[发明专利]一种基于无监督学习的非局部均值图像去噪方法

摘要

本发明公开了一种基于无监督学习的非局部均值图像去噪方法，包括如下步骤图像加边；图像块划分；计算相似性；利用权值对所求像素点进行估计，遍历所有的搜索窗口即可估计出整个图像的值，最后达到去噪的效果。本发明的优点在于首次将无监督学习聚类的方法应用于图像去噪，大幅度提高非局部均值在图像去噪中的运行效率，有效的提高了去噪的效果。聚类的方法将同质像素点聚集在一起，利用聚类中心进行计算相似性权重，减少了参与计算的像素点的个数，提升处理速度。同时，仅选用聚类中心对同类数据去噪，减少不同类的之间的相互影响，使边缘能够较好的保存。因此本算法具有计算时间少，处理效果好，保存更多的原始图像信息的特点。

主权项

一种基于无监督学习的非局部均值图像去噪方法，其特征在于包括如下步骤：步骤1：图像加边，在对图像进行操作之前，给原始图像加上一个边框，边框的大小为所选取的用于计算相似性权值的图像块的半径；步骤2：图像块划分，图像块的划分分为：搜索窗口和邻域窗口，两种类型的图像块，搜索窗口规定用于估计的图像块的数量，邻域窗口内的图像用于计算相似性权值；步骤3：计算相似性，计算相似性权值用于对图像像素点的估计；计算相似性分为两个阶段：一是使用k‑means聚类，二是计算像素值的欧氏距离；步骤4：利用权值对所求像素点进行估计，在同一个索搜窗口内，每个邻域窗口对于中心点所在的邻域窗口都有一个相似性权值，用邻域窗口之间的相似性表示邻域窗口中心点的相似性，计算方法为：I(xi)=Σj∈N(xi,xj)w(x‾i,x‾j)In(xj);]]>每一个搜索窗口可以估计出一个像素点的值，即搜索窗口中心点的值，遍历所有的搜索窗口即可估计出整个图像的值，最后达到去噪的效果。