[发明专利]基于均质和异质区域融合的图像去噪方法、系统及介质

说明书

本发明公开了基于均质和异质区域融合的图像去噪方法、系统及介质，包括：步骤(1)：设定窗口的滑动步长，将原始图像按照窗口的设定尺寸划分成若干个子块，计算每个子块的权重系数；步骤(2)：对原始图像划分的所有子块，采用LPG‑PCA算法进行去噪处理；对原始图像划分的所有子块，采用三维块匹配BM3D算法进行去噪处理；步骤(3)：根据权重系数与设定阈值的比较，将每个子块归类为均质区域或异质区域；根据每个子块的区域类别和权重系数，将两种算法去噪后的子块进行对应融合，得到融合后的图像即为最终的图像。

技术领域

本发明涉及基于均质和异质区域融合的图像去噪方法、系统及介质。

背景技术

随着图像技术的迅速发展，图像在医学成像，模式识别等方面取得了广泛应用。但是图像在形成、传输过程中，不可避免的会受到噪声的干扰。图像中的噪声往往会和信号交织在一起，使图像本身的细节，如：轮廓边界，线条等变得模糊不清。因此对含噪声图像进行去噪处理十分必要，便于更高层次的图像分析与理解。而如何既对图像中出现的噪声进行合理的抑制，以及去除不同需要的信息，又能使图像中的有用信息得到加强，从而便于目标区分或对象解释，是图像去噪应该主要研究的问题。

实际中我们根据噪声的数字特征以及其灰度值与周围信号灰度值的差异来处理，去噪过程既可以在图像空间域完成，也可以在图像变换域完成。图像空间域去噪是在原始图像上进行数据运算，直接对像素的灰度值进行处理。目前，图像空间域去噪方法有均值滤波，中值滤波和低通滤波等，这些方法都有一个共同特点，即图像中的每个像素都被用同一种方式处理，而不考虑每个像素自身的特性，在去除附加的随机噪声方面非常有效，但在去除噪声的同时，也使图像出现了较为严重的模糊，特别是在图像的边缘的和细节处，模糊较为严重。另一类非常有效的图像去噪方法是基于图像变换域的去噪，其基本思想是：首先对含噪图像进行某种变换，将其从空间域转换到变换域，随后再对变换域中的变换系数进行处理，之后进行反变换，将含噪图像从变换域再转换到原始空间域，最终实现有效去噪。

然而，由于图像特征的不同，图像的物理属性和数据在图像之间的强可变性，有的图像纹理结构较为丰富，有的图像均质部分较多，而目前的去噪算法，无论是基于空间域的还是变换域的，都是基于一定简化的图像模型，它们的去噪性能只在单个方面较突出，因此无法将单个去噪模型应用到不同特征图像去噪并取得优良的效果。所以，对图像按特征分类后有针对性的去噪具有重要意义。近年来出现了很多先进的去噪算法，如三维块匹配算法(Block Matching 3D，BM3D)，非局部同态稀疏编码(Non-local Sparse Code，LSSC)和非局部快速自适应SAR图像去噪算法(Fast adaptive nonlocal SAR despeckling，FANS)，局部像素块分组的主成分分析法(Principal Component Analysis With Local PixelGrouping，LPG-PCA)，非局部平均(Non-local Means，NLM)去噪算法，用于稀疏表示的字典学习算法(K-Means—Singular Value Decomposition，K-SVD)等等，它们有的去噪声能力强但对图像的细节保护较弱，有的去噪能力弱但却较好的保护了图像的纹理。目前，没有一种方法既有较强的去噪声能力又能较好的保护原图像细节，同时不产生伪影信息。

发明内容

为了解决现有技术的不足，本发明提供了基于均质和异质区域融合的图像去噪方法、系统及介质；本发明的算法去噪性能指标峰值信噪比以及结构相似性的值较单个去噪算法均有所提升，且视觉效果及细节保护亦优于单个去噪算法。

为了解决上述技术问题，本发明采用如下技术方案：

作为本发明的第一方面，提出了基于均质和异质区域融合的图像去噪方法；

基于均质和异质区域融合的图像去噪方法，包括：

步骤(1)：设定窗口的滑动步长，将原始图像按照窗口的设定尺寸划分成若干个子块，计算每个子块的权重系数；