專利名稱：圖像去噪的方法和裝置的制作方法
技術領域：
本發明實施例涉及圖像領域，并且更具體地，涉及圖像去噪的方法和裝置。
背景技術：
圖像去噪一直是圖像處理領域的重要研究方向。近年來，隨著稀疏編碼理論的發展，稀疏編碼被用于圖像去噪，取得了很好的效果。這種方法的原理是，圖像的非噪聲成分能用字典中少量的原子線性表示，而大部分噪聲成分不具備這種稀疏表示的性質。因此將圖像塊進行基于字典的稀疏重構后，即可去除部分噪聲成分。但是，由于存在噪聲成分能夠被字典中的原子表示的情況，仍然會影響稀疏表示系數的計算，造成重構后部分噪聲成分仍然沒有去除。因此，需要適當的方案來對含有噪聲成分的圖像進行稀疏重構，盡可能減小噪聲對稀疏重構的影響。
發明內容
本發明實施例提供一種圖像去噪的方法和裝置，能夠減小噪聲對稀疏重構的影響。一方面，提供了一種圖像去噪的方法，該方法包括:確定目標圖像包括的原始圖像塊彼此之間的相似度；根據該相似度，對該原始圖像塊進行聚類操作，確定該目標圖像的圖像塊類；根據該圖像塊類，基于去噪字典對該原始圖像塊進行稀疏重構，確定該目標圖像的去噪圖像塊。另一方面，提供了一種圖像去噪的裝置，該裝置包括:相似度確定單元，用于確定目標圖像包括的原始圖像塊彼此之間的相似度；聚類單元，用于根據該相似度確定單元確定的該相似度，對該原始圖像塊進行聚類操作，確定該目標圖像的圖像塊類；去噪圖像塊確定單元，用于根據該聚類單元確定的該圖像塊類，基于去噪字典對該原始圖像塊進行稀疏重構，確定該目標圖像的去噪圖像塊。根據本發明實施例的圖像去噪的方法和裝置，通過根據原始圖像塊彼此之間的相似度對原始圖像塊進行聚類，對聚類后的同一類中的原始圖像塊同時進行稀疏重構，能夠將同一類的原始圖像塊的相似性信息加入到稀疏模型中，減小噪聲對稀疏重構的影響，從而達到更好的去噪效果。
為了更清楚地說明本發明實施例的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1是根據本發明實施例的圖像去噪的方法的示意性流程圖。
圖2是根據本發明實施例的圖像塊劃分方法劃分出的原始圖像塊的示意圖。圖3是根據本發明另一實施例的圖像去噪的方法的示意性流程圖。圖4是根據本發明實施例的圖像去噪的裝置的示意性框圖。圖5是根據本發明另一實施例的圖像去噪的裝置的示意性框圖。
具體實施例方式下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。圖1示出了根據本發明實施例的圖像去噪的方法100的示意性流程圖，如圖1所示，該方法包括:S110，確定目標圖像包括的原始圖像塊彼此之間的相似度；S120，根據該相似度，對該原始圖像塊進行聚類操作，確定該目標圖像的圖像塊類；S130，根據該圖像塊類，基于去噪字典對該原始圖像塊進行稀疏重構，確定該目標圖像的去噪圖像塊。具體地說，在S110，可以首先對目標圖像進行圖像塊劃分操作，將目標圖像分割為原始圖像塊，對原始圖像塊進行后續處理，在本發明實施例中，可以將目標圖像劃分為互不重疊的原始圖像塊，但是，對按該方法劃分出的原始圖像塊進行處理后，會產生塊效應(Blocking Artifact),即隨著碼率的降低,量化變得粗糙,在塊的邊界會出現不連續,形成重建圖像的明顯缺陷。