本發(fā)明屬于非局部均值去噪優(yōu)化技術領域。具體涉及一種基于結構相似性的非局部均值去噪優(yōu)化方法。

背景技術：

圖像去噪是圖像處理領域中最基礎最廣泛研究的熱點問題，其目的在于去除圖像獲取和傳輸過程中引入的各類噪聲污染。在眾多圖像去噪算法中，buades等人提出的原始非局部均值算法被證明了其性能優(yōu)于其他經典的去噪方法。該算法的基本思想是利用圖像中大量冗余信息，對圖像中每一個像素點所在圖像塊進行全局范圍的搜索找出與之近似的塊，通過相似結構塊的加權平均以減少隨機噪聲，達到去噪的效果。

非局部均值濾波算法的核心問題在于確定加權核函數(shù)，原始非局部均值去噪算法采用指數(shù)型核函數(shù)進行加權，導致了圖像細節(jié)過度平滑而變得模糊，且純指數(shù)型或者余弦型的核函數(shù)不能適應噪聲的變化，對強噪聲的去噪能力明顯下降；改進的二次指數(shù)型核函數(shù)使加權值隨著距離的增加而迅速下降，導致對圖像細節(jié)的處理能力較差以及對不同噪聲強度的去噪性能差異較大等問題。

技術實現(xiàn)要素：

本發(fā)明旨在克服現(xiàn)有技術缺陷，目的是提供一種能保留圖像細節(jié)、適用于不同噪聲強度和視覺質量良好的基于結構相似性的非局部均值去噪優(yōu)化方法。

為完成上述任務，本發(fā)明采用的技術方案的具體步驟是：

步驟1、在噪聲污染圖像x中選取一個像素點i，以所述像素點i為中心，建立s×s的噪聲圖像搜索框。

步驟2、在所述噪聲圖像搜索框內取d×d的噪聲圖像相似框xt，用所述噪聲圖像相似框xt在所述噪聲圖像搜索框中滑動，找出所述噪聲圖像搜索框中所有噪聲圖像相似框xt的組合，記錄每個噪聲圖像相似框xt中心的像素點j，在以像素點i為中心的噪聲圖像搜索框內，即得所有像素點j對于像素點i的權重值w(i,j)，

式(1)中：h1表示平滑參數(shù)，h1為100～10000的自然數(shù)；

h2表示濾波參數(shù)，h2為10000；

d(i,j)表示所述噪聲圖像搜索框的像素點i與噪聲圖像相似框xt像素點j之間的距離，

式(2)中：xi表示噪聲污染圖像x中以像素點i為中心的噪聲圖像相似框；

xj表示噪聲污染圖像x中以像素點j為中心的噪聲圖像相似框；

v(xi)表示以像素點i為中心的噪聲圖像相似框xi中所有像素組成的鄰域向量；

v(xj)表示以像素點j為中心的噪聲圖像相似框xj中所有像素組成的鄰域向量。

步驟3、采用加權核函數(shù)改進的非局部均值方法，對噪聲污染圖像x進行一次去噪，即得所述噪聲污染圖像x一次去噪后的像素點i的像素值x′(i)，

步驟4、按照步驟3，即得所述噪聲污染圖像x一次去噪后的所有像素點的像素值x′，得到由所有像素點的像素值x′組成的一次去噪圖像

步驟5、在所述一次去噪圖像中，找到與所述噪聲污染圖像x中相同坐標位置的像素點i，以像素點i為中心，建立s×s的一次去噪圖像搜索框。

步驟6、在所述一次去噪圖像搜索框內取d×d和以像素點j為中心的一次去噪圖像相似框用所述一次去噪圖像相似框在所述一次去噪圖像搜索框中滑動，找到一次去噪圖像搜索框中所有一次去噪圖像相似框的組合，記錄每個一次去噪圖像相似框中心的像素點j。在以像素點i為中心的一次去噪圖像搜索框內，得到所有所述一次去噪圖像相似框對于以像素點i為中心的d×d的一次去噪圖像相似框的的權重值wssim(i,j)，

