[发明专利]基于多尺度的自然图像非局部均值去噪方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说是一种去噪方法，可用于对自然图像的去噪处理。

背景技术

随着计算机和数码成像设备的日益普及，数字图像处理越来越受到人们的重视。然而由于成像设备及成像条件的限制，数字图像在采集，转换，以及运输过程中不可避免受到噪声的污染，因此图像去噪作为图像处理领域的基本技术之一，受到广泛的重视。许多实际的噪声可以近似的认为是高斯白噪声，去除图像中的高斯白噪声成为图像去噪领域中一个重要的方向。

传统的去噪方法大致可以分为两类，一类是基于空域的方法，一类是基于变换域的方法。空域去噪方法中比较经典的方法包括高斯滤波，中值滤波，双边滤波等。它们的共同特点就是利用局部窗口内像素灰度值的连续性来对当前像素进行灰度调整。这些方法大都在去除噪声的同时模糊了图像的细节信息，例如图像的边缘，纹理等。

由于自然图像，特别是纹理图像所含信息具有一定的冗余性，Buades等人提出了一种非局部均值的去噪方法。该方法以当前像素为中心取大小一定的窗口，在整幅图像内寻找与其具有相似结构的窗口，以窗口之间的相似度为权值对当前像素的灰度值进行调整。由于这种方法在去噪领域良好的性能，自提出以来迅速引起众多学者的广泛关注，但是它仍然存在以下问题：1：算法复杂性比较大；2：权值计算准确性欠佳；3：图像的边缘与细节仍存在一定程度的模糊。

基于多尺度几何分析的去噪方法比较成熟的就是小波域的各种去噪方法，小波去噪的关键问题是对图像小波系数统计模型的研究，这类算法的基本思想是把统计模型作为小波系数的先验概率模型，然后利用这个先验信息，在贝叶斯框架下对原始图像的小波系数进行估计。然而，小波变换仍然具有以下不足：1：高维时系数的稀疏性较差；2：图像分解后方向信息有限，为了克服小波变换的不足，近几年来出现了Ridgelet，Curvelet，Contourlet，Brushlet，Bandelet等一系列图像分解的新工具。但是由于多尺度几何分析的方法只是对高频图像的小波系数做萎缩阈值调整，对低频图像不做处理，所以其最终的去噪效果并不是很令人满意，而且常常会产生吉布斯现象。

发明内容

本发明的目的在于克服上述已有技术的不足，提出了基于多尺度的自然图像非局部均值去噪方法，对图像的低频和高频信息采用不同的方法进行处理，以实现对自然图像去噪中边缘和平滑区域的兼顾，极大的减弱吉布斯现象，提高图像去噪效果。

为实现上述目的，本发明包括如下步骤：

(1)对输入的含噪自然图像做小波变换，将其分解为低频图像和高频图像；

(2)用BayesShrink方法对不同尺度的高频图像的系数进行修正，得到修正后的高频图像：

Vij′=sign(Vij)(|Vij|-TB)|Vij|>TB0|Vij|≤TB]]>

其中，V_ij是指第i层第j个方向的高频图像小波系数，是指第i层第j个方向的萎缩阈值，是指第i层第j个方向高频图像的噪声方差，σ_x是指高频图像信号的标准差，sign是指符号函数，