因此，在本發明實施例中，優選對目標圖像塊進行重疊劃分，即如圖2所示，使相鄰的兩個原始圖像塊除了一行(或一列)像素不重疊外，其他像素重疊，圖2，示出了將5X4的目標圖像重疊劃分為3X3的圖像塊a f的實例，圖中每個阿拉伯數字代表一個像素，例如，在塊a和塊b中，像素2、3、7、8、12、13重疊。應理解，以上列舉的劃分方法僅是本發明實施例的示例性說明，其他能夠將目標圖像劃分為圖像塊的方法均落入本發明的保護范圍內。在將目標圖像劃分成原始圖像塊后，可以確定目標圖像包括的原始圖像塊彼此之間的相似度。可選地，在本發明實施例中，可以利用各原始圖像塊之間的歐式距離(Euclidean distance)作為相似性測度,確定該原始圖像塊彼此之間的相似度,例如,兩個原始圖像塊之間的歐式距離越小，則相似度越大。應理解，以上列舉的作為相似性測度歐式距離僅是本發明實施例的示例性說明，其他能夠確定原始圖像塊彼此之間的相似度的參數均落入本發明的保護范圍內，例如，也可以使用余弦角、相關系數等距離測度。因此，該確定目標圖像包括的原始圖像塊彼此之間的相似度包括:根據該原始圖像塊彼此之間的相似性測度，確定該相似度，該相似性測度包括歐式距離、余弦角或相關系數。并且，可選地，在本發明實施例中，還可以在對原始圖像塊進行特征提取后，利用該特征進行相似性計算。其中，特征提取是計算機視覺和圖像處理中的一個概念。它指的是使用計算機提取圖像信息，決定每個圖像的點是否屬于一個圖像特征。特征提取的結果是把圖像上的點分為不同的子集，這些子集往往屬于孤立的點、連續的曲線或者連續的區域。在本發明實施例中，作為特征提取過程，可以對原始圖像塊進行變換(例如，小波變換)，將變換系數(例如，小波系數)作為該特征，確定相似度。因此，該確定目標圖像包括的原始圖像塊彼此之間的相似度包括:對該原始圖像塊進行特征提取，確定該原始圖像塊的特征；根據該特征，對該原始圖像塊進行相似性計算，確定該相似度。在S120，可以根據在SllO中確定的相似度，利用例如K-均值(K_means)算法對原始圖像塊進行聚類操作，確定該目標圖像的圖像塊類。這里，K-means算法是一個標準的聚類算法，輸入的內容是全部數據(例如，上述原始圖像塊)和類別數量，輸出的結果是各個類別的數據(例如，同一圖像塊類中的原始圖像塊)，在本發明實施例中，通過聚類操作，使在SllO中確定的相似度較大的原始圖像塊包括在同一圖像塊類中，從而可以確定同一圖像塊類中的原始圖像塊具有相似性，具體地，可以首先從劃分出的原始圖像塊中，隨機選取K個樣本圖像塊，然后比較剩余圖像塊與這K個樣本圖像塊的相似度(例如，歐式距離)，并將剩余圖像塊分別劃分到與其相似度最大(歐式距離最小)的樣本圖像塊的類中，并且，可以分別確定形成的K個原始圖像塊類的中心圖像塊為新的樣本圖像塊，再分別比較剩余圖像塊與這K個新的樣本圖像塊的相似度(例如，歐式距離)，并將剩余圖像塊分別劃分到與其相似度最大(歐式距離最小)的新的樣本圖像塊的類中。應理解，以上列舉的作為聚類算法的K-means算法僅是本發明實施例的示例性說明，其他能夠確定原始圖像塊類別的算法均落入本發明的保護范圍內，例如，也可以使用層次聚類算法、AP算法等。在S130，可以根據該圖像塊類，利用字典，對同一類的所有原始圖像塊同時進行稀疏重構，確定該目標圖像的去噪圖像塊，然后對該去噪圖像塊進行拼合，從而確定目標圖像的去噪圖像。在稀疏重構中，不同的字典適合表達圖像中不同性質的成分(如平滑成分、紋理成分等)。