[发明专利]融合KL变换与灰色关联度的非局部均值去噪方法

权利要求书

1.一种融合KL变换与灰色关联度的非局部均值去噪方法，其特征在于，包括如下步骤：

S1，采用非局部均值去噪方法对含噪图像进行预去噪处理；

S2，基于非局部均值去噪方法的基本原理，改进图像子块间相似性度量的方式，进行权值重构；

S3，在相似性度量中，加入基于KL变换的特征因子，充分而完整的利用KL变换的特征提取功能，较精确的捕捉图像的特征

S4，在相似性度量中，加入基于新型灰色关联度的纹理因子，从纹理方向出发，进一步提高相似性度量的准确性，保护去噪后图像的细节纹理；

S5，以预去噪图像为基础，采用加入了特征因子和纹理因子进行权值重构的改进的非局部均值去噪方法进行二次去噪；

所述S4包括：

S4-1，在传统灰色关联度模型的基础上进行改进，利用相邻像素差值，使改进后的新型灰色关联度能在一定程度上反映图像子块的纹理分布；改进的新型灰色关联度模型具体描述如下；

将图像中以像素i为中心，尺寸大小为m×n的图像子块按行堆砌变换为行向量，令N＝m×n

将图像中以像素j为中心的图像子块变换为行向量

Ω为搜索窗内所有像素的集合；

求取相应的相邻差值序列，分别为pi、p_j；

p_i＝(p_i(1),p_i(2),…,p_i(N-1))

p_j＝(p_j(1),p_j(2),…,p_j(N-1))

其中

r_new(p_i,p_j)表示基于纹理明暗及方向变化的以像素i和像素j为中心的图像子块间的新型灰色关联度；

S4-2，采用新型灰色关联度构造纹理因子ω₂(i,j)；

其中

Z₂(i)＝∑_j∈Ωr_new(p_i,p_j)。

2.根据权利要求1所述的融合KL变换与灰色关联度的非局部均值去噪方法，其特征在于，所述S1包括：

采用传统非局部均值去噪方法对含噪图像进行预处理得到图像提高后续步骤中相似性度量的准确性。

3.根据权利要求1所述的融合KL变换与灰色关联度的非局部均值去噪方法，其特征在于，所述S2包括：

在相似性度量时加入特征因子和纹理因子，将KL变换、灰色关联度与非局部均值去噪方法融合，进行权值重构，从纹理特征的方向出发，使相似性度量更为准确；新的权重系数计算函数表达式概述如下：

ω^new(i,j)＝ω₁(i,j)ω₂(i,j)

ω₁(i,j)是基于KL变换的特征因子，ω₂(i,j)是基于新型灰色关联度的纹理因子。

4.根据权利要求1所述的融合KL变换与灰色关联度的非局部均值去噪方法，其特征在于，所述S3包括：

利用KL变换的特征提取功能构造权重系数计算函数中新型的特征因子；为避免单个图像子块的随机变化，利用相邻相关特性，仅选取预去噪图像中以像素i为中心的中心图像子块及其八邻域像素所在图像子块构造变换空间；采用KL变换后各图像子块在投影向量空间上坐标的欧氏距离计算图像子块间的特征因子ω₁(i,j)。

5.根据权利要求1所述的融合KL变换与灰色关联度的非局部均值去噪方法，其特征在于，所述S5包括：

以预去噪图像为基础，采用加入了特征因子和纹理因子进行权值重构的改进的非局部均值去噪方法进行二次去噪；去噪过程表示为

为简化计算量，在相似性度量时，j的取值范围不是图像中所有像素，而变化为一定尺寸的搜索窗内的所有像素；Ω即代表搜索窗内所有像素的集合；则为采用加入了特征因子和纹理因子进行权值重构的改进的非局部均值去噪方法进行二次去噪后像素i的去噪估计值。