去噪结果；(3)将原始噪声图像与高斯核进行卷积，得到卷积图像；(4)估计无噪声图像的梯度；4a)在步骤(3)中所得卷积图像中任取一个像素点为中心，确定一个正方形的中心图像块和搜索窗；在步骤2d)中所得去噪图像中与卷积图像对应的位置上选取相同的中心图像块和搜索窗；4b)逐个计算步骤(3)中所得卷积图像中搜索窗内图像块与步骤2d)中所得去噪图像中确定的中心图像块的梯度相似度：wei(i,j)=exp(-||yi-yj||22h2)]]>其中，wei(i，j)为相似度，i为中心图像块的中心像素，j为搜索窗内图像块的中心像素，y_i为步骤2d)中所得去噪图像中以像素i为中心的图像块的梯度，y_j为步骤(3)中所得卷积图像中以像素j为中心的搜索窗内图像块的梯度，‖‖₂表示二范数，h为惩罚因子；4c)将上述相似度的值代入如下公式，估计中心图像块无噪声的梯度估计值：▿Iest(i)=Σj∈Si1Z(i)wei(i,j)·yj]]>其中，表示估计的以像素i为中心的图像块的梯度值，Z(i)表示归一化系数，wei(i，j)为步骤4b)计算得到的相似度，y_j表示步骤(3)中所得卷积图像中搜索窗内以像素j为中心的图像块梯度值，S_i表示步骤(3)中所得卷积图像中搜索窗相似图像块中心像素位置的集合；(5)按下面公式对去噪后图像进行迭代：Idt+1=Idt-τ[NL(Id-In)-β(▿2Id-▿2Iest)]]]>其中，表示第t+1次去噪图像矩阵，t表示迭代的次数，表示第t次去噪图像矩阵，τ表示迭代的步长，NL表示非局部均值滤波操作符号，I_d为步骤2d)逆Contourlet变换后的去噪结果矩阵，I_n是噪声图像矩阵，β为平衡参数，是去噪后图像矩阵计算两次梯度的结果，是步骤(4)估计的无噪声图像矩阵梯度边缘的梯度值；(6)判断是否达到迭代次数，若未达到迭代次数，转到步骤(5)，若已达到迭代次数，则输出结果。