在本發明實施例中，可以使用僅表達一種圖像分量的字典，對原始圖像塊進行去噪，為了盡可能保留原圖像中非噪聲成分中的各種成分，也可以使用多字典技術對原始圖像塊進行去噪。因此，該對該原始圖像塊進行稀疏重構還包括:對至少兩個用于表達圖像成分的字典進行拼合，生成去噪字典；根據該去噪字典對該原始圖像塊進行稀疏重構。具體地說，在本發明實施例中，使用多字典技術，即將善于表示不同性質成分的字典放在一起作為字典用于稀疏重構。例如一本字典使用描述平滑分量的雙正交小波字典Dowt,另一本字典使用描述細節分量的DCT字典Ddct,拼合之后，D = [D0ffT, Ddct]。根據本法實施例，通過利用字典的多樣性，能夠盡量避免在圖像塊的稀疏重構時丟失圖像的某些成分。并且，由于不同的圖像包含的成分區別較大，多字典技術可以使稀疏去噪方法對不同圖像有較高的適應性。然后使用結構化稀疏表示對原始圖像塊進行重構。假設原始圖像塊包括n個像素,其大小為則字典矩陣 為Dnxp，其中D為去噪字典，p為該去噪字典包括的原子的數量。假設聚類后某一圖像塊類共包括m個原始圖像塊，將原始圖像塊記為Y= [yi，y2，…，yj，其中每一列表示圖像塊類中的一個圖像塊。設矩陣2 =吆,先,...,之]的各列為各個原始圖像塊在字典上的表示系數，相同結構的稀疏去噪可以由以下公式(I)描述:
A = argminj^J||^4; _Yj|[ + |4.||2| ( I )其中，A1.和Aj分別為稀疏表示系數矩陣A的第i行和第j列，Yj為去噪圖像塊矩陣Y的第j列，\為正則化參數，在本發明實施例中，可以以例如0.1、/S作為、的值。應理解，以上正則化參數\的具體數值僅是本發明實施例的示例性說明，其他能夠實現正則化的數值均落入本發明的保護范圍內。求得一個圖像塊類中所有原始圖像塊的表示系數i后，即可根據以下公式(2)重構出該圖像塊類的去噪圖像塊:Y = DA(2)本發明實施例中，作為去噪字典D，列舉了描述平滑分量的雙正交小波字典Dwt和描述細節分量的DCT字典Ddct，但本發明并不限定于此，還可以選擇善于表達平滑分量的字典，例如雙正交小波字典、脊波字典、曲線波字典等，善于表達紋理分量的字典，例如DCT字典、Gabor字典等。可以在這些字典中選擇多個字典的搭配。圖3示出了根據本發明實施例的圖像去噪的方法100的另一示意性流程圖，如圖3所示,該方法還包括:S140，確定所述目標圖像包括同時覆蓋有至少兩個覆蓋圖像塊的重疊像素點，該覆蓋圖像塊屬于該去噪圖像塊；S150，根據各所述覆蓋圖像塊包括的位于所述重疊像素點的覆蓋像素的像素信息，確定所述目標圖像在所述重疊像素點上的重疊去噪像素。具體地說，在確定去噪圖像塊后，如果目標圖像的圖像塊(原始圖像塊或目標圖像塊)不包括重疊像素點，則可以直接對該去噪圖像塊進行拼合，從而確定目標圖像的去噪圖像。如果目標圖像的 圖像塊包括重疊像素點，例如，如圖2所示，覆蓋像素7的圖像塊包括圖像塊a、圖像塊b、圖像塊d、圖像塊e，即可以確定該像素7為去噪圖像中的重疊像素點，因此，可以確定像素7在以上四個圖像塊中的像素信息(例如，灰度)的平均值，作為像素7在去噪圖像中的像素信息(例如，灰度)，這樣，確定了去噪圖像包括的重疊像素點的像素信息，從而確定了目標圖像的去噪圖像。可選地，還可以對該像素信息進行加權平均，將該加權平均值作為重疊像素點在去噪圖像中的像素信息，因此，所述根據各所述覆蓋圖像塊在所述重疊像素點上的覆蓋像素的像素信息，確定所述目標圖像在所述重疊像素點上的重疊去噪像素，還包括:根據該重疊像素點在該覆蓋圖像塊中的位置與該覆蓋圖像塊的中心坐標之間的歐式距離，對該像素信息進行加權平均，確定目標圖像在重疊像素點上的重疊去噪。并且，像素信息的加權平均值/>+,_/+)可以根據以下公式⑶確定，hu I) = Z w^pI1 O+，))](3 )
