CN103679639A - 基于非局部均值的图像去噪方法和装置 - Google Patents

Abstract

本发明提供了一种基于非局部均值的图像去噪方法，包括：将图像中的旋转因素和微小尺度变化因素作为设置非局部均值的权重因素。本发明还提供了一种基于非局部均值的图像去噪装置，包括权重模块，用于将图像中的旋转因素和微小尺度变化因素作为设置非局部均值的权重因素。本发明改善了图像去噪效果。

Description

基于非局部均值的图像去噪方法和装置

技术领域

本发明涉及图像处理领域，具体而言，涉及一种基于非局部均值的图像去噪方法和装置。

背景技术

图像去噪是将带有噪声的输入图像进行处理，从而去除图像中包含的噪声而较好地恢复出原始无噪声图像。

Buades等人发现在整个自然图像中经常包含具有自相似性的结构，例如重复的图案和结构，这些自相关性包含着互补的信息，对于图像去噪有帮助，从而提出了基于非局部均值的去噪方法。具体步骤如下：

(1)对于输入图像的某个像素i，和它周围一定的搜索范围Ω内的每个像素j，选取以i和j为中心像素的局部块N_i和N_j；

(2)通过将局部块N_i和N_j进行匹配，计算出两个局部图像块间的差异，进而计算出这两个局部图像块的中心像素i和j之间的相似权重w(i，j)。

(3)原始像素i的输出像素值就由所有参考像素j的像素值v(j)的加权平均进行替换

完成当前原始像素i的噪声去除；

对于图像的每一个像素重复(1)到(3)步骤。

然而发明人发现，现有的基于非局部均值的去噪方法在分析图像中的自相似性结构时，仅考虑了具有平移特性的相似结构，因此图像去噪的效果还不太理想。

发明内容

本发明旨在提供一种基于非局部均值的图像去噪方法和装置，以解决上述的问题。

在本发明的实施例中，提供了一种基于非局部均值的图像去噪方法，包括：将图像中的旋转因素和微小尺度变化因素作为设置非局部均值的权重因素。

在本发明的实施例中，提供了一种基于非局部均值的图像去噪装置，包括权重模块，用于将图像中的旋转因素和微小尺度变化因素作为设置非局部均值的权重因素。

本发明上述实施例的基于非局部均值的图像去噪方法和装置因为考虑了图像中的旋转因素和微小尺度变化因素，所以改善了图像去噪效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了根据本发明实施例的将图像笛卡尔坐标系转换为对数极坐标的示意图；

图2A-图2C示出了根据本发明实施例的在对数极坐标上进行的图像块匹配的示意图；

图3示出了根据本发明实施例的基于非局部均值的图像去噪方法的流程图。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

本发明的实施例提供了一种基于非局部均值的图像去噪方法，包括：将图像中的旋转因素和微小尺度变化因素作为设置非局部均值的权重因素。

现有的基于非局部均值的去噪方法在分析图像中的自相似性结构时，仅考虑了具有平移特性的相似结构。发明人研究发现自然图像中可能存在带有旋转和微小尺度变化的非局部相似结构，这种相似结构也可以用于图像去噪。本方法考虑了局部块和原始块可能存在的旋转和尺度不变性，有效地增加了能够搜索到的在不同旋转角度和微小尺度变化下的具有较大相似度的图像块的数目，从而改善了图像去噪效果。

优选地，通过采用对数极坐标表示图像中的像素，以确定旋转因素和微小尺度变化因素。在度量图像块的相似度时，使用对数极坐标的表达形式，可以更迅速地进行图像块匹配，从而进一步提升了图像去噪的性能，降低了算法执行时间。

优选地，通过采用对数极坐标表示图像中的像素，以确定旋转因素和微小尺度变化因素包括：

对于图像中的像素i及其周围设定范围内的每个像素j，选取以i和j为中心像素的局部块N_i和N_j；

通过对数极坐标的旋转不变性度量，计算N_i和N_j的相似度；

根据相似度计算N_j中心点对于N_i中心点的权重；

以权重计算j的加权平均以替换i。

图1示出了根据本发明实施例的将图像笛卡尔坐标系转换为对数极坐标的示意图，对于图像块内一点I(x，y)，首先根据坐标(x，y)计算出该点与图像块中心点的距离r和旋转角度