式(4)中：表示所述一次去噪圖像相似框與所述一次去噪圖像相似框之間的結構相似性，

式(5)中：c1表示穩(wěn)定常數(shù)ⅰ，c1＝6.5025；

c2表示穩(wěn)定常數(shù)ⅱ，c2＝58.5225；

表示以像素點i為中心的一次去噪圖像相似框的均值，

表示以像素點j為中心的一次去噪圖像相似框的均值，

表示以像素點i為中心的一次去噪圖像相似框的標準差，

表示以像素點j為中心的一次去噪圖像相似框的標準差，

表示以像素點i為中心的一次去噪圖像相似框與以像素點j為中心的

一次去噪圖像相似框之間的協(xié)方差，

式(6)～(10)中：n表示以像素點i為中心的一次去噪圖像相似框和以像素點j為中心的

一次去噪圖像相似框的像素點個數(shù)；

表示以像素點i為中心的一次去噪圖像相似框第k個像素點的值；

表示以像素點j為中心的一次去噪圖像相似框第k個像素點的值。

步驟7、調整噪聲污染圖像x中每一個d×d的噪聲圖像相似框xt，得到調整后的噪聲圖像相似框

式(11)中：c表示穩(wěn)定常數(shù)ⅲ，c＝1；

表示所述噪聲圖像相似框xt的均值；

表示所述噪聲圖像相似框xt的標準差；

表示噪聲圖像相似框xt對應的以像素點j為中心的一次去噪圖像相似框的均值；

表示噪聲圖像相似框xt對應的以像素點j為中心的一次去噪圖像相似框的標準差。

步驟8、二次去噪后，以像素點i為中心的二次去噪圖像相似框x″i為，

式(12)中：表示噪聲圖像相似框內所有像素點的集合；

表示調整后的噪聲圖像相似框中像素點j的像素值。

步驟9、按照步驟8，得到二次去噪后以所有像素點為中心的二次去噪圖像相似框x″，由以所有像素點為中心的二次去噪圖像相似框x″組成二次去噪圖像

由于采用上述技術方案，本發(fā)明與現(xiàn)有技術相比具有如下優(yōu)點：

本發(fā)明將非局部均值去噪算法中的指數(shù)型加權核函數(shù)改進為余弦系數(shù)加權的高斯核函數(shù)，具備了更好的加權特性，去噪性能和細節(jié)處理能力更強，輸出峰值信噪比更高，而且噪聲強度越大，改進算法的去噪性能提升越明顯，故能保留圖像細節(jié)和適用于不同噪聲強度。

本發(fā)明將結構相似性指標與加權核函數(shù)改進的非局部均值去噪算法結合起來，利用結構相似性指標更符合人眼視覺系統(tǒng)的基本原理，保留去噪圖像更多的結構信息，實現(xiàn)更好的視覺感知質量。

因此，本發(fā)明具有能保留圖像細節(jié)、適用于不同噪聲強度和視覺質量良好的特點。

附圖說明

圖1是本發(fā)明擬去噪的一幅噪聲污染圖像；

圖2是對圖1所示圖像的二次去噪圖像；

圖3是本發(fā)明擬去噪的另一幅噪聲污染圖像；

圖4是對圖3所示圖像的二次去噪圖像。

具體實施方式

下面結合附圖和具體實施方式對本發(fā)明作進一步的描述，并非對其保護范圍的限制：

實施例1

一種基于結構相似性的非局部均值去噪優(yōu)化方法。所述方法的具體步驟是：

步驟1、選取一幅如圖1所示的噪聲污染圖像x，圖1是本實施例擬去噪的一副噪聲污染圖像。所述噪聲污染圖像x的尺寸為256×256，噪聲標準差為25。設任意的像素點i,j∈x,(m,n)為任意像素點的坐標，在所述噪聲污染圖像x中選取一個像素點i，以所述像素點i為中心，建立7×7的噪聲圖像搜索框。

步驟2、在所述噪聲圖像搜索框內取3×3的噪聲圖像相似框xt，用所述噪聲圖像相似框xt在所述噪聲圖像搜索框中滑動，找出所述噪聲圖像搜索框中所有噪聲圖像相似框xt的組合，記錄每個噪聲圖像相似框xt中心的像素點j，在以像素點i為中心的噪聲圖像搜索框內，即得所有像素點j對于像素點i的權重值w(i,j)，

