[发明专利]基于奇异值分解的非局部维纳滤波图像去噪方法

摘要

本发明公开了一种基于奇异值分解的非局部维纳滤波图像去噪方法，主要解决现有去噪方法效果不佳问题。其实现步骤：①输入一幅含噪图像；②估计含噪图像的噪声标准差；③以含噪图像的任意像素点为中心提取图像块，并在相应的搜索窗内寻找该图像块的相似图像块；④对得到的相似图像块进行基于奇异值分解的维纳滤波去噪；⑤对含噪图像的所有像素点分别进行步骤3至步骤4操作；⑥对所有去噪后的图像块采用BM3D的聚集技术重构出去噪图像；⑦判断迭代是否完成，若完成则输出去噪图像，否则将去噪图像作为含噪图像转到步骤2进入下一步迭代。本发明能有效去除含有高斯白噪声的自然图像中的噪声，可用于医学影像、视频多媒体等领域的数字图像预处理。

主权项

1.一种基于奇异值分解的非局部维纳滤波图像去噪方法，包括如下步骤：（1）输入一幅N行M列的含噪图像Y，设置最大迭次数γ和停止参数δ；（2）采用下式估计含噪图像Y的噪声标准差σ_n：σn=median(abs|W|)0.6745,]]>其中，W为含噪图像Y进行小波分解得到的第一层高频系数，abs|·|是取绝对值操作，median(·)是取中值操作；（3）以含噪图像Y中的任意像素点为中心分别确定一个l×l大小的图像块y_i,i∈{1，...,N×M}和一个s×s大小的搜索窗Ω_i，分别计算图像块y_i和搜索窗Ω_i内所有l×l大小的图像块之间的欧式距离集合{d_ip,p=1，...,s²}：dip=||yi-yip||22,]]>其中，y_ip,p∈{1，...,s²}表示搜索窗Ω_i内l×l大小的图像块，表示二范数，l、s的取值范围分别为5~11和21~41奇数个像素；（4）对步骤（3）中计算得到的s²个欧氏距离集合{d_ip,p=1，...,s²}中的欧式距离按照从小到大排序，选取前k个图像块作为图像块y_i的相似图像块集合{y_ij,j=1，...,k}，其中k的取值范围为10~60；（5）对图像块y_i,i∈{1，...,N×M}的相似图像块集合{y_ij,j=1，...,k}进行基于SVD的维纳滤波，得到去噪后的图像块集合（6）在含噪图像Y中，对所有的像素点分别进行步骤（3）至步骤（5）操作，得到N×M个去噪后的图像块集合；（7）采用基于三维块匹配去噪BM3D的图像块聚集方法对N×M个去噪后的图像块集合进行聚集，得到去噪图像X；（8）计算含噪图像Y和去噪图像X之间的均方误差e(X,Y)；（9）判断均方误差e(X,Y)是否小于停止参数δ或者本次迭代次数是否达到最大迭代次数γ，若满足两个条件中的一个，则终止迭代，输出去噪图像X，否则将去噪图像X作为含噪图像Y，重复步骤（2）到步骤（8）。