法律状态公告日
法律状态信息
法律状态
2023-03-10
未缴年费专利权终止 IPC(主分类):G06T 5/00 专利号:ZL2016101847508 申请日:20160328 授权公告日:20181109
专利权的终止
2018-11-09
授权
授权
2016-09-28
实质审查的生效 IPC(主分类):G06T5/00 申请日:20160328
实质审查的生效
2016-08-31
公开
公开
技术领域
本发明涉及一种图像降噪的方法,具体涉及到基于图像块先验估计混合框架的图像降噪方法。
背景技术
近年来,对于图像降噪的问题提出了很多算法。其中一种方法是基于块进行降噪通过估计空间图像块的冗余度实现图像的降噪,例如图像块期望对数似然估计算法(EPLL)是利用高斯模型从含噪图像块估计干净图像块;另一种方式是通过利用图像块的空间相关性实现图像降噪,具有代表性的算法是块匹配和三维滤波(BM3D)算法,根据图像块间的相似性进行判断图像块的相关性。
对于图像降噪,先验估计也是一种有效的方法,稀疏表示是先验估计中比较有效的一种方法,该方法主要通过对含噪图像块进行训练学习,在利用线性表示实现图像块降噪。上述提到的方法采用不同的图像先验信息对自然图像进行估计,但是对于分布比较复杂的图像采用某一种方法则不能实现很好的降噪效果,因此需要一种较为鲁棒的降噪算法以应对不同含噪图像,进而提高降噪质量。
发明内容
本发明涉及的是一种基于图像块先验估计混合框架的图像降噪方法。具体技术方案如下:
一种基于图像块先验估计混合框架的图像降噪方法,包含以下步骤:
(1)图像块先验估计
(a)、首先将含噪图像块分成两种,两种大小分别为8×8和40×40;
(b)、对大小为8×8的含噪图像块采用结构检测;
利用平均权重的含噪图像块与经过图像块匹配-三维滤波方法降噪的图像块构造中间图像块,根据图像块结构属性将含噪图像块分为两类:纹理和边缘的含噪图像块、平滑和细节的含噪图像块;
(c)、对大小为40×40的含噪图像块采用平滑检测;
利用快速噪声估计方法将含噪图像块分为含噪平滑块、含噪非平滑块;
(d)、利用步骤(c)中的含噪平滑块和含噪非平滑块的分类将步骤(b)中的平滑和细节的含噪图像块再次细分为平滑含噪图像块、细节含噪图像块;
最终获得三类8×8的图像块:纹理和边缘的含噪图像块、平滑含噪图像块和细节含噪图像块;
(2)图像降噪
利用图像块匹配-三维滤波方法处理边缘和纹理含噪图像块和平滑含噪图像块,细节含噪图像块通过图像块期望对数似然估计方法进行处理,最后将图像块进行综合处理。
上述步骤(b)中利用平均权重的含噪图像块与经过图像块匹配-三维滤波方法降噪的图像块构造中间图像块,构造公式为:
其中,α是权重系数,yi是根据噪声图像Y第i个块,i=1,2,...N,N是所有图像块的数目,y′i和是相关的中间图像块和降噪图像块。
上述步骤(b)中的结构检测是根据所得的中间图像块的邻近关系判断边缘和纹理图像块;
通过k相似邻近块选择目标块y′i,利用邻近块间的相关性的值计算目标块,最后将图像块yi分为不同的类中,
其中,var(.)是方差算子的特征值,ε和r是两个阈值,Se,t代表边缘和纹理的含噪图像块,Sd,m代表细节和平滑含噪图像块。
上述步骤(c)中的快速噪声估计方法是:
对每一个40×40的图像块进行噪声方差进行估计,通过与给定的图像噪声方差σ2进行比较,实现对含噪平滑图像块和含噪非平滑图像块的分离,具体过程如下:
其中,Bi表示40×40的图像块,是图像块的噪声方差,σ2是给出的图像噪声方差,和分别是含噪平滑图像块和含噪非平滑图像块,θ是阈值。
上述步骤(d)中利用40×40的含噪平滑块和含噪非平滑块的分类,将8×8的平滑和细节的含噪图像块再次细分为平滑含噪图像块和细节含噪图像块,具体分类的公式为:
