專利名稱：基于奇異值分解的非局部維納濾波圖像去噪方法
技術領域：
本發明屬于圖像處理技術領域，具體的說是一種基于奇異值分解的非局部維納濾波圖像去噪方法，可用于醫學影像、天文學影像、視頻多媒體等領域的數字圖像預處理。
背景技術：
隨著計算機和數碼成像設備的日益普及，數字圖像處理越來越受到人們的重視。然而由于成像設備及成像條件的限制，數字圖像在采集、轉換以及運輸過程中不可避免地受到噪聲的污染，因此圖像去噪作為圖像處理領域的基本技術之一，受到廣泛的重視。許多實際的噪聲可以近似地認為是高斯白噪聲，去除圖像中的高斯白噪聲成為圖像去噪領域中一個非常重要的方向。圖像去噪技術按照是否需要對圖像進行變換，可以分為空域方法和變換域方法。前者不需要對圖像進行變換，直接對圖像像素進行去噪，如經典的均值濾波、各向異性濾波和雙邊濾波器等。后者是先將圖像變換到頻域，再對變換的稀疏系數進行處理，以達到去噪的效果，如小波變換以及多尺度幾何分析等。最小均方誤差估計MMSE方法是估值理論中用得最為廣泛的方法之一。它是基于最小化統計準則，使得所有統計樣本的估計值和真實值之間的均方誤差最小。由于圖像去噪可以看作是對污染圖像尋找一個原圖像估計值的過程，所以基于麗SE的方法也常常用于圖像去噪。根據MMSE準則設計出來的濾波器叫做最小均方誤差濾波器，也叫做維納濾波器Wiener Filter。近年來，基于維納濾波的圖像去噪方法在圖像去噪領域具有非常出色的表現。具有代表性的有:基于三維塊匹配圖像去噪方法BM3D，基于局部像素分組的主成分分析圖像去噪方法LPG-PCA，基于塊的局部最優維納濾波圖像去噪方法PLOW等。BM3D 是 Dabov 等人在文獻 “ Image denoising by sparse3-D transform-domaincollaborative filtering.1EEE Transactions on Image Processing，2007, vol.16n0.8，pp.2080-2095.”中提出來的。該方法是一種基于三維離散余弦變換3-DDCT的維納濾波，并采用了基于兩步的去噪方式。該方法的主要步驟:第一步，對噪聲圖像進行基于三維變換的硬閾值；第二步，將硬閾值的去噪結果作為初始估計再對原噪聲圖像進行基于三維變換的維納濾波。但該方法仍然存在的不足有:由于第一步的去噪方式采用的是硬閾值，通過這樣的方式易造成圖像邊緣和紋理細節的丟失；同時由于第一步的去噪結果是第二步的初始估計，如果初始估計不準確，則直接地影響第二步的去噪結果。LPG-PCA 是張嘉等人在文獻“Two-stage image denoising by principalcomponent analysis with local pixel grouping.Pattern Recognition,2010，vol.43，pp.1531-1549.”中提出來的。該方法是基于主成分分析PCA變換的維納濾波，并采用了兩步重復的去噪方式。該方法的主要步驟:第一步，首先，在非局部搜索窗內找相似塊，然后，將這些相似塊構成一個矩陣再進行PCA變換，最后利用所有相似塊的PCA系數對圖像塊進行維納濾波；第二步，對第一步去噪后的圖像重新估計噪聲方差并重復第一步操作。該方法的不足是:該方法利用的是所有相似塊的PCA系數，而相似塊中的許多圖像塊與待去噪圖像塊不夠相似，這樣造成計算得到系數方差和系數均值都不夠準確，直接影響了維納濾波的去噪效果。PLOW 是 Priyam Chatterjee 和 Peyman Milanfar 在文獻“Patch-BasedNear-Optimal Image Denoising.1EEE Transactions on Image Processing，2012，vol.21，N0.4，pp.1635-1649.”中提出來的。該方法一種是基于結構聚類和PCA變換的維納濾波器。該方法的主要步驟:第一步，對圖像進行逐像素分塊，然后再對圖像塊進行聚類并計算每一類的均值和方差；第二步，在非局部搜索窗內尋找相似塊，通過待去噪圖像塊所在類的均值和方差設計維納濾波器，并采用該濾波器對圖像塊去噪。該方法的不足是:該維納濾波器是利用每一類的均值和方差設計的，由于類內的許多圖像塊與待去噪圖像塊不夠相似，所以和LPG-PCA —樣，計算得到的均值和方差都不夠準確。
發明內容
本發明的目的在于針對上述去噪方法的不足，提出一種基于奇異值分解的非局部維納濾波圖像去噪方法，以保持圖像的邊緣和紋理細節，提高圖像的去噪效果。實現本發明的技術思路是:利用基于SVD的維納濾波器對非局部搜索窗內選擇的相似圖像塊進行去噪，并通過BM3D的聚集技術對去噪后的圖像塊進行重構獲得去噪圖像。本發明的具體實現步驟包括如下:(I)輸入一幅N行M列的含噪圖像Y，設置最大迭次數Y和停止參數δ ；(2)采用下式估計含噪圖像Y的噪聲標準差σ :
權利要求
1.一種基于奇異值分解的非局部維納濾波圖像去噪方法，包括如下步驟: (1)輸入一幅N行M列的含噪圖像Y，設置最大迭次數Y和停止參數δ； (2)采用下式估計含噪圖像Y的噪聲標準差ση:
2.根據權利要求1所述的圖像去噪方法，其中步驟(5)所述的對圖像塊yi;i e U，...，NXM}的相似圖像塊集合Iyij, j=l,...，k}進行基于SVD的維納濾波，按如下步驟進行: 5a)將相似塊集合{yij，j=l，...，k}中的k個I X I大小的圖像塊分別拉成I2X I大小的像素矢量，得到像素矢量集合Zij, j=l,..., k}； 5b)計算像素矢量均值
3.根據權利要求1所述的圖像去噪方法，其中步驟(8)所述的計算含噪圖像Y和去噪圖像X之間的均方誤差e (X，Y)，按如下公式進行:
全文摘要
本發明公開了一種基于奇異值分解的非局部維納濾波圖像去噪方法，主要解決現有去噪方法效果不佳問題。其實現步驟①輸入一幅含噪圖像；②估計含噪圖像的噪聲標準差；③以含噪圖像的任意像素點為中心提取圖像塊，并在相應的搜索窗內尋找該圖像塊的相似圖像塊；④對得到的相似圖像塊進行基于奇異值分解的維納濾波去噪；⑤對含噪圖像的所有像素點分別進行步驟3至步驟4操作；⑥對所有去噪后的圖像塊采用BM3D的聚集技術重構出去噪圖像；⑦判斷迭代是否完成，若完成則輸出去噪圖像，否則將去噪圖像作為含噪圖像轉到步驟2進入下一步迭代。本發明能有效去除含有高斯白噪聲的自然圖像中的噪聲，可用于醫學影像、視頻多媒體等領域的數字圖像預處理。
文檔編號G06T5/00GK103093434SQ20131003069
公開日2013年5月8日 申請日期2013年1月27日 優先權日2013年1月27日
發明者王桂婷, 焦李成, 丁煒, 馬文萍, 馬晶晶, 鐘樺 申請人:西安電子科技大學