本發(fā)明涉及圖像處理和計算機(jī)視覺技術(shù)領(lǐng)域，尤其涉及一種圖像相似塊快速搜索方法。

背景技術(shù)：

圖像處理已廣泛應(yīng)用于公共安全、醫(yī)療診斷、軍事國防以及日常生活等領(lǐng)域。然而，受成像設(shè)備的限制和外部環(huán)境的干擾，成像設(shè)備所獲取的圖像通常含有一定的噪聲或者分辨率較低，從而影響后續(xù)處理的準(zhǔn)確性。為此，需要在不改變成像條件的前提下，利用圖像濾波技術(shù)對圖像進(jìn)行處理，以達(dá)到抑制噪聲或增加分辨率的目的。

圖像自身隱含大量的冗余信息，其表現(xiàn)形式為：圖像內(nèi)存在許多相似的圖像塊，這些相似圖像塊可能位于同一個區(qū)域也可能分布在圖像的不同位置。利用這些相似的圖像塊可以實現(xiàn)圖像去噪和超分辨率。常用的圖像濾波技術(shù)包括局部濾波和非局部濾波。局部濾波利用待處理圖像塊與其相鄰圖像塊間的相似性，通過對這些局部區(qū)域內(nèi)的圖像塊進(jìn)行加權(quán)平均得到濾波后的像素。非局部濾波是在整幅圖像內(nèi)，搜索出所有與待處理圖像塊相似的圖像塊，然后由這些圖像塊加權(quán)平均生成濾波后的像素。局部濾波的處理效果通常較差，而非局部濾波盡管效果要優(yōu)于局部濾波，但計算復(fù)雜度很高，其計算瓶頸主要在于相似圖像塊的搜索。

技術(shù)實現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種圖像相似塊快速搜索方法，搜索方法包括：

步驟1：利用各像素及其鄰域像素，確定各像素所對應(yīng)的圖像塊；

步驟2：利用鄰域內(nèi)圖像塊的相似度及圖像塊的灰度值，確定表示各圖像塊的特征向量；

步驟3：通過對整幅圖像的像素進(jìn)行均勻下采樣，確定一個小規(guī)模的索引圖像塊集合；

步驟4：利用索引圖像塊集合，構(gòu)造一棵表示該圖像塊集合的k維樹，記為索引k維樹；

步驟5：將整幅圖像無重疊地等分成9幅子圖；

步驟6：利用每幅子圖所含的圖像塊，構(gòu)造一棵表示該子圖的k維樹，記為子圖k維樹；

步驟7：對待搜索圖像塊，確定索引k維樹中與其相似的圖像塊；

步驟8：確定含有相似圖像塊數(shù)目最多的子圖k維樹，稱為目標(biāo)子圖k維樹；

步驟9：在步驟7所確定的目標(biāo)子圖k維樹中搜索出與其相似的圖像塊，所述相似圖像塊即為與待搜索圖像塊相似的圖像塊。

優(yōu)選地，所述步驟1各像素所對應(yīng)的圖像塊確定方法如下：將每個像素及其5×5鄰域內(nèi)的像素定義為一個圖像塊。

優(yōu)選地，所述步驟2各圖像塊的特征向量確定方法如下：

(1)每個圖像塊含有25個像素，記為p1,p2,…,p25；

(2)利用式(1)計算各圖像塊與其周圍8個圖像塊的相似度，記為s1,s2,…,s8；

式中a為控制參數(shù)，p為待處理圖像塊，pi為p周圍的第i個圖像塊；

(3)組合圖像塊的25個像素以及圖像塊與其相鄰8個圖像塊的相似度，并進(jìn)行歸一化處理，形成一個表示圖像塊的33維特征向量，記為pf＝(p1,p2,...,p25,s1,s2,...,s8)。

優(yōu)選地，所述步驟3由整幅圖像確定索引圖像塊集合的方法如下：從圖像左上角的第1個像素開始在水平和垂直兩個方向上，每隔3個像素采樣1個像素，直到采樣到圖像的右下角為止；將以采樣像素為中心的圖像塊作為索引圖像塊。