其中,和是含噪图像yi的含噪平滑图像块和含噪非平滑图像块。
上述步骤(2)中将图像块进行如下综合处理:
其中,是恢复的图像块,Ri是图像块yi的样本矩阵。
本发明的有益效果如下:
该方法的先验估计是通过对图像结构进行检测将图像块进行分类,根据图像块的不同分类,采用不同的降噪方法对图像块进行降噪。然后将通过不同方法恢复的图像块进行融合,实现图像的降噪。实验表明,该方法表现的降噪效果比一些降噪方法效果好。
附图说明
图1是本发明图像降噪混合框架;
图2是利用BM3D、EPLL及本发明的算法降噪效果图片。
具体实施方式
下面结合附图,对本发明的基于图像块先验估计混合框架的图像降噪方法作进一步阐述。
如图1所示,一种基于图像块先验估计混合框架的图像降噪方法,包含以下步骤:
(1)图像块先验估计
(a)、首先将含噪图像块分成两种,两种大小分别为8×8和40×40;
(b)、对大小为8×8的含噪图像块采用结构检测;
利用平均权重的含噪图像块与经过图像块匹配-三维滤波方法降噪的图像块构造中间图像块,
构造公式为:
其中,α是权重系数,yi是根据噪声图像Y第i个块,i=1,2,...N,N是所有图像块的数目,y′i和是相关的中间图像块和降噪图像块。
根据图像块结构属性将含噪图像块分为两类:纹理和边缘的含噪图像块、平滑和细节的含噪图像块;
根据所得的中间图像块的邻近关系判断边缘和纹理图像块;
通过k相似邻近块选择目标块y′i,利用邻近块间的相关性的值计算目标块,最后将图像块yi分为不同的类中,
其中,var(.)是方差算子的特征值,ε和r是两个阈值,Se,t代表边缘和纹理的含噪图像块,Sd,m代表细节和平滑含噪图像块。
(c)、对大小为40×40的含噪图像块采用平滑检测;
利用快速噪声估计方法将含噪图像块分为含噪平滑块、含噪非平滑块;
为了可以对40×40的图像块进行平滑检测,需要利用快速噪声估计的方法(J."Fast Noise Variance Estimation,"Comput.Vis.Image Und.,vol.4,no.2,pp.300–302,1996)对每一个40×40的图像块进行噪声方差进行估计,通过与给定的图像噪声方差σ2进行比较,实现对含噪平滑图像块和含噪非平滑图像块的分离,具体过程如下:
其中,Bi表示40×40的图像块,是图像块的噪声方差,σ2是给出的图像噪声方差,和分别是含噪平滑图像块和含噪非平滑图像块,θ是阈值。
(d)、利用40×40的含噪平滑块和含噪非平滑块的分类,将8×8的平滑和细节的含噪图像块再次细分为平滑含噪图像块和细节含噪图像块,具体分类的公式为:
其中,和是含噪图像yi的含噪平滑图像块和含噪非平滑图像块。
最终获得三类8×8的图像块:纹理和边缘的含噪图像块、平滑含噪图像块和细节含噪图像块;
(2)图像降噪
利用图像块匹配-三维滤波方法处理边缘和纹理含噪图像块和平滑含噪图像块,细节含噪图像块通过图像块期望对数似然估计方法进行处理,最后将图像块进行综合处理。
其中,是恢复的图像块,Ri是图像块yi的样本矩阵。
最终得到图像的降噪效果如图2所示。图2的三组图片分别从左到右依次是干净图片、含噪图片,利用BM3D降噪的图片、利用EPLL降噪的图片和本发明中提出的算法的降噪的图片。实验表明,本发明表现的降噪效果比一些降噪方法效果好。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
机译: 框架块,其组装结构,一种提高框架块的耐蠕变性的方法以及一种提高框架块组合结构的抗剪载荷或倾斜载荷的方法
机译: 框架块,框架块组装结构,提高框架块体蠕变抗力的方法以及提高框架块体构件的抗剪承载力或斜向承载力的方法
机译: 用于基于图像数据块是否单色来压缩图像数据块的方法,程序和设备