專利名稱：一種尺寸自適應(yīng)塊匹配變換域?yàn)V波圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)圖像處理領(lǐng)域，特別是一種圖像去噪方法。
背景技術(shù)：
在圖像獲取過程中，總會不可避免地引入各種噪聲，圖像去噪的研究在過去的幾十年中一直是一個(gè)熱門研究課題。當(dāng)前最好的圖像去噪方法是塊匹配三維變換域協(xié)同濾波(BM3D) [Dabov K, Foi A, Katkovnik V, et al. Image denoising by sparse 3Dtransformdomain collaborative filtering. IEEE Transactions on Image Processing，2007，16(8) =2080-2095]，由于這種方法有效地結(jié)合了局部變換方法與非局部濾波方法，所以是公認(rèn)的當(dāng)前最好的圖像去噪方法。這種方法將圖像去噪的整個(gè)過程分為兩階段第一階段是塊匹配三維變換域硬閾值系數(shù)收縮，稱為基本估計(jì)；第二階段是塊匹配維納濾波，稱為最終估計(jì)。 BM3D總的來說分為兩個(gè)階段，每個(gè)階段又各自分為三步第一階段基本估計(jì)(I)群組通過塊匹配找到圖像中某個(gè)鄰域內(nèi)的若干圖像塊并把它們堆疊成一個(gè)三維矩陣，這充分利用了非局部模型；將輸入圖像z劃分若干相互交疊的塊Zx e x，其中X是這些塊的坐標(biāo)構(gòu)成的集合，對每一個(gè)塊Zxex執(zhí)行群組操作，即群組那些與Zx相似的圖像塊構(gòu)成一個(gè)三維矩陣Zl° = grouping^)(I)(2)協(xié)同濾波用可分的三維變換稀疏表示群組獲得的三維矩陣，通過硬閾值收縮變換系數(shù)去除噪聲，再執(zhí)行逆三維變換γ3θ =T-i(shrink(T(Z3D)))(2)其中T是一個(gè)可分的三維變換，Γ1為T的逆變換。(3)聚合通過加權(quán)平均聚合每一組 χ3&中的所有圖像塊獲得最后的去噪圖像。權(quán)值由下式給出
,~,if I= I σ(3)
1 otherwise其中Mt為三維矩陣變換且硬閾值化后非零系數(shù)的個(gè)數(shù)，σ為輸入含噪圖像的噪聲標(biāo)準(zhǔn)偏差。具體的聚合公式為
Σ Σ (X)嚴(yán)(X)= xO, VxeZ(4)其中j)ba1卩為基本估計(jì)結(jié)果。第二階段最終估計(jì)，用基本估計(jì)的結(jié)果執(zhí)行塊匹配群組與協(xié)同維納濾波。
(I)群組在基本估計(jì)的結(jié)果圖像上執(zhí)行塊匹配并堆疊所有匹配的塊構(gòu)成三維矩陣，同時(shí)利用這個(gè)匹配結(jié)果的各塊的坐標(biāo)，在輸入含噪圖像中找到與這些坐標(biāo)對應(yīng)的塊進(jìn)行群組構(gòu)成三維矩陣，即同時(shí)構(gòu)造了兩個(gè)三維矩陣。=groupingCO(5)Z ie =grouping(Zx)(6)其中是在基本估計(jì)結(jié)果上的塊匹配構(gòu)成的三維矩陣，是參考匹配的結(jié)
xRxRxR
果的坐標(biāo)在原始輸入噪聲圖像上對應(yīng)的塊構(gòu)成的三維矩陣。(2)協(xié)同維納濾波在兩個(gè)三維矩陣與上都執(zhí)行同樣的可分三維變換，對
