[发明专利]一种基于伪3D变换的BM3D图像降噪方法

说明书

本发明公开了一种基于伪3D变换的BM3D图像降噪方法，包括以下步骤：将待降噪图像分割成若干个图像块；以图像块为中心，在预设窗口范围内搜索相似图像块，并用图像块及其相似图像块构建三维图像块阵列；在阵列第三个维度方向进行频域变换处理，得到一维变换系数；对一维变换系数中的最低频系数进行二维正变换处理，得到伪变换系数；对伪变换系数进行滤波处理；对滤波后的伪变换系数进行二维逆变换处理，得到处理后的一维变换系数；在阵列第三个维度方向进行频域逆变换处理，得到降噪图像。该降噪方法在保证降噪效果的情况下，解决了BM3D图像降噪中计算量巨大、计算耗时长等问题，提高了计算效率。

技术领域

本发明涉及BM3D图像降噪方法，具体涉及一种基于伪3D变换的BM3D图像降噪方法。

背景技术

随着智慧城市、大数据等领域的发展，基于视频监控的智能交通、车牌自动识别处理技术也逐渐成为研究的热门课题，并得到广泛应用。视频作为信息最为丰富的信息源，其质量直接影响到监控系统的效果，并且在交通领域，视频中的车辆、车牌等信息有时候直接作为司法取证的有效辅助证据。由于交通领域的视频监控通常处于室外环境，由于受到复杂多变的成像环境，以及成像设备硬件等因素的干扰，视频图像都存在一定的噪声。尤其是光线不足情况下、或者长焦摄像头的近红外成像，其视频图像噪声特别强，导致视频质量严重衰减。因此，监控视频通常需要对其进行图像降噪处理，以改善图像质量、尽可能的保留图像中的有用信息。

图像降噪是图像处理领域中一项基本而又是十分关键的技术，一直是图像处理领域的一个难题，属于图像预处理的关键步骤。图像去噪目的是尽可能恢复图像原貌，改善图像质量，突出图像本身的特征，从而为后续图像处理的其它工作打下良好的基础。能够有效去除噪声直接影响到图像的视觉效果和后续的图像处理结果。

图像降噪方法主要有经典空域滤波方法、频域滤波方法、多尺度几何分析降噪方法、非局部降噪方法以及由非局部均值降噪方法改进的各种降噪方法和盲图像去噪方法。空域滤波方法一般先假定噪声为加性模型，然后利用图像像素之间的的空间相关性对噪声进行滤波，如均值滤波和中值滤波。传统的空域滤波处理具有良好的去噪性能，并且方法简单易于实现，从而得到了很好的应用。然而这些经典去噪方法具有一定的局限性，它们都是基于局部统计的自适应滤波，因此对图像的同质区域有着较好的去噪效果，在消除图像噪声的同时会平滑图像的纹理或者不能有效的去除边缘周围的噪声，图像结构信息、点线等目标会在一定程度上被模糊或滤除。近来，由Buades等人提出的非局部均值滤波算法打破了局部邻域这一僵局，将传统的局部特征统计扩展到了非局部区域。局部算法通过计算像素点各自邻域间的欧氏距离，来判断像素点间的相似性，而没有对用于去除当前像素点噪声的大部分像素做任何假设。像素点间的欧氏距离可以用于判断邻域内的像素点与中心像素点的相似程度，并通过欧氏距离计算相似性权值，利用权值以及相似点对中心像素点加权平均得到去噪结果。非局部均值算法，将去噪从局部扩展到了非局部领域，提供了一个新的去噪思路。单个像素点的灰度值和空间距离不足以衡量像素点之间的相似性。非局部算法基本思想是以一个窗口内的图像块为处理单元，通过计算图像块之间的欧式距离，并以此衡量图像块之间的相似程度。由于大部分图像存在空间冗余，表现在图像块与图像块之间存在一定的相似性，以图像块的相似性代替像素点的相似性更科学，更具有可信性。基于非局部思想先后有非局部均值降噪、贝叶斯非局部降噪、三维块匹配算法(BM3D)降噪等方法被提出，并且取得了良好的降噪效果。其中BM3D算法是公认的降噪效果最佳的图像降噪算法。