然后再将距离r进行对数变换得到η，角度

进行离散化到[0，S]整数范围内得到θ最终坐标(x，y)处的像素值I(x，y)与变换到的极坐标空间内的坐标(θ，η)处的像素值相等，实现从图像空间到对数极坐标空间的图像变换，具体包括：

令图像块f的大小为N×N，图像块中心点的坐标为

其中表示下取整操作。坐标(x，y)与图像块中心点的距离r和旋转角度分别为

也即

根据以上两个空间内坐标点的对应关系，对于对数极坐标空间内的坐标(θ，η)，对应的在极坐标系下的坐标为：

优选地，通过对数极坐标的旋转不变性度量，计算N_i和N_j的相似度包括：

其中，DIFF_lp(N_i，N_j)²是指N_i和N_j在对数极坐标下的差异，N_i和N_j均为N×N个像素的图像块，(θ，η)是N_i和N_j中各像素的对数极坐标，lp[N_i](θ，η)是图像块N_i中各像素在对数极坐标下的坐标(θ，η)的图像值，lp[N_j](θ，η)是图像块N_j中各像素在对数极坐标下的坐标(θ，η)的图像值，是将lp[N_j]图像在对数极坐标下经过在角度上的平移得到与lp[N_i]最佳匹配的图像块，σ是图像的噪声的标准差，G_lp(η)|_σ是作用在η下的核函数，S是θ的取值范围，R是η的取值范围。

优选地，本方法还包括：

设置 $G_{\mathrm{lp}}\left(\mathrm{\η}\right){|}_{\mathrm{\σ}}=\exp (-\frac{{\left|r\right|}^2}{2{\mathrm{\σ}}^2}),$

设置

其中，v(x，y)是N_i和N_j中各像素在笛卡尔坐标系下的坐标(x，y)的图像值，exp(·)是e的指数函数，

优选地，根据相似度计算N_j中心点对于N_i中心点的权重包括：

$\mathrm{\ω}(i,j)=\exp (-\frac{{\mathrm{DIFF}}_{\mathrm{lp}}{(N_i,N_j)}^2}{h^2})$

其中，ω(i，j)是指权重，h是设定的参数。

优选地，以权重计算j的加权平均以替换i包括：

$\mathrm{NL}\left[v\left(i\right)\right]=\frac{1}{C\left(i\right)}\underset{j\∈\mathrm{\Ω}}{\mathrm{\Σ}}\mathrm{\ω}(i,j)v\left(j\right);$

其中，Ω是以像素点i为中心划定的一个搜索窗口，

v(i)和v(j)分别表示i和j的像素值，NL[v(i)]是指替换后的像素i的图像值。

本发明的实施例提供了一种基于非局部均值的图像去噪装置，包括权重模块，用于将图像中的旋转因素和微小尺度变化因素作为设置非局部均值的权重因素。本装置改善了图像去噪的效果。