含噪圖像上構(gòu)成的三維矩陣執(zhí)行經(jīng)驗(yàn)維納濾波，其中以基本估計(jì)結(jié)果上三維矩陣的三維變換能量譜為經(jīng)驗(yàn)值，即真實(shí)能量譜的近似值。最后執(zhí)行可分的三維逆變換得到去噪的圖像塊。Y^: = f (W^r3 e(Z ))(7)其中是以基本估計(jì)為參考在輸入含噪圖像上堆疊的三維矩陣，；r3『為對含噪圖像上三維矩陣的三維變換，為逆三維變換，維納濾波公式為
IW^=|73r(j)^)|2 +σ2(8)(3)聚合將所有由維納濾波去噪后的圖像塊通過加權(quán)平均放回它們的原始位置即獲得最終的去噪圖像
Σ Σ W-Y^(X)^final(X) = O wie 7、-’ VxeX(9)
Σ Σ W ZxJx)其中權(quán)值由下式確定<ie= Il Ws^ll-2(10)式(9)中的Jpfmal即為最終去噪的圖像。經(jīng)過眾多研究人員多年的努力，圖像去噪技術(shù)已經(jīng)取得了大量的研究成果，尤其是塊匹配三維協(xié)同濾波(BM3D)方法的提出使得圖像去噪獲得了近乎完美的結(jié)果。圖像去噪的目的是在去除圖像噪聲的同時(shí)盡好地保留圖像細(xì)節(jié)以及盡可能少地引入假信號?？偟恼f來基于空域的方法往往會過度平滑圖像細(xì)節(jié)，而基于變換域的方法又容易引入假信號。盡管塊匹配三維協(xié)同濾波方法相對于以前的各種圖像去噪方法在性能上得到了很大的提升，但在塊匹配三維協(xié)同濾波方法中的三維變換執(zhí)行的是可分的三維變換，即對每一個(gè)圖像塊都要執(zhí)行二維變換，由于這種二維變換仍是局部變換，因此塊匹配三維協(xié)同濾波方法中仍有局部方法不可避免的問題，即容易引入假信號。尤其當(dāng)噪聲強(qiáng)度較大時(shí)，塊匹配三維協(xié)同濾波方法對塊的二維變換由原來的小波變換改成離散余弦變換(DCT)后，從而導(dǎo)致去噪的圖像引入了強(qiáng)烈的周期性假信號。BM3D算法中的塊匹配過中所有塊的尺寸都是一個(gè)固定值，這也限制了 BM3D算法性能。由人類對圖像中的噪聲的視覺感知可知，平滑區(qū)域?qū)υ肼曌蠲舾?，其次是紋理區(qū)域，再次是輪廓區(qū)域，這三種區(qū)域在圖像處理研究中被稱為三種圖像形態(tài)的分量。在不同的形態(tài)分量下若用不同的塊尺寸，應(yīng)該能獲得更好的圖像去噪結(jié)果。

發(fā)明內(nèi)容
本發(fā)明的目的就在于針對上述現(xiàn)有技術(shù)的缺陷而提供一種去噪效果更好的一種尺寸自適應(yīng)塊匹配變換域?yàn)V波圖像去噪方法。其技術(shù)解決方案如下一種尺寸自適應(yīng)塊匹配變換域?yàn)V波圖像去噪方法，包括如下步驟第一步塊匹配一維Haar變換域?yàn)V波圖像降噪；(I)群組將輸入圖像z劃分成若干相互交疊的圖像塊Zxjjex作為參考塊，其中X是這些塊的坐標(biāo)構(gòu)成的集合，對每一個(gè)塊執(zhí)行塊匹配群組操作，即計(jì)算一個(gè)以參考塊的·左上角坐標(biāo)為中心的一個(gè)鄰域內(nèi)的所有點(diǎn)為左上角坐標(biāo)的圖像塊與參考塊的歐氏距離，然·后將得到的距離排序，選出與參考塊距離最小的K-I個(gè)圖像塊及參考塊構(gòu)成一個(gè)圖像塊組Bg = (B1, B2, B3, , BJt(I)為了方便，本申請把及以及另外K-I個(gè)與Zx最相似的圖像塊分別用B1與Bi, i =
