基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法
【專利摘要】本發(fā)明公開了一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，該方法改進(jìn)了非局部均值去噪方法中濾波參數(shù)的選取，屬于圖像處理中的圖像去噪的研究領(lǐng)域；傳統(tǒng)的非局部均值方法采用固定的濾波參數(shù)控制平滑噪聲的程度，這種方式存在很多的缺點(diǎn)，尤其是在邊緣紋理區(qū)域，對(duì)圖像過度的平滑，無法較好的保留細(xì)節(jié)信息，降低了去噪性能。針對(duì)這樣的問題，本方法根據(jù)邊緣檢測(cè)得到的邊緣紋理信息，采用邊緣圖的距離重新度量圖像塊之間的相似度，從而根據(jù)設(shè)定的雙重閾值，自適應(yīng)選取濾波參數(shù)，最終緩和圖像平滑和細(xì)節(jié)保留之間的矛盾，得到更好的去噪效果。
【專利說明】基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像去噪的【技術(shù)領(lǐng)域】，特別涉及一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法。
【背景技術(shù)】
[0002]圖像去噪是指在獲取噪聲圖像的統(tǒng)計(jì)性基礎(chǔ)上，利用各種濾波模型，通過局部或非局部濾波將噪聲從圖像中分離出來。它是圖像預(yù)處理中的一個(gè)經(jīng)典問題，其最終目的是在有效去除噪聲的同時(shí)，保持圖像的邊緣、精細(xì)細(xì)節(jié)等有效信息且不產(chǎn)生虛假信息。圖像去噪結(jié)果的好壞直接影響對(duì)圖像的理解，是圖像處理與計(jì)算機(jī)視覺的基本問題之一。
[0003]近年來，國內(nèi)外研究表明，圖像中的像素點(diǎn)并不是獨(dú)立存在、互不相干的，而是同它的周圍像素點(diǎn)一起組成圖像的幾何結(jié)構(gòu)，也就是說像素點(diǎn)的結(jié)構(gòu)特征可以通過以像素為中心的圖像塊很好的體現(xiàn)出來；另外，在一幅圖像中，不僅僅是周圍像素，位于不同位置的像素之間常常也是相關(guān)聯(lián)的，即圖像具有自相似性。
[0004]基于圖像具有自相似性或冗余性這一規(guī)則性假設(shè)，Buades等人提出了非局部均值去噪方法(NL-Means)，用圖像中所有像素點(diǎn)的加權(quán)平均來估計(jì)待處理像素點(diǎn)的灰度值。非局部均值方法很好的保持了圖像的邊緣等結(jié)構(gòu)信息，相較于經(jīng)典的去噪方法，取得了更加顯著的去噪效果。但是，傳統(tǒng)的非局部均值方法采用固定的濾波參數(shù)h，濾波參數(shù)h控制著濾波的程度，如果該值太大，圖像會(huì)過于平滑，圖像中的很多細(xì)節(jié)就會(huì)被模糊或者損壞；如果該值太小，雖然能夠保留更多的圖像細(xì)節(jié)，但是去噪效果無法得到保證。
[0005]綜上所述，為了緩和圖像平滑和邊緣細(xì)節(jié)保留的矛盾，應(yīng)該對(duì)濾波參數(shù)進(jìn)行自適應(yīng)的選取，使圖像去噪在平坦區(qū)域和邊緣紋理區(qū)域都能保證較好的去噪效果。而本發(fā)明就能很好的解決上述問題。
[0006]傳統(tǒng)的非局部均值方法，采用固定的濾波參數(shù)控制平滑噪聲的程度。但這種方式存在很多的缺點(diǎn)，尤其是在邊緣紋理區(qū)域，對(duì)圖像過度的平滑，無法較好的保留細(xì)節(jié)信息，降低了去噪性能。為了解決過度平滑現(xiàn)象，要減小濾波參數(shù)來抑制平滑；但是濾波參數(shù)太小，又會(huì)殘留較多的噪聲，同樣影響去噪效果。為了解決這些問題，本發(fā)明提出了根據(jù)邊緣檢測(cè)的信息，自適應(yīng)調(diào)整濾波參數(shù)，提高了非局部均值方法的去噪性能。