式(1)中：h1表示平滑參數(shù)，該實施例中h1為900；

h2表示濾波參數(shù)，h2為10000；

d(i,j)表示所述噪聲圖像搜索框的像素點i與噪聲圖像相似框xt像素點j之間的距離，

式(2)中：xi表示噪聲污染圖像x中以像素點i為中心的噪聲圖像相似框；

xj表示噪聲污染圖像x中以像素點j為中心的噪聲圖像相似框；

v(xi)表示以像素點i為中心的噪聲圖像相似框xi中所有像素組成的鄰域向量；

v(xj)表示以像素點j為中心的噪聲圖像相似框xj中所有像素組成的鄰域向量。

步驟3、采用加權核函數(shù)改進的非局部均值方法，對噪聲污染圖像x進行一次去噪，即得所述噪聲污染圖像x一次去噪后的像素點i的像素值x′(i)，

經過一次去噪后的各像素點的像素值如表1所示，(m,n)為像素點i的坐標。

表1一次去噪后的各像素點的像素值

步驟4、按照步驟3，即得所述噪聲污染圖像x一次去噪后的所有像素點的像素值x′，得到由所有像素點的像素值x′組成的一次去噪圖像

步驟5、在所述一次去噪圖像中，找到與所述噪聲污染圖像x中相同坐標位置的像素點i，以像素點i為中心，建立7×7的一次去噪圖像搜索框。

步驟6、在所述一次去噪圖像搜索框內取3×3和以像素點j為中心的一次去噪圖像相似框用所述一次去噪圖像相似框在所述一次去噪圖像搜索框中滑動，找到一次去噪圖像搜索框中所有一次去噪圖像相似框的組合，記錄每個一次去噪圖像相似框中心的像素點j。在以像素點i為中心的一次去噪圖像搜索框內，得到所有所述一次去噪圖像相似框對于以像素點i為中心的3×3的一次去噪圖像相似框的的權重值wssim(i,j)，

式(4)中：表示所述一次去噪圖像相似框與所述一次去噪圖像相似框之間的結構相似性，

式(5)中：c1表示穩(wěn)定常數(shù)ⅰ，c1＝6.5025；

c2表示穩(wěn)定常數(shù)ⅱ，c2＝58.5225；

表示以像素點i為中心的一次去噪圖像相似框的均值，

表示以像素點j為中心的一次去噪圖像相似框的均值，

表示以像素點i為中心的一次去噪圖像相似框的標準差，

表示以像素點j為中心的一次去噪圖像相似框的標準差，

表示以像素點i為中心的一次去噪圖像相似框與以像素點j為中心的一次去噪圖像相似框之間的協(xié)方差，

式(6)～(10)中：n表示以像素點i為中心的一次去噪圖像相似框和以像素點j為中心的一次去噪圖像相似框的像素點個數(shù)；

表示以像素點i為中心的一次去噪圖像相似框第k個像素點的值；

表示以像素點j為中心的一次去噪圖像相似框第k個像素點的值。

步驟7、調整噪聲污染圖像x中每一個d×d的噪聲圖像相似框xt，得到調整后的噪聲圖像相似框

式(11)中：c表示穩(wěn)定常數(shù)ⅲ，c＝1；

表示所述噪聲圖像相似框xt的均值；

表示所述噪聲圖像相似框xt的標準差；

表示噪聲圖像相似框xt對應的以像素點j為中心的一次去噪圖像相似框的均值；

表示噪聲圖像相似框xt對應的以像素點j為中心的一次去噪圖像相似框的標準差。

步驟8、二次去噪后，以像素點i為中心的二次去噪圖像相似框x″i為，

二次去噪后各圖像相似框x″i如表2所示，(m,n)為像素點i的坐標。

表2二次去噪后各圖像相似框x″i

式(12)中：表示噪聲圖像相似框內所有像素點的集合；

表示調整后的噪聲圖像相似框中像素點j的像素值。

步驟9、按照步驟8，得到二次去噪后以所有像素點為中心的二次去噪圖像相似框x″，由以所有像素點為中心的二次去噪圖像相似框x″組成如圖2所示二次去噪圖像

實施例2

一種基于結構相似性的非局部均值去噪優(yōu)化方法。所述方法的具體步驟是：

步驟1、選取一幅如圖3所示的噪聲污染圖像x，圖3是本實施例擬去噪的一副噪聲污染圖像。所述噪聲污染圖像x的尺寸為256×256，噪聲標準差為25。設任意的像素點i,j∈x,(m,n)為任意像素點的坐標，在所述噪聲污染圖像x中選取一個像素點i，以所述像素點i為中心，建立7×7的噪聲圖像搜索框。

步驟2、在所述噪聲圖像搜索框內取3×3的噪聲圖像相似框xt，用所述噪聲圖像相似框xt在所述噪聲圖像搜索框中滑動，找出所述噪聲圖像搜索框中所有噪聲圖像相似框xt的組合，記錄每個噪聲圖像相似框xt中心的像素點j，在以像素點i為中心的噪聲圖像搜索框內，即得所有像素點j對于像素點i的權重值w(i,j)，