2,3, L K 表示；(2)塊間一維變換濾波將式(I)中Be看作一個(gè)廣義向量，其中向量中的元素為圖像塊，對這個(gè)廣義向量執(zhí)行一維Haar變換，再用硬閾值收縮變換系數(shù)實(shí)現(xiàn)降噪，然后再執(zhí)行一維逆變換Bg =T-1(shrink(T(5G)))(2)Bq = {Βγ,Β^^Β^,-.-,Β^ ^(3) 其中T是塊間的一維變換，Γ1為T的逆變換；(3)聚合通過加權(quán)平均聚合每一組先中的所有圖像塊獲得降噪圖像f。
Σ X ^xrBg(X)z(x)= x.^XB^h-, VxeX(4)
Σ Σ (Χ)
xH Bj €Bq其中夂 ,為特征函數(shù)，權(quán)Aii由下式給出
, if Nx >1= j σ Nxr r(5)
I5otherwise其中為每個(gè)圖像塊組經(jīng)變換及硬閾值系數(shù)收縮后非零系的個(gè)數(shù)。為了更好保留圖像細(xì)節(jié)，本申請的BMlD算法中每組圖像塊中圖像塊數(shù)目相對于BM3D算法中基本估計(jì)階段的圖像塊數(shù)目在弱噪聲情況下一般減少一半，又因?yàn)槿踉肼暻闆r下，用較小的塊也有利于保留圖像細(xì)節(jié)，所以在這種情況下，BMlD方法采用了比BM3D算法更小的圖像塊；第二步BM3D算法中的塊匹配三維維納濾波，即以第一步的結(jié)果為參考，用經(jīng)驗(yàn)維納濾波對原始輸入含噪圖像降噪。此步中執(zhí)行BM3D維納濾波的目的是對第一步結(jié)果中圖像細(xì)節(jié)的增強(qiáng)。在第一步的降噪后，圖像細(xì)節(jié)勢必要也要在一定程度上被弱化，執(zhí)行一步維納濾波可以在一定程度上增強(qiáng)被弱化的圖像細(xì)節(jié)，并同時(shí)進(jìn)一步去除部分噪聲；第三步以輸入含噪圖像為參考執(zhí)行塊匹配，對第二步的結(jié)果執(zhí)行塊匹配一維Haar小波變換去噪。在執(zhí)行塊匹配之前對參考塊執(zhí)行DCT，然后算出變換系數(shù)的交流分量，再?zèng)Q定參考塊的形態(tài)分量種類。若是平滑分量則將參考塊的尺寸變大；若是紋理分量，參考塊的尺寸保持不變；若是輪廓分量則將參考塊的尺寸變小。此步是本算法的最關(guān)鍵一步，經(jīng)過第二步處理后，仍然保留大量的噪聲，并且由于第二步BM3D維納濾波中對每一個(gè)塊的二維變換用的是DCT，所以會把一些噪聲變成了偽紋理，這時(shí)噪聲已經(jīng)不再服從高斯分布，因此不能再在第二步結(jié)果上執(zhí)行塊匹配操作。為了更好地去除這類噪聲，本申請?zhí)岢鲈谠驾斎雸D像上執(zhí)行塊匹配，將塊匹配的結(jié)果應(yīng)用到第二步結(jié)果圖像上執(zhí)行塊塊群組，然后對群組的塊執(zhí)行塊間的一維Haar變換，為了更好保留圖像細(xì)節(jié)，用一個(gè)比第一步中小得多的閾值對變換系數(shù)執(zhí)行硬閾值操作。經(jīng)過這一步噪聲基本被去除干凈；
第四步以第三步的結(jié)果為參考對輸入含噪圖像執(zhí)行尺寸自適應(yīng)塊匹配三維維納濾波；先決定參考塊所屬的形態(tài)分量，根據(jù)所屬的形態(tài)分量適當(dāng)放大、保持或縮小初始參考塊尺寸再執(zhí)行塊匹配操作，其余的過程同經(jīng)典的BM3D維納濾波相同；以上四步中前三步合稱基本估計(jì)，最后一步稱為最終估計(jì)；執(zhí)行完以上四步得到最終去噪的圖像。