[发明专利]图像去噪方法及系统

权利要求书

1.图像去噪方法，其特征在于，包括以下步骤：

步骤1、输入待处理图像，对待处理图像进行预处理，得到预处理图像；

步骤2、利用全变分图像去噪算法将预处理图像去噪转化成一个求能量函数的最小化问题模型，使得图像达到平滑状态，引入各向异性扩散方程用于图像去噪，预处理图像的椒盐及部分高斯混合噪声，在平滑噪声的同时使图像边缘得到保持，得到第一处理图像；

步骤3、利用非局部平均的NL-Means算法对第一处理图像进行第二次处理，寻找第一处理图像中每个待处理像素点邻域附近相似度接近的邻域，并计算相似度接近的邻域中心像素点的权重，计算出各个权重值与对应像素点灰度值的乘积，然后将各乘积相加作为待处理像素点的灰度值，完成对待处理像素点的处理，对第一处理图像中每个像素点进行处理，最后得到去噪完成的图像。

2.根据权利要求1所述的图像去噪方法，其特征在于，所述步骤2中具体包括以下步骤：

步骤2.1、利用输入的待处理噪声图片的具体参数，建立全变分去噪模型：

其中，f为待处理去噪图像，Ω为图像的定义域，(x，y)为定义域Ω内的像素点坐标；

此模型同时需满足约束条件：

其中，f₀为原始不含噪声图像；

步骤2.2、步骤2.1中的minTV(f)最小化模型可等价为，

其中，第1项为数据保真项，第2项为正则化项，参数λ为规整参数；

由上式导出的欧拉一拉格朗日方程为：

步骤2.3、在步骤2.2的基础上使用最陡下降法实现TV去噪，其扩散项为：

用差商代替偏导数，可得离散迭代格式为：

其中f_i,j表示图像f在像素点x_i＝iH,y_j＝jH的灰度值，Δt为时间步长，H为空间步长，p为迭代次数，迭代p次后，得到第一处理图像。

3.根据权利要求1所述的图像去噪方法，其特征在于，所述步骤3中的非局部平均的NL-Means算法包括以下步骤：

步骤3.1、在第一处理图像中选择像素点x，将第一处理图像进行大小分块处理，小块为以像素点X为中心的(2n+1)×(2n+1)邻域，大块为以像素点X为中心的(2N+1)×(2N+1)邻域，N＞n,即大邻域涵盖前面小块邻域(2n+1)×(2n+1)的范围；

步骤3.2、在大块邻域中选取以像素点Y为中心的(2n+1)×(2n+1)的邻域V(Y)，V(Y)不能包括像素点X，且V(Y)在大块邻域范围内，判别像素点X的(2n+1)×(2n+1)邻域V(X)与V(Y)的相似度：

其中，ω(X,Y)为相似度，Z(X)为归一化系数，h为平滑参数，V(X)和V(Y)分别代表以X像素点和以Y像素点为中心的(2n+1)×(2n+1)矩形邻域，||V(X)-V(Y)||²为X,Y两个邻域的高斯加权欧式距离；求取的结果ω(X,Y)作为像素点Y的权重取值；

步骤3.3、对大块邻域中每个符合要求的像素点Y计算权重取值，将每个已计算权重的像素点Y的灰度值与其对应的权重取值相乘，得到每个像素点Y对应的灰度值权重，然后对大块邻域中所有每个符合要求的像素点Y的灰度值权重进行求和，得到替换灰度值，将像素点X的灰度值用替换灰度值进行替换；

步骤3.4、对图像中的所有像素点进行上述步骤3.1-3.3的处理，直到对所有像素点处理完成，得到处理完成的图像。

4.图像去噪系统，其特征在于，包括预处理模块、第一处理模块和第二处理模块，所述预处理模块用于对待处理的该图像进行预处理，得到预处理图像；

所述第一处理模块用于利用全变分图像去噪算法将预处理图像去噪转化成一个求能量函数的最小化问题模型，使得图像达到平滑状态，引入各向异性扩散方程用于图像去噪，预处理图像的椒盐及部分高斯混合噪声，在平滑噪声的同时使图像边缘得到保持，得到第一处理图像；

所述第二处理模块用于利用非局部平均的NL-Means算法对第一处理图像进行第二次处理，寻找第一处理图像中每个待处理像素点邻域附近相似度接近的邻域，并计算相似度接近的邻域中心像素点的权重，计算出各个权重值与对应像素点灰度值的乘积，然后将各乘积相加作为待处理像素点的灰度值，完成对待处理像素点的处理，对第一处理图像中每个像素点进行处理，最后得到去噪完成的图像。