优选地，权重模块通过采用对数极坐标表示图像中的像素，以确定旋转因素和微小尺度变化因素。

优选地，权重模块包括：

局部块模块，用于对于图像中的像素i及其周围设定范围内的每个像素j，选取以i和j为中心像素的局部块N_i和N_j；

相似度模块，用于通过对数极坐标的旋转不变性度量，计算N_i和N_j的相似度；

权值模块，用于根据相似度计算N_j中心点对于N_i中心点的权重；

加权模块，用于以权重计算j的加权平均以替换i。

图3是本发明的具体流程示意图，包括：

(1)对于输入图像的某个像素i，和它周围一定的搜索范围内的每个像素j，选取以i和j为中心像素的局部块N_i和N_j；

(2)将原始块N_i和参考块N_j转换为对数极坐标形式；

(3)通过旋转不变性度量，在对数极坐标形式的参考块上匹配原始块，计算原始块和参考块的相似度；

(4)根据相似度计算参考块中心点对于原始块中心点的权重；

(5)原始像素就由所有参考像素的加权平均进行替换，完成当前原始像素的噪声去除；

对于图像的每一个像素重复(1)到(5)步骤，从而最终实现基于非局部相似性和旋转尺度不变性的图像去噪方法。下面进一步说明该实施例。

步骤1：对于给定图像的一个像素i，和它周围一定的搜索范围内的每个像素j，选取以i和j为中心像素的图像块N_i和N_j。其中N_i为原始块，N_j为参考块。

步骤2：将图像块从笛卡尔坐标系转换为对数极坐标系(可参考图1所示过程)。以大小为N×N的图像块v(x，y)为例，使用对数极坐标转换将其转换为大小是S×R的块lp(θ，η)。其中，θ，η分别代表在对数极坐标系下的坐标，S和R表示θ，η最大能取值的范围。

转换过程分两步进行。第一步，先对图像块v(x，y)内的最大内切圆的内部图像做转换，可得到大小为

的极坐标形式的转换图像块，计算方法如下：

第二步，对所有半径大小做对数处理，再将它们量化到R个数值，计算方法如下：

对数极坐标平面上的点需要通过插值算法来得到在笛卡尔平面上和它对应的像素的值，这里作为示例使用了双线性插值算法来实现插值过程。

步骤3：在对数极坐标平面上计算像素i和j之间的相似性权重ω(i，j)。对数极坐标可以很好地表示有一定旋转角度和轻微的尺度变化的图像块。微小尺度的不变性来源于对数运算，而旋转不变性可以由图像行平移操作来完成。图2A-图2C示出了根据本发明实施例的在对数极坐标上进行的图像块匹配的示意图。其中，图2a和图2b表示图像块N_i和N_j转换后的对数极坐标表示lp[N_i]和lp[N_j]，图2c表示将lp[N_j]在垂直方向上重新拼接一次，构造出一个含有冗余的角度信息的在

上进行窗口的上下滑动，和lp[N_i]进行匹配，把最佳的匹配结果命名为

(相当于图2c中的方框)。像素i和j之间的相似性权重就对应于lp[N_i]和

之间的相似性度量，由lp[N_i]和

之间的欧式距离(如

)附加一个卷积计算得到。卷积核的定义如下：

其中r表示在图像空间坐标系上的欧氏距离。

基于上述定义，旋转和尺度不变性距离度量的表示方法如下：

进而像素i和j的权重计算方法如下：

$\mathrm{\ω}(i,j)=\exp (-\frac{{\mathrm{DIFF}}_{\mathrm{lp}}{(N_i,N_j)}^2}{h^2})---\left(6\right)$

h要根据图像噪声的标准差和图像内容来自适应调整

步骤4：计算出原始块与其搜索范围内每一个像素对应参考块的相似度和权值后，原始块的中心像素值就使用所有参考块中心点的加权平均值来替换，从而实现当前原始块中心像素的噪声去除。计算公式如下：

$\mathrm{NL}\left[v\left(i\right)\right]=\frac{1}{C\left(i\right)}\underset{j\∈\mathrm{\Ω}}{\mathrm{\Σ}}\mathrm{\ω}(i,j)v\left(j\right)---\left(7\right)$

其中，Ω是点i的搜索窗口，

是归一化的常量，v(i)和v(j)分别表示点i和点j的像素值。本发明的整体流程框图如图3所示。

步骤5：针对包含有噪声的输入图像中的每一个像素，重复进行步骤1到步骤4，从而完成整个图像的去噪处理。

针对现有技术的缺陷，本发明的实施例总结出如果能够找到更多的具有旋转和尺度变化后的非局部相似结构，则可以进一步降低噪声的干扰。基于上述分析，本发明的实施例采用非局部均值算法的同时，使用对数极坐标转换的旋转尺度不变性，找到更多具有相似的局部结构信息的图像块，最终提升基于非局部均值的图像去噪方法的性能和鲁棒性。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于非局部均值的图像去噪方法，其特征在于，包括：将图像中的旋转因素和微小尺度变化因素作为设置所述非局部均值的权重因素。

