[发明专利]基于变换域的三维匹配调和滤波图像去噪方法

说明书

本发明公开了一种基于变换域的三维匹配调和滤波图像去噪方法,包括如下步骤：一、将采集到的图像进行灰度转换并进行加噪处理；二、利用三维块匹配滤波得到图像的预估计数据；三、小波分解变换以提取步骤二得到的预估计图像中的高频部分进行滤波，为避免边缘模糊，引用拉普拉斯高斯算法构建新算子带入扩散模型，最后小波重构以得到原始图像的最终逼近；四、通过Canny算子对边缘进行检测以及计算各模型的峰值信噪比和结构相似度来分析该方法的有效性和可行性；本发明性能优越，内部信息保护更具完整性，运算速度合理，有利于实际应用。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于变换域的三维匹配调和滤波图像去噪方法。

背景技术

图像俨然已成为现阶段人类活动中最常用的信息载体，边缘检测、特征提取、模式识别等图像处理过程的研究也越来越受到广泛学者的青睐。然而在图像的获取、压缩或是传输过程中极易引入噪声，从而影响后续的工作。所以降噪处理工作在图像处理过程中为尤为首要。现阶段去噪算法大多是从概率统计理论，模糊理论，非参数估计理论等领域衍生而来。由于先验信息的缺乏，去噪问题常具有病态性，因此需要使用如偏微分方程(PDE)的数学方法，其能够准确反映未知变量关于时间和空间变量的导数之间的制约关系。

目前，对于去噪方法的研究有很多，当前许多图像去噪算法中都存在缺乏对整体结构的分析以及运算量过大的不足，所以急需对相关的内容进行研究，得到完善的结论，在图像结构信息的保护与运算复杂度之间能够得到较好的平衡提供有效方法。

发明内容

针对含有噪声的图像，提供一种基于变换域的三维匹配调和滤波图像去噪方法对图像进行处理分析，运用建立的新型模型对采集到的图像加入噪声样本，并进行噪声滤除工作，将噪声图像先进行三维块匹配滤波预处理，增加对于图像块信息的分析，而后利用改进后的扩散模型进行滤波处理，以此保证边缘结构纹理信息的完整性，为图像噪声去除提供有效的指导方法。

本发明为解决上述技术问题采用以下技术方案：

基于变换域的三维匹配调和滤波图像去噪方法，具体包括如下步骤：

步骤一，将采集到的原始图像依次进行灰度转换和加噪处理，则加噪处理后的图像具体如下式(1)所示：

I_0(x,y)＝I_(x,y)+n_(x,y)(x,y∈R) (1)

其中，I₀表示加噪图像，I为原始图像，n表示均值为0，方差为σ²的高斯噪声，R为图像的定义域，(x,y)表示图像域的二维空间坐标；

步骤二，将加噪处理后的图像转换为三维数组进行预估计操作；

步骤三：对预估计操作后的图像进行小波分解，提取其高频部分进行滤波处理；为避免边缘模糊，引用拉普拉斯高斯算法构建新滤波算子带入扩散模型，最后小波重构以得到原始图像的最终逼近；

步骤四：利用Canny算子对去噪处理后的图像进行边缘检测，并通过计算峰值信噪比和结构相似比，分析去噪算法的有效性。

作为本发明基于变换域的三维匹配调和滤波图像去噪方法的进一步优选方案，在步骤一中，灰度转换利用MATLAB的rgb2gray函数将采集到的RGB图像转换为灰度图像；图像加噪处理利用MATLAB的imnoise函数添加高斯噪声来验证去噪模型的有效性，其调用格式为J＝imnoise(I,’gaussian’,m,v),其中，I表示原始图像，gaussian在MATLAB中表示高斯噪声，m为高斯噪声均值，m的默认值为0，v为高斯噪声的方差。

作为本发明基于变换域的三维匹配调和滤波图像去噪方法的进一步优选方案，所述步骤二具体如下：将相似的二维图像块组合成三维数组矩阵，进行联合滤波，而后对三维数组进行逆变换并加权平均以消除图像块重叠部分，得到含噪图像的预估计。