【發(fā)明內(nèi)容】

[0007]本發(fā)明目的在于提供一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，該方法解決了非局部均值去噪算法中采用固定濾波參數(shù)h，而沒有考慮到圖像不同結(jié)構(gòu)區(qū)域的去噪效果的問題。該方法根據(jù)邊緣檢測(cè)得到的邊緣紋理信息，采用邊緣圖的距離重新度量圖像塊之間的相似度，再根據(jù)設(shè)定的雙重閾值，自適應(yīng)選取濾波參數(shù)，最終緩和圖像平滑和細(xì)節(jié)保留之間的矛盾，得到更好的去噪效果。
[0008]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:本發(fā)明提供一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，該方法是一種策略性的方法，通過邊緣檢測(cè)信息自適應(yīng)選取濾波參數(shù)h，改進(jìn)傳統(tǒng)非局部均值方法，使其緩和圖像平滑和邊緣細(xì)節(jié)保留的矛盾。
[0009]方法流程:
[0010]步驟1:對(duì)待處理像素點(diǎn)選取對(duì)應(yīng)圖像塊(即:相似窗大小)，并得到其邊緣圖；
[0011]步驟2:在搜索窗內(nèi)遍歷選取相似窗大小的圖像塊，并取得邊緣圖；
[0012]步驟3:計(jì)算邊緣圖距離；
[0013]步驟4:根據(jù)公式⑷計(jì)算圖像塊之間的相似度距離；
[0014]步驟5:根據(jù)閾值自適應(yīng)選取濾波參數(shù)；
[0015]步驟6:計(jì)算最優(yōu)閾值Tl、T2，及參數(shù)α、β ;
[0016]步驟7:計(jì)算像素點(diǎn)P處的濾波值Rp);
[0017]步驟8:使P遍歷整副圖像，重復(fù)上述步驟1-7，得到最終的濾波圖像F。
[0018]有益效果:
[0019]1、本發(fā)明緩和圖像平滑和邊緣細(xì)節(jié)保留的矛盾，改善了圖像去噪性能。
[0020]2、本發(fā)明提高了非局部均值方法的去噪性能。
【專利附圖】

【附圖說明】
[0021]圖1為本發(fā)明的方法流程圖。
[0022]圖2采用邊緣檢測(cè)的信息自適應(yīng)選取濾波參數(shù)的流程圖。
【具體實(shí)施方式】
[0023]下面結(jié)合說明書附圖對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。
[0024]如圖1所示，本發(fā)明提出一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，其包括如下步驟:
[0025]1、建立自適應(yīng)非局部均值去噪的模型
[0026]對(duì)一副含噪聲圖像V= Iv(P) |p e I}，像素點(diǎn)P的相似窗％為圖像中以P為中心的一個(gè)圖像子部分。
[0027]NLM算法是用圖像中所有像素點(diǎn)的加權(quán)平均值來估計(jì)一個(gè)像素點(diǎn)的值，公式如下:
[0028]
【權(quán)利要求】
1.一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，其特征在于，所述方法包含如下步驟: 步驟1:對(duì)待處理像素點(diǎn)選取對(duì)應(yīng)圖像塊，并得到其邊緣圖； 步驟2:在搜索窗內(nèi)遍歷選取相似窗大小的圖像塊，并取得邊緣圖； 步驟3:計(jì)算邊緣圖距離； 步驟4:計(jì)算圖像塊之間的相似度距離； 步驟5:根據(jù)閾值自適應(yīng)選取濾波參數(shù)； 步驟6:計(jì)算最優(yōu)閾值Tl、T2，及參數(shù)α、β ; 步驟7:計(jì)算像素點(diǎn)P處的濾波值卩川; 步驟8:使P遍歷整副圖像，重復(fù)上述步驟1-7，得到最終的濾波圖像F。
2.根據(jù)權(quán)利要求1所述的一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，其特征在于:上述步驟3中是根據(jù)公式I I edge (Np)-edge (N,) | 12，a計(jì)算邊緣圖之間的距離，衡量當(dāng)前圖像內(nèi)容的邊緣紋理信息。
3.根據(jù)權(quán)利要求1所述的一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，其特征在于，上述步驟4中是根據(jù)公式為=計(jì)算圖像塊之間的相似度距離。
4.根據(jù)權(quán)利要求1所述的一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，其特征在于，上述步驟6中確定雙閾值T1、T2，對(duì)當(dāng)前圖像內(nèi)容平坦，或細(xì)節(jié)豐富，或較少細(xì)節(jié)區(qū)域分別給出不同的濾波參數(shù)。
5.根據(jù)權(quán)利要求1所述的一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，其特征在于，上述步驟6參數(shù)α、β是經(jīng)驗(yàn)值，是采用本方法通過大量實(shí)驗(yàn)，并以PSNR作為濾波結(jié)果的評(píng)價(jià)標(biāo)準(zhǔn)得到的。
6.根據(jù)權(quán)利要求1所述的一種基于邊緣檢測(cè)的自適應(yīng)非局部均值去噪方法，其特征在于，所述方法包括:根據(jù)邊緣檢測(cè)得到的邊緣紋理信息，采用邊緣圖的距離重新度量圖像塊之間的相似度，再根據(jù)設(shè)定的雙重閾值，自適應(yīng)選取濾波參數(shù)，最終緩和圖像平滑和細(xì)節(jié)保留之間的矛盾。
【文檔編號(hào)】G06T5/00GK104036465SQ201410269695
【公開日】2014年9月10日 申請(qǐng)日期:2014年6月17日 優(yōu)先權(quán)日:2014年6月17日
【發(fā)明者】周寧寧, 曹璟 申請(qǐng)人:南京郵電大學(xué)