2.根据权利要求1所述的方法，其特征在于，通过采用对数极坐标表示所述图像中的像素，以确定所述旋转因素和微小尺度变化因素。

3.根据权利要求2所述的方法，其特征在于，通过采用对数极坐标表示所述图像中的像素，以确定所述旋转因素和微小尺度变化因素包括：

对于所述图像中的像素i及其周围设定范围内的每个像素j，选取以i和j为中心像素的局部块N_i和N_j；

通过对数极坐标的旋转不变性度量，计算N_i和N_j的相似度；

根据所述相似度计算N_j中心点对于N_i中心点的权重；

以所述权重计算j的加权平均以替换i。

4.根据权利要求3所述的方法，其特征在于，通过对数极坐标的旋转不变性度量，计算N_i和N_j的相似度包括：

其中，DIFF_lp(N_i，N_j)²是指N_i和N_j在对数极坐标下的差异，N_i和N_j均为N×N个像素的图像块，(θ，η)是N_i和N_j中各像素的对数极坐标，lp[N_i](θ，η)是图像块N_i中各像素在对数极坐标下的坐标(θ，η)的图像值，lp[N_j](θ，η)是图像块N_j中各像素在对数极坐标下的坐标(θ，η)的图像值，

是将lp[N_j]图像在对数极坐标下经过在角度上的平移得到与lp[N_i]最佳匹配的图像块，σ是所述图像的噪声的标准差，G_lp(η)|_σ是作用在η下的核函数，S是θ的取值范围，R是η的取值范围。

5.根据权利要求4所述的方法，其特征在于，还包括：

设置 $G_{\mathrm{lp}}\left(\mathrm{\η}\right){|}_{\mathrm{\σ}}=\exp (-\frac{{\left|r\right|}^2}{2{\mathrm{\σ}}^2}),$

设置

其中，v(x，y)是N_i和N_j中各像素在笛卡尔坐标系下的坐标(x，y)的图像值，exp(·)是e的指数函数，

6.根据权利要求4所述的方法，其特征在于，根据所述相似度计算N_j中心点对于N_i中心点的权重包括：

$\mathrm{\ω}(i,j)=\exp (-\frac{{\mathrm{DIFF}}_{\mathrm{lp}}{(N_i,N_j)}^2}{h^2})$

其中，ω(i，j)是指所述权重，h是设定的参数。

7.根据权利要求6所述的方法，其特征在于，以所述权重计算j的加权平均以替换i包括：

$\mathrm{NL}\left[v\left(i\right)\right]=\frac{1}{C\left(i\right)}\underset{j\∈\mathrm{\Ω}}{\mathrm{\Σ}}\mathrm{\ω}(i,j)v\left(j\right);$

其中，Ω是以像素点i为中心划定的一个搜索窗口，

v(i)和v(j)分别表示i和j的像素值，NL[v(i)]是指替换后的像素i的图像值。

8.一种基于非局部均值的图像去噪装置，其特征在于，包括权重模块，用于将图像中的旋转因素和微小尺度变化因素作为设置所述非局部均值的权重因素。

9.根据权利要求8所述的装置，其特征在于，所述权重模块通过采用对数极坐标表示所述图像中的像素，以确定所述旋转因素和微小尺度变化因素。

10.根据权利要求9所述的装置，其特征在于，所述权重模块包括：

局部块模块，用于对于所述图像中的像素i及其周围设定范围内的每个像素j，选取以i和j为中心像素的局部块N_i和N_j；

相似度模块，用于通过对数极坐标的旋转不变性度量，计算N_i和N_j的相似度；

权值模块，用于根据所述相似度计算N_j中心点对于N_i中心点的权重；

加权模块，用于以所述权重计算j的加权平均以替换i。

Images