[发明专利]一种尺寸自适应块匹配变换域滤波图像去噪方法

摘要

本发明公开了一种尺寸自适应块匹配变换域滤波图像去噪方法，本申请因为去掉了BM3D中基本估计阶段中的对每个图像块的二维变换，所以更少地引入了假信号；由于本申请中块匹配群组中的块的数目比BM3D方法中少，所以更好地保留了图像细节。由于本申请在块匹配时根据形态分量的不同自适应地选择了块的大小，使本申请的图像去噪性能进一步提高。目前通用的图像去噪的客观评价为峰值信噪比(PSNR)与平均结构相似性度量MSSIM两种，本申请的方法在这两个客观评价上对BM3D网站上提供的多幅标准图像在所有噪声强度下的结果都一致高于BM3D方法。

主权项

1.一种尺寸自适应块匹配变换域滤波图像去噪方法，包括如下步骤：第一步：块匹配一维Haar变换域滤波图像降噪；(1)群组：将输入图像z划分成若干相互交叠的图像块作为参考块，其中X是这些块的坐标构成的集合，对每一个块执行块匹配群组操作，即计算一个以参考块的左上角坐标为中心的一个邻域内的所有点为左上角坐标的图像块与参考块的欧氏距离，然后将得到的距离排序，选出与参考块距离最小的K-1个图像块及参考块构成一个图像块组：B_G＝{B₁，B₂，B₃，...，B_K}^T    (1)为了方便，本申请把以及另外K-1个与Z_x最相似的图像块分别用B₁与B_i，i＝2，3，L K表示；(2)块间一维变换滤波：将式(1)中B_G看作一个广义向量，其中向量中的元素为图像块，对这个广义向量执行一维Haar变换，再用硬阈值收缩变换系数实现降噪，然后再执行一维逆变换：B^G=T-1(shrink(T(BG)))---(2)]]>B^G={B^1,B^2,B^3,...,B^K}T---(3)]]>其中T是块间的一维变换，T^-1为T的逆变换；(3)聚合：通过加权平均聚合每一组中的所有图像块获得降噪图像z^(x)=ΣxR∈XΣB^i∈B^GwxRB^G(x)ΣxR∈XΣB^i∈B^GwxRχB^i(x),]]>∀x∈X---(4)]]>其中为特征函数，权由下式给出：wxR=1σ2NxR,ifNxR≥11,otherwise---(5)]]>其中为每个图像块组经变换及硬阈值系数收缩后非零系的个数。为了更好保留图像细节，本申请的BM1D算法中每组图像块中图像块数目相对于BM3D算法中基本估计阶段的图像块数目在弱噪声情况下一般减少一半，又因为弱噪声情况下，用较小的块也有利于保留图像细节，所以在这种情况下，BM1D方法采用了比BM3D算法更小的图像块；第二步：BM3D算法中的块匹配三维维纳滤波，即以第一步的结果为参考，用经验维纳滤波对原始输入含噪图像降噪。此步中执行BM3D维纳滤波的目的是对第一步结果中图像细节的增强。在第一步的降噪后，图像细节势必要也要在一定程度上被弱化，执行一步维纳滤波可以在一定程度上增强被弱化的图像细节，并同时进一步去除部分噪声；第三步：以输入含噪图像为参考执行块匹配，对第二步的结果执行块匹配一维Haar小波变换去噪。在执行块匹配之前对参考块执行DCT，然后算出变换系数的交流分量，再决定参考块的形态分量种类。若是平滑分量则将参考块的尺寸变大；若是纹理分量，参考块的尺寸保持不变；若是轮廓分量则将参考块的尺寸变小。此步是本算法的最关键一步，经过第二步处理后，仍然保留大量的噪声，并且由于第二步BM3D维纳滤波中对每一个块的二维变换用的是DCT，所以会把一些噪声变成了伪纹理，这时噪声已经不再服从高斯分布，因此不能再在第二步结果上执行块匹配操作。为了更好地去除这类噪声，本申请提出在原始输入图像上执行块匹配，将块匹配的结果应用到第二步结果图像上执行块块群组，然后对群组的块执行块间的一维Haar变换，为了更好保留图像细节，用一个比第一步中小得多的阈值对变换系数执行硬阈值操作。经过这一步噪声基本被去除干净；第四步：以第三步的结果为参考对输入含噪图像执行尺寸自适应块匹配三维维纳滤波；先决定参考块所属的形态分量，根据所属的形态分量适当放大、保持或缩小初始参考块尺寸再执行块匹配操作，其余的过程同经典的BM3D维纳滤波相同；以上四步中前三步合称基本估计，最后一步称为最终估计；执行完以上四步得到最终去噪的图像。