[发明专利]非局部均值盲图像去噪方法、系统及装置

权利要求书

1.一种非局部均值盲图像去噪方法，其特征在于，所述方法包括以下步骤：

根据待处理的噪声图像的像素均值获取所述待处理的噪声图像的高斯噪声等级，根据所述高斯噪声等级确定相应的滤波参数；

基于所述滤波参数对所述噪声图像中每一待处理像素点进行去噪；

计算所述噪声图像中所有像素点去噪后的像素值；

根据所有像素点去噪后的像素值重构所述噪声图像。

2.如权利要求1所述的方法，其特征在于，根据待处理的噪声图像的像素均值获取所述待处理的噪声图像的高斯噪声等级，根据所述高斯噪声等级确定相应的滤波参数，具体包括：

将所述噪声图像分成多个噪声图像子块；

求取每个所述噪声图像子块对应位置的像素均值；

基于所述像素均值计算每个所述噪声图像子块的协方差矩阵；

计算每个所述噪声图像子块的协方差矩阵的特征值，并将所述特征值由大至小排序以提取前r个特征值；

求解所有协方差矩阵特征值的均值τ；

根据所有协方差矩阵特征值的均值τ确定所述噪声图像的高斯噪声等级。

3.如权利要求2所述的方法，其特征在于，

其中，所述噪声图像的像素点坐标的取值区间为I＝[1,2,3,…,m]×[1,2,3,…,n]，m,n分别表示所述噪声图像的高度和宽度，单位为像素，且m,n为正整数；

所述设定窗口为d×d固定大小的固定窗口；

将所述噪声图像分成多个噪声图像子块，具体包括：

以所述噪声图像的左上角为起点，以所述噪声图像的右下角为终点，利用所述固定窗口有重叠地逐行遍历，将所述噪声图像划分为s个噪声图像子块y_t，并将这些噪声图像子块y_t转为d×d的一维列向量，以形成噪声图像子块集合其中，t表示图像子块的序号，以及s＝(m-d+1)×(n-d+1)。

4.如权利要求3所述的方法，其特征在于，

求取每个所述噪声图像子块对应位置的像素均值，具体包括：

根据下列像素均值公式计算每个所述噪声图像子块对应位置的像素值的均值μ：其中y_t(i)表示图像子块t在像素点i处的像素值，其中μ表示各个图像子块对应位置的像素均值；

基于所述像素均值计算每个所述噪声图像子块的协方差矩阵，具体包括：

根据所述噪声图像子块的像素值的均值μ通过下列协方差矩阵公式计算每个所述噪声图像子块的协方差矩阵∑：其中，y_t表示图像子块t中各个像素点的像素值，T表示转置符号；

计算每个所述噪声图像子块的协方差矩阵的特征值，并将所述特征值由大至小排序以提取前r个特征值，具体包括：

根据所述协方差矩阵∑，计算所述噪声图像子块的协方差矩阵的特征值，可得：

其中，R＝[A,W]，A表示l(l＜＜r)维的子空间，r的取值为d×d，W表示(r-l)×r的矩阵，λ_θ表示协方差矩阵∑的特征值，并简化可得：

由此，求解出协方差矩阵的特征值λ_θ(1≤θ≤r)，并由大至小排序：λ₁≥λ₂≥λ₃≥…≥λ_r，其中λ_r表示提取的第r个特征值。

5.如权利要求4所述的方法，其特征在于，

通过索引序号k，遍历求解协方差矩阵特征值的均值τ：

判断所述τ是否与所述前r个特征值的中位数相等，若是，则估计所述噪声图像的高斯噪声等级

根据估计的所述高斯噪声等级设置非局部均值算法的滤波参数为其中，a是常数。