優(yōu)選地，所述的步驟4索引k維樹的構(gòu)造方法如下：

(1)對索引圖像塊集合中所有圖像塊的特征向量，通過式(2)計算每一維特征的方差

式中vi為特征值，為該維特征的均值，m為索引圖像塊的數(shù)目；

(2)選取方差最大的特征維，并求出該維的中值；

(3)以該中值所對應(yīng)的圖像塊作為k維樹的根節(jié)點；

(4)利用最大方差特征維所計算出的中值，將索引圖像塊集合劃分成兩部分，該維特征值小于中值的圖像塊位于根節(jié)點的左子樹中，該維特征值大于中值的圖像塊則位于根節(jié)點的右子樹中；

(5)對左右子樹所含圖像塊，分別重述上述步驟(2)至(4)，直到索引圖像塊集合不能再劃分為止。

優(yōu)選地，所述的步驟6子圖k維樹的構(gòu)造方法如下：

(1)對子圖所含全部圖像塊的特征向量，通過式(2)計算每一維特征的方差；

(2)選取方差最大的特征維，并求出該維的中值；

(3)以該中值所對應(yīng)的圖像塊作為k維樹的根節(jié)點；

(4)利用最大方差特征維所計算出的中值，將子圖所含全部圖像塊劃分成兩部分，該維特征值小于中值的圖像塊位于根節(jié)點的左子樹中，該維特征值大于中值的圖像塊則位于根節(jié)點的右子樹中；

(5)對左右子樹所含圖像塊，分別重述上述步驟(2)至(4)，直到子圖圖像塊集合不能再劃分為止。

優(yōu)選地，所述的步驟7索引k維樹中與待搜索圖像塊相似的圖像塊的確定方法如下：

(1)從索引k維樹的根節(jié)點開始，利用式(3)計算待搜索圖像塊的特征向量與樹中當(dāng)前節(jié)點特征向量的相似度

式中pf為待搜索圖像塊的特征向量，pfi為k維樹當(dāng)前節(jié)點的特征向量，b為控制參數(shù)；

(2)對于預(yù)先設(shè)定的閾值λ，如果sfi>λ則在以當(dāng)前節(jié)點的根節(jié)點的子樹中繼續(xù)搜索；否則，將當(dāng)前節(jié)點及其所有孩子節(jié)點作為與待搜索圖像塊相似的圖像塊。

優(yōu)選地，所述的步驟8目標(biāo)子圖k維樹的確定方法如下：統(tǒng)計每棵子圖k維樹所包含的相似圖像塊數(shù)目，選擇所含數(shù)目最大的那棵子圖k維樹為所要確定的目標(biāo)子圖k維樹。

優(yōu)選地，所述的步驟9目標(biāo)子圖k維樹與待搜索圖像塊相似的圖像塊的確定方法如下：

(1)從目標(biāo)子圖k維樹的根節(jié)點開始，利用式(3)計算待搜索圖像塊的特征向量與樹中當(dāng)前節(jié)點特征向量的相似度；

(2)對于預(yù)先設(shè)定的閾值λ，如果sfi>λ則在以當(dāng)前節(jié)點的根節(jié)點的子樹中繼續(xù)搜索；否則，將當(dāng)前節(jié)點及其所有孩子節(jié)點作為與待搜索圖像塊相似的圖像塊。

從以上技術(shù)方案可以看出，本發(fā)明具有以下優(yōu)點：

圖像相似塊快速搜索方法能夠?qū)崿F(xiàn)圖像內(nèi)部相似圖像塊的快速搜索，避免了局部濾波的處理效果差，非局部濾波計算復(fù)雜度高的技術(shù)問題。

附圖說明

為了更清楚地說明本發(fā)明的技術(shù)方案，下面將對描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明的流程圖；