P^c其中，C為覆蓋到該重疊像素點(i，j)的去噪圖像塊的集合，w(p)為噪圖像塊p的權重系數，P[I(i，j)]為該重疊像素點(i，j)在該去噪圖像塊P中的像素信息的值，并且該權重系數w(p)可以根據以下公式(4)確定，
權利要求
1.一種圖像去噪的方法，其特征在于，所述方法包括: 確定目標圖像包括的原始圖像塊彼此之間的相似度； 根據所述相似度，對所述原始圖像塊進行聚類操作，確定所述目標圖像的圖像塊類；根據所述圖像塊類，基于去噪字典對所述原始圖像塊進行稀疏重構，確定所述目標圖像的去噪圖像塊。
2.根據權利要求1所述的方法，其特征在于，所述確定目標圖像包括的原始圖像塊彼此之間的相似度包括: 根據所述原始圖像塊彼此之間的相似性測度，確定所述相似度，所述相似性測度包括歐式距離、余弦角或相關系數。
3.根據權利要求1所述的方法，其特征在于，所述確定目標圖像包括的原始圖像塊彼此之間的相似度包括: 對所述原始圖像塊進行特征提取，確定所述原始圖像塊的特征； 根據所述特征，對所述原始圖像塊進行相似性計算，確定所述相似度。
4.根據權利要求1至3中任一項所述的方法，其特征在于，所述基于去噪字典對所述原始圖像塊進行稀疏重構包括: 對至少兩個用于表達圖像成分的字典進行拼合，生成去噪字典； 基于所述去噪字典對所述原始圖像塊進行稀疏重構。
5.根據權利要求1至4中任一項所述的方法，其特征在于，所述根據所述圖像塊類，對所述原始圖像塊進行稀疏重構，確定所述目標圖像的去噪圖像塊，包括: 根據以下公式確定稀疏重構的稀疏表示系數i , i = a'minj勾|/)4; _+ ^|4.|2| ； 根據以下公式確定所述去噪圖像塊7 Y = DA, 其中，A1.和Aj分別為稀疏表示系數矩陣A的第i行和第j列，Yj為去噪圖像塊矩陣Y的第j列，入為正則化參數，m為所述圖像塊類包括的原始圖像塊的數量，D為所述去噪字典，P為所述去噪字典包括的原子的數量。
6.根據權利要求1至5中任一項所述的方法，其特征在于，所述方法還包括: 確定所述目標圖像包括同時覆蓋有至少兩個覆蓋圖像塊的重疊像素點，所述覆蓋圖像塊屬于所述去噪圖像塊； 根據各所述覆蓋圖像塊在所述重疊像素點上的覆蓋像素的像素信息，確定所述目標圖像在所述重疊像素點上的重疊去噪像素。
7.根據權利要求6所述的方法，其特征在于，所述根據各所述覆蓋圖像塊在所述重疊像素點上的覆蓋像素的像素信息，確定所述目標圖像在所述重疊像素點上的重疊去噪像素,還包括: 根據所述重疊像素點在所述覆蓋圖像塊中的位置與所述覆蓋圖像塊的中心坐標之間的歐式距離，對所述像素信息進行加權平均，確定所述目標圖像在所述重疊像素點上的重疊去噪像素。
8.根據權利要求7所述的方法，其特征在于，所述根據所述重疊像素點在所述覆蓋圖像塊中的位置與所述覆蓋圖像塊的中心坐標之間的歐式距離，對所述像素信息進行加權平均，確定所述目標圖像在所述重疊像素點上的重疊去噪，包括: 根據以下公式確定所述像素信息的加權平均值/ ,
