[发明专利]一种基于噪声估计的图像去噪方法

摘要

本发明公开了一种基于噪声估计的图像去噪方法，利用超像素分割根据图像内容将其分为若干同源区域，利用平坦信息更能代表图像噪声污染水平的先验知识，以图像信息熵为依据找出图像中较为平滑的同源区域，并估计平滑区域的噪声标准差，以这些平滑区域的噪声标准差作为整幅图像的噪声水平，达到更加准确估计噪声水平的目的，从而根据噪声水平对非局部均值(NLM)去噪方法进行修正，实现根据噪声程度合理地控制去噪程度，能够自适应地处理带噪图像，使去噪后的图像整体效果较传统的NLM算法大幅度提升，在去噪的同时更好地保留了细节。全过程可实现自动化与自能化，无需人工干预。

主权项

1.一种基于噪声估计的图像去噪方法，其特征在于，该方法包括以下步骤：(1)对带噪图J进行基于熵率的超像素分割，得到若干超像素同源区域L_i；(2)根据图像信息熵理论，计算每个超像素同源区域的信息熵：L_i代表第i个超像素同源区域，l代表像素的灰度级，代表第i个超像素同源区域中灰度级为l的概率，代表L_i中的信息熵；(3)根据计算得到的各个超像素同源区域的信息熵的大小进行排序，选出值最小的t个超像素同源区域占总数的10～20％，即为图像中最为平滑的部分区域，并标记为1，其他区域标记为0，得到平滑区域的二值图；(4)计算各个平滑同源区域的标准差是L_i中像素x的强度，代表L_i中平均强度，为超像素块中像素的个数；(5)计算上述平滑同源区域的平均标准差，以此作为估计得到的整幅图像的噪声水平：(6)利用估计得到的噪声水平修正NLM去噪算法对带噪图像进行去噪，得到去噪图F，其中，去噪图像F中的像素x的强度F(x)为：I代表带噪图J中像素x的邻域，y表示邻域I中的像素，J(y)表示像素y在带噪图J中的强度；w(x,y)代表像素x与像素y之间的相似性：Z(x)是像素x处的归一化参数，h代表控制去噪程度的平滑参数，C为常数，C∈[300,500]      (8)。