圖2是圖像塊與其周圍8個圖像塊位置示意圖；

圖3是圖像均勻下采樣示意圖；

圖4是k維樹構(gòu)造過程示意圖；

圖5是圖像無重疊的等分成9幅子圖示意圖。

具體實施方式

為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將運(yùn)用具體的實施例及附圖，對本發(fā)明保護(hù)的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，下面所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部的實施例?；诒緦＠械膶嵤├?，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本專利保護(hù)的范圍。

本發(fā)明提供一種圖像相似塊快速搜索方法，參考圖1描述，本發(fā)明實施例的圖像相似塊快速搜索方法，包括以下步驟：

步驟1：對給定的含有n個像素的圖像i，將每個像素及其5×5鄰域內(nèi)的像素定義為一個圖像塊，共有n個圖像塊，記為pi,(i＝1,...,n)；

步驟2：對任意圖像塊pi，參考圖2描述的相鄰圖像塊間的位置關(guān)系，利用式(4)計算它與其周圍8個圖像塊的相似度s1,s2,...,s8，

式中a為控制參數(shù)，p為待處理圖像塊，pi為p周圍的第i個圖像塊，將相似度值s1,s2,...,s8和圖像塊pi所包含的25個像素p1,p2,...,p25進(jìn)行歸一化處理，得到一個表示圖像塊的33維特征向量pf＝(p1,p2,...,p25,s1,s2,...,s8)；

步驟3：參考圖3描述，從圖像i左上角的第1個像素開始在水平和垂直兩個方向上，每隔3個像素采樣1個像素，直到采樣到圖像的右下角為止，將以采樣像素為中心的圖像塊作為索引圖像塊。

步驟4：對索引圖像塊集合中所有圖像塊的特征向量，通過式(5)計算每一維特征的方差，選取方差最大的特征維并計算其中值，

式中vi為特征值，為該維特征的均值，m為索引圖像塊的數(shù)目，參考圖4描述以該中值所對應(yīng)的圖像塊作為k維樹的根節(jié)點，將索引圖像塊集合劃分成兩部分，該維特征值小于中值的圖像塊位于根節(jié)點的左子樹中，該維特征值大于中值的圖像塊則位于根節(jié)點的右子樹中，得到1棵索引k維樹；

步驟5：參考圖5描述，將圖像i無重疊的等分成9幅子圖；

步驟6：對各子圖所含圖像塊的特征向量，通過式(5)計算每一維特征的方差，選取方差最大的特征維并計算其中值，參考圖4描述以該中值所對應(yīng)的圖像塊作為k維樹的根節(jié)點，將索引圖像塊集合劃分成兩部分，該維特征值小于中值的圖像塊位于根節(jié)點的左子樹中，該維特征值大于中值的圖像塊則位于根節(jié)點的右子樹中，共得到9棵子圖k維樹；

步驟7：從索引k維樹的根節(jié)點開始，利用式(6)計算待搜索圖像塊的特征向量與樹中當(dāng)前節(jié)點特征向量的相似度，

式中pf為待搜索圖像塊的特征向量，pfi為k維樹當(dāng)前節(jié)點的特征向量，b為控制參數(shù)，對于預(yù)先設(shè)定的閾值λ，如果sfi>λ則在以當(dāng)前節(jié)點的根節(jié)點的子樹中繼續(xù)搜索，否則將當(dāng)前節(jié)點及其所有孩子節(jié)點作為與待搜索圖像塊相似的圖像塊；

步驟8：統(tǒng)計每棵子圖k維樹所包含的相似圖像塊數(shù)目，選定所含數(shù)目最大的那棵子圖k維樹作為目標(biāo)子圖k維樹；

步驟9：從目標(biāo)子圖k維樹的根節(jié)點開始，利用式(3)計算待搜索圖像塊的特征向量與樹中當(dāng)前節(jié)點特征向量的相似度；對于預(yù)先設(shè)定的閾值λ，如果sfi>λ則在以當(dāng)前節(jié)點的根節(jié)點的子樹中繼續(xù)搜索；否則，將當(dāng)前節(jié)點及其所有孩子節(jié)點作為與待搜索圖像塊相似的圖像塊。所述的步驟9得到的相似圖像塊即為與待搜索圖像塊相似的圖像塊。

對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。