[发明专利]一种自适应非局部均值去噪方法

说明书

技术领域

本发明涉及数字图像处理领域，尤其是涉及一种自适应非局部均值去噪方法。

背景技术

非局部均值去噪(NL-means)是近年来提出的一项新型的图像去噪技术。该方法充分利用了图像中的冗余信息，在去噪的同时能最大程度地保持图像的细节特征。去噪的基本思想是：当前像素的估计值由图像中与它具有相似邻域结构的像素加权平均得到。

非局部均值去噪方法对图像的非局部自相似性进行了有效开发，其去噪效果依赖于能否找到足够数量的相似图像块。然而，该方法使用的图像块往往具有固定的形状和大小，这严重限制了潜在相似图像块的数量，因此，图像块大小和潜在相似图像块数量之间往往需要取得平衡，这是因为：一方面，较大图像块在进行相似性度量时对噪声更加鲁棒，并且能够产生较少的人工痕迹，从而使得去噪效果更加平滑，这在图像的平坦区域最为显著；但是，另一方面，随着图像块的逐渐增大，潜在相似图像块的数量将会减少，从而造成去噪效果的退化，这在图像的纹理区域特别明显。

故在非局部均值去噪方法中，如何找到合适大小的图像块，是亟待解决的技术问题。

发明内容

本发明为克服上述情况不足，旨在提供一种自适应非局部均值去噪方法，采取合适大小的图像块，能够平衡图像块大小和潜在相似图像块数量，从而得到较好的去噪效果。

一种自适应非局部均值去噪方法，包括：

采用至少两种不同大小的图像块，对待去噪图像每个像素点使用非局部均值去噪方法进行去噪估计，得到待去噪图像每个像素点在至少两种不同去噪模式下的去噪估计值；

利用待去噪图像每个像素点在至少两种不同去噪模式下的归一化常数对所述至少两个去噪估计值进行选择，从而确定待去噪图像每个像素点的最终去噪估计值。

进一步的，所述图像块的大小用d×d像素阵列表示，其中d＝2r+1，r为正整数。

进一步的，所述r取三个数值或四个数值或五个数值。

进一步的，所述采用至少两种不同大小的图像块对待去噪图像每个像素点使用非局部均值去噪方法进行去噪估计，得到至少两种不同去噪模式下图像的去噪估计值的方法如下：

其中d选取至少两个不同的值，计算不同模式下的图像去噪估计值，图像去噪估计值具体采用如下方法计算：

公式(1)中，S表示搜索相似像素点的搜索窗口，为以像素点i为中心的一个图像区域，S的取值范围为[3×3，I]；u'_d×d(i)表示待处理像素点i在图像块大小为d×d模式下的去噪估计值，v(j)表示像素点j在待噪声图像中的灰度值，w_d×d(i,j)表示在图像块大小为d×d模式下像素点j相对于像素点i的权重值，其计算方式如下所示：

公式(2)中，V_d×d(i)和V_d×d(j)分别表示以像素点i和像素点j为中心的图像块的灰度值向量，图像块大小为d×d，h为滤波参数，表示V_d×d(i)和V_d×d(j)之间的欧式距离；Z_d×d(i)为归一化常数；Z_d×d(i)计算方式如下：

公式(3)中，Z_d×d(i)为归一化常数，S表示搜索相似像素点的搜索窗口，为以像素点i为中心的一个图像区域，S的取值范围为[3×3，I]；V_d×d(i)和V_d×d(j)分别表示以像素点i和像素点j为中心的图像块的灰度值向量，图像块大小为d×d，h为滤波参数，表示V_d×d(i)和V_d×d(j)之间的欧式距离。

进一步的，所述S取I。

进一步的，所述利用待去噪图像每个像素点在至少两种不同去噪模式下的归一化常数对所述至少两个去噪估计值进行选择，从而确定待去噪图像每个像素点的最终去噪估计值包括：

判断所述至少两种不同去噪模式下的归一化常数的大小；

选择出归一化常数的最大值；

确定与归一化常数最大值对应的去噪估计值为待去噪图像每个像素点的最终去噪估计值。