[发明专利]非局部均值盲图像去噪方法、系统及装置

说明书

本发明涉及图像去噪技术领域，具体提供一种非局部均值盲图像去噪方法。旨在解决准确地估计出高斯噪声等级的大小以自动确定噪声水平参数的技术问题。为此，本发明的方法包括下列步骤：获取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；计算所述噪声图像中待处理像素点、与所述待处理像素点为中心的搜索窗内邻域像素点的相似性，以对所述待处理像素点进行去噪；计算去噪后的图像中所有像素点的像素值并输出计算所有像素点的所述像素值的图像。在采用上述方法的情况下，本发明无需人工设置噪声水平参数，可准确地估计出高斯噪声水平的大小；并且利用快速傅里叶变换优化算法，提升了算法的执行效率。

技术领域

本发明涉及图像去噪技术领域，尤其涉及一种非局部均值盲图像去噪方法、系统及装置。

背景技术

在数字图像的采集、编码、传输和解码的过程中，或多或少都会受到不同噪声的干扰，其大多数实际噪声可近似为高斯加性白噪声，在很大程度上影响了图像的主观视觉质量。同时，噪声也是正确辨识图像信息的一个障碍，在对图像进行检测、识别、定位或者分割等操作之前，往往需要对噪声图像进行去噪处理以提供清晰、准确的高质量图像。

近些年，非局部均值(Non-local Means,NLM)图像去噪算法作为图像去噪领域的经典算法，其利用图像内容信息的冗余性和图像结构信息的自相似性，通过度量以待处理像素点为中心的图像邻域块与搜索区域内其余图像邻域块的相似程度，对具有相似邻域结构的像素点进行加权平均达到去噪的目的。

非局部均值算法在去除噪声的同时，较好地保持了原始无失真图像的细节信息，但是非局部均值算法在实际应用中仍存在一些不足：

(1)传统的非局部均值算法在对噪声图像进行去噪之前，往往需要人工预先设置相应的噪声水平(即高斯噪声等级)，然而在实际的应用场景中，往往无法提前获知噪声图像的高斯噪声等级，故需要一种针对未知噪声等级的图像进行噪声估计的方法。

(2)同时，由于非局部均值算法在对图像邻域块进行相似性度量的过程中，需要在整幅噪声图像内进行搜索，导致其具有较高的时间复杂度，使其很难应用至实际的应用场景，故有必要研究一种提升算法执行效率的方法。

因此，需要改进的快速非局部均值的盲图像去噪方案，能在整个过程中无需人工设置噪声水平参数且可以较为准确地估计出高斯噪声等级的大小。

发明内容

为了克服上述缺陷，提出了本发明，以解决或至少部分地解决如何在整个过程中较为准确地估计出高斯噪声等级的大小以自动确定噪声水平参数的技术问题。本发明为解决上述技术问题提供了一种非局部均值盲图像去噪方法、系统及装置。

第一方面，提供一种非局部均值盲图像去噪方法，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。

其中，获取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；