[发明专利]基于形状自适应搜索窗口的非局部均值去噪方法

摘要

本发明公开了基于形状自适应搜索窗口的非局部均值去噪方法，包括：步骤1：输入噪声图像V，步骤2：计算噪声图像V在水平方向的梯度图像Vx和垂直方向的梯度图像Vy；步骤3：计算噪声图像V所对应的结构张量T(s,σ)；步骤4：计算得到当前像素i的形状自适应搜索窗口ASi；步骤5：划分图像块，计算相似性权重值w(i,j)；步骤6：计算得到当前像素i去噪后的像素值步骤7：逐行逐列扫描，依次对噪声图像V中的每一像素进行步骤4到步骤6的处理过程，直到处理完所有像素，输出去噪后的图像本发明方法使得到的估计值更接近真实值，对图像中边缘和纹理细节信息具有更好地保护能力，取得的去噪效果优于大小和形状固定搜索窗口的非局部均值去噪方法。

主权项

1.基于形状自适应搜索窗口的非局部均值去噪方法，其特征在于，所述方法包括如下步骤：步骤1：输入噪声图像V，其噪声模型为V＝U+N，U表示未受噪声污染的图像，N表示均值为0、方差为σ2的高斯白噪声；步骤2：计算噪声图像V在水平方向的梯度图像Vx和垂直方向的梯度图像Vy，当前像素i在水平方向的梯度值和垂直方向的梯度值分别为Vx(i)和Vy(i)；步骤3：基于Vx与Vy，计算噪声图像V所对应的结构张量T(s,σ)，s和σ为计算结构张量所需高斯平滑滤波器的滤波半径和标准差，当前像素i的结构张量为T(s,σ)(i)；步骤4：计算当前像素i的结构张量T(s,σ)(i)对应的特征值和特征向量，得到当前像素i的形状自适应搜索窗口ASi；步骤5：划分图像块，按公式(1)计算当前像素i所在图像块与i的形状自适应搜索窗口ASi内其余像素j所在图像块之间的相似性权重值w(i,j)，将当前像素i与自身的相似性权重值w(i,i)设为权重值集合中的最大值：w(i,i)＝max({w(i,j)|j∈ASi,j≠i})；其中，相似性权重值w(i,j)满足0≤w(i,j)≤1且||v(P_i)‑v(P_j)||²表示像素i与像素j所在图像块的像素灰度值向量v(P_i)与v(P_j)的欧式距离，exp表示指数函数，是归一化系数，h是控制指数函数衰减程度的平滑参数，取值与噪声σ²成正比；步骤6：按公式(2)计算当前像素i的形状自适应搜索窗口AS_i内各像素值V(j)及对应相似性权重值w(i,j)的加权平均，得到当前像素i去噪后的像素值步骤7：逐行逐列扫描，依次对噪声图像V中的每一像素进行步骤4到步骤6的处理过程，直到处理完所有像素，输出去噪后的图像