[发明专利]一种基于HWD变换的非局部图像去噪方法

摘要

本发明公开了一种基于HWD变换的非局部图像去噪方法，步骤为：(1)对输入含噪图像的每个参考块，构建其相似组；(2)判断相似组的奇异性，并根据奇异性对相似组进行相应的变换，得到相似组中图像块的估计值；(3)根据相似组的奇异性，整合图像块估计值，得到基础估计图像；(4)构建基础估计图像的相似组，根据其相似块的坐标信息，构建含噪图像的相似组，并对所有相似组进行三维变换；(5)计算维纳收缩矩阵，对含噪图像的相似组维纳滤波，得到相似组中图像块的估计值；(6)对图像块的估计值加权平均，得到最终的去噪图像。本发明能够平滑噪声的同时，更好地保持自然图像的边缘和纹理细节，可用于对自然图像的去噪处理。

主权项

1.一种基于HWD变换的非局部图像去噪方法，其特征在于：包括如下步骤：(1)将输入含噪图像中的图像块作为参考块，对于该参考块，根据欧式距离公式，计算该参考块与其邻域内所有图像块的距离，取距离小于阈值的图像块组成该参考块的相似组SxRht={Zxht:||ZxRht-Zxht||22N1ht×N1ht<τmatchht,x∈X}]]>其中，X为含噪图像，x为X中的像素点，为参考块，是以为中心的邻域中的图像块，为图像块的大小，是判断两个图像块是否相似的阈值；(2)对相似组中图像块进行二维小波变换，并将小波系数中的大系数和小系数分别标记为1和0，根据相似组中所有图像块最粗尺度上各子带的0和1的分布，判断相似组的奇异性；(3)根据相似组的奇异性，对奇异性简单的相似组进行二维小波变换和块间一维小波变换，奇异性复杂的相似组作TIHWD变换和块间一维小波变换，硬阈值收缩变换系数并进行相应的反变换，得到相似组中图像块的估计值Y^xht=T3Dht-1(γ(T3Dht(Zxht))),Zxht∈SxRht]]>其中，表示由二维变换和块间一维小波变换组成的三维变换，为反变换，Υ表示硬阈值收缩操作，一般取值为λσ，λ是人为设定的常数，σ为噪声标准差；(4)根据相似组的奇异性，整合图像块的估计值，得到基础估计图像Y^basic(x)=ΣxR∈XΣxm∈SxRhtωxRhtY^xmht(x)ΣxR∈XΣxm∈SxRhtωxRhtχxm(x),∀x∈X]]>其中，是相似组对应的权值，是以像素点x_m为左顶点的图像块的特征函数，像素点时，取值为1，否则为0；其中，是相似组硬阈值收缩后非零系数的个数；(5)在基础估计图像上，通过块匹配方法构建其相似组人工记录相似组中相似块的坐标信息：SxR1={Y^xbasic:||Y^xRbasic-Y^xbasic||22N1wie×N1wie<τmatchwie,x∈X}]]>其中，和是基础估计图像中的参考块和候选块，是图像块的大小，是判断两个图像块是否相似的阈值；(6)根据相似组中相似块的坐标信息，从含噪图像中提取与之相对应的图像块，得到含噪图像的相似组对基础估计图像的相似组和含噪图像的相似组均进行三维变换，根据的变换系数计算维纳收缩矩阵W，将的变换系数与W逐点相乘后，再进行反变换，得到相似组中图像块的估计值Y^xwie=T3Dwie-1(WT3Dwie(SxR2))]]>W=|T3Dwie(SxR1)|2|T3Dwie(SxR1)|2+σ2]]>其中，表示由二维离散余弦变换DCT和块间一维小波变换组成的三维变换，表示反变换，W为维纳收缩矩阵；(7)对得到的图像块的估计值加权平均，得到最终的去噪图像Y^final(x)=ΣxR∈XΣxm∈SxR2ωxRwieY^xmwie(x)ΣxR∈XΣxm∈SxR2ωxRwieχxm(x),∀x∈X]]>其中，是相似组对应的权值，是以像素点x_m为左顶点的图像块的特征函数，像素点时，取值为1，否则为0；ωxRwie=1σ2||W||22]]>其中，W为相似组对应的维纳收缩矩阵。