9.根據權利要求6至8中任一項所述的方法，其特征在于，所述像素信息包括灰度、亮度或對比度。
10.一種圖像去噪的裝置，其特征在于，所述裝置包括: 相似度確定單元，用于確定目標圖像包括的原始圖像塊彼此之間的相似度； 聚類單元，用于根據所述相似度確定單元確定的所述相似度，對所述原始圖像塊進行聚類操作，確定所述目標圖像的圖像塊類； 去噪圖像塊確定單元，用于根據所述聚類單元確定的所述圖像塊類，基于去噪字典對所述原始圖像塊進行稀疏重構，確定所述目標圖像的去噪圖像塊。
11.根據權利要求10所述的裝置，其特征在于，所述相似度確定單元還用于根據所述原始圖像塊彼此之間的相似性測度，確定所述相似度，所述相似性測度包括歐式距離、余弦角或相關系數。
12.根據權利要求10所述的裝置，其特征在于，所述相似度確定單元還用于對所述原始圖像塊進行特征提取，確定所述原始圖像塊的特征；以及 用于根據所述特征，對所述原始圖像塊進行相似性計算，確定所述相似度。
13.根據權利要求10至12中任一項所述的裝置，其特征在于所述去噪圖像塊確定單元還用于對至少兩個用于表達圖像成分的字典進行拼合，生成去噪字典；以及 根據所述去噪字典對所述原始圖像塊進行稀疏重構。
14.根據權利要求10至13中任一項所述的裝置，其特征在于，所述去噪圖像塊確定單元用于根據以下公式確定稀疏重構的稀疏表示系數i ,
15.根據權利要求10至14中任一項所述的裝置，其特征在于，所述裝置還包括: 重疊像素點確定單元，用于確定所述目標圖像包括同時覆蓋有至少兩個覆蓋圖像塊的重疊像素點，所述覆蓋圖像塊屬于所述去噪圖像塊確定單元確定的所述去噪圖像塊； 重疊去噪像素確定單元，用于根據各所述覆蓋圖像塊在所述重疊像素點上的覆蓋像素的像素信息，確定所述目標圖像在所述重疊像素點上的重疊去噪像素。
16.根據權利要求15所述的裝置，其特征在于，所述重疊去噪像素確定單元還用于根據所述重疊像素點在所述去噪圖像塊中的位置與所述去噪圖像塊的中心坐標之間的歐式距離，對所述重疊像素點在各所述去噪圖像塊中的像素信息進行加權平均，確定所述去噪圖像在所述像素重疊位置上的重疊去噪像素。
17.根據權利要求16所述的裝置，其特征在于，所述重疊去噪像素確定單元用于根據以下公式確定所述像素信息的加權平均值f ,
18.根據權利要求15至17中任一項所述的裝置，其特征在于，所述像素信息包括灰度、亮度或對比度。
全文摘要
本發明實施例提供一種圖像去噪的方法和裝置，能夠減小噪聲對稀疏重構的影響。該方法包括確定目標圖像包括的原始圖像塊彼此之間的相似度；根據該相似度，對該原始圖像塊進行聚類操作，確定該目標圖像的圖像塊類；根據該圖像塊類，基于去噪字典對該原始圖像塊進行稀疏重構，確定該目標圖像的去噪圖像塊。根據本發明實施例的圖像去噪的方法和裝置，通過根據原始圖像塊彼此之間的相似度對原始圖像塊進行聚類，利用圖像塊的相似性規律，對聚類后的同一類中的相似的原始圖像塊統一進行稀疏重構，能夠將同一類的原始圖像塊的相似性信息加入到稀疏模型中，減小噪聲對稀疏重構的影響，從而達到更好的去噪效果。
文檔編號G06T5/00GK103186885SQ201110456480
公開日2013年7月3日 申請日期2011年12月30日 優先權日2011年12月30日
發明者錢沄濤, 葉敏超, 沈言浩, 韓明臣, 柳海波 申請人:浙江大學, 華為技術有限公司