式(1)中：h1表示平滑參數(shù)，該實施例中h1為1200；

h2表示濾波參數(shù)，h2為10000；

d(i,j)表示所述噪聲圖像搜索框的像素點i與噪聲圖像相似框xt像素點j之間的距離，

式(2)中：xi表示噪聲污染圖像x中以像素點i為中心的噪聲圖像相似框；

xj表示噪聲污染圖像x中以像素點j為中心的噪聲圖像相似框；

v(xi)表示以像素點i為中心的噪聲圖像相似框xi中所有像素組成的鄰域向量；

v(xj)表示以像素點j為中心的噪聲圖像相似框xj中所有像素組成的鄰域向量。

步驟3、采用加權核函數(shù)改進的非局部均值方法，對噪聲污染圖像x進行一次去噪，即得所述噪聲污染圖像x一次去噪后的像素點i的像素值x′(i)，

經過一次去噪后的各像素點的像素值x′(i)如表3所示，(m,n)為像素點i的坐標。

表3一次去噪后的各像素點的像素值x′(i)

步驟4、按照步驟3，即得所述噪聲污染圖像x一次去噪后的所有像素點的像素值x′，得到由所有像素點的像素值x′組成的一次去噪圖像

步驟5、在所述一次去噪圖像中，找到與所述噪聲污染圖像x中相同坐標位置的像素點i，以像素點i為中心，建立7×7的一次去噪圖像搜索框。

步驟6、在所述一次去噪圖像搜索框內取3×3和以像素點j為中心的一次去噪圖像相似框用所述一次去噪圖像相似框在所述一次去噪圖像搜索框中滑動，找到一次去噪圖像搜索框中所有一次去噪圖像相似框的組合，記錄每個一次去噪圖像相似框中心的像素點j。在以像素點i為中心的一次去噪圖像搜索框內，得到所有所述一次去噪圖像相似框對于以像素點i為中心的3×3的一次去噪圖像相似框的的權重值wssim(i,j)，

式(4)中：表示所述一次去噪圖像相似框與所述一次去噪圖像相似框

之間的結構相似性，

式(5)中：c1表示穩(wěn)定常數(shù)ⅰ，c1＝6.5025；

c2表示穩(wěn)定常數(shù)ⅱ，c2＝58.5225；

表示以像素點i為中心的一次去噪圖像相似框的均值，

表示以像素點j為中心的一次去噪圖像相似框的均值，

表示以像素點i為中心的一次去噪圖像相似框的標準差，

表示以像素點j為中心的一次去噪圖像相似框的標準差，

表示以像素點i為中心的一次去噪圖像相似框與以像素點j為中心的一次去噪圖像相似框之間的協(xié)方差，

式(6)～(10)中：n表示以像素點i為中心的一次去噪圖像相似框和以像素點j為中心的一次去噪圖像相似框的像素點個數(shù)；

表示以像素點i為中心的一次去噪圖像相似框第k個像素點的值；

表示以像素點j為中心的一次去噪圖像相似框第k個像素點的值。

步驟7、調整噪聲污染圖像x中每一個d×d的噪聲圖像相似框xt，得到調整后的噪聲圖像相似框

式(11)中：c表示穩(wěn)定常數(shù)ⅲ，c＝1；

表示所述噪聲圖像相似框xt的均值；

表示所述噪聲圖像相似框xt的標準差；

表示噪聲圖像相似框xt對應的以像素點j為中心的一次去噪圖像相似框的均值；

表示噪聲圖像相似框xt對應的以像素點j為中心的一次去噪圖像相似框的標準差。

步驟8、二次去噪后，以像素點i為中心的二次去噪圖像相似框x″i為，

二次去噪后各圖像相似框x″i如表4所示，(m,n)為像素點i的坐標。

表4二次去噪后各圖像相似框x″i

式(12)中：表示噪聲圖像相似框內所有像素點的集合；

表示調整后的噪聲圖像相似框中像素點j的像素值。

步驟9、按照步驟8，得到二次去噪后以所有像素點為中心的二次去噪圖像相似框x″，由以所有像素點為中心的二次去噪圖像相似框x″組成如圖4所示二次去噪圖像

本具體實施方式與現(xiàn)有技術相比具有如下優(yōu)點：

本具體實施方式將非局部均值去噪算法中的指數(shù)型加權核函數(shù)改進為余弦系數(shù)加權的高斯核函數(shù)，具備了更好的加權特性，去噪性能和細節(jié)處理能力更強，輸出峰值信噪比更高，而且噪聲強度越大，改進算法的去噪性能提升越明顯，故能保留圖像細節(jié)和適用于不同噪聲強度。

本具體實施方式將結構相似性指標與加權核函數(shù)改進的非局部均值去噪算法結合起來，利用結構相似性指標更符合人眼視覺系統(tǒng)的基本原理，保留去噪圖像更多的結構信息，實現(xiàn)更好的視覺感知質量。

因此，本具體實施方式具有能保留圖像細節(jié)、適用于不同噪聲強度和視覺質量良好的特點。