與現(xiàn)有技術(shù)相比，本申請因?yàn)槿サ袅?BM3D中基本估計(jì)階段中的對每個(gè)圖像塊的二維變換，所以更少地引入了假信號；由于本申請中塊匹配群組中的塊的數(shù)目比BM3D方法中少，所以更好地保留了圖像細(xì)節(jié)。由于本申請?jiān)趬K匹配時(shí)根據(jù)形態(tài)分量的不同自適應(yīng)地選擇了塊的大小，使本申請的圖像去噪性能進(jìn)一步提高。目前通用的圖像去噪的客觀評價(jià)為峰值信噪比(PSNR)與平均結(jié)構(gòu)相似性度量MSSIM兩種，本申請的方法在這兩個(gè)客觀評價(jià)上對BM3D網(wǎng)站上提供的多幅標(biāo)準(zhǔn)圖像在所有噪聲強(qiáng)度下的結(jié)果都一致高于BM3D方法。以下結(jié)合附圖對發(fā)明做進(jìn)一步的說明。


圖I為本申請算法與BM3D及BM3D-SAPCA在噪聲標(biāo)準(zhǔn)偏差σ = 100時(shí)的去噪結(jié)果比較。(a)原始圖像；(b)BM3D算法結(jié)果；(c)BM3D-SAPCA算法結(jié)果；(d)本申請算法結(jié)果。圖2為本申請算法、BM3D算法及BM3D-SAPCA算法去噪結(jié)果比較。(a)添加噪聲圖像(σ = 15) ; (b)BM3D去噪結(jié)果；(c) BM3D-SAPCA去噪結(jié)果；(d)本申請算法去噪結(jié)果；(e)為(c)的局部放大；(f)為(d)的局部放大。從標(biāo)注的框內(nèi)看出，BM3D-SAPCA在低噪情況下仍引入了假信號，而本申請算法沒有引入假信號。圖3為加噪的與用本申請算法去噪的Kodak04與Kodak08的圖像。圖4為加噪的與用本申請算法去噪的Kodakl9與Kodak22的圖像。
具體實(shí)施例方式實(shí)驗(yàn)結(jié)果對比平均結(jié)構(gòu)相似性度量在進(jìn)行實(shí)驗(yàn)結(jié)果對比以前，先介紹一種新的圖像質(zhì)量客觀評價(jià)方法。平均結(jié)構(gòu)相似性度量(MSSM)是2004年Z. Wang等[135]提出的一種比PSNR更有效的圖像質(zhì)量評價(jià)方法，是當(dāng)前圖像去噪研究領(lǐng)域被廣泛應(yīng)用的一種圖像結(jié)果客觀評價(jià)方法。下面給出用MSSIM評價(jià)圖像去噪結(jié)果的具體方法先將真實(shí)圖像與去噪圖像分別分成M個(gè)塊，分別計(jì)算每個(gè)真實(shí)圖像塊X與每個(gè)去噪圖像塊I的均值與標(biāo)準(zhǔn)偏差
權(quán)利要求
1 .一種尺寸自適應(yīng)塊匹配變換域?yàn)V波圖像去噪方法，包括如下步驟第一步塊匹配一維Haar變換域?yàn)V波圖像降噪； (1)群組將輸入圖像z劃分成若干相互交疊的圖像塊作為參考塊，其中X是這些塊的坐標(biāo)構(gòu)成的集合，對每一個(gè)塊執(zhí)行塊匹配群組操作，即計(jì)算一個(gè)以參考塊的左上角坐標(biāo)為中心的一個(gè)鄰域內(nèi)的所有點(diǎn)為左上角坐標(biāo)的圖像塊與參考塊的歐氏距離，然后將得到的距離排序，選出與參考塊；Λ距離最小的K-I個(gè)圖像塊及參考塊構(gòu)成一個(gè)圖像塊組Bg = (B1, B2J B3J ... Βκ} (I) 為了方便，本申請把\以及另外K-I個(gè)與Zx最相似的圖像塊分別用B1與Bi, i = 2,3,L K表示； (2)塊間一維變換濾波將式(I)中Be看作一個(gè)廣義向量，其中向量中的元素為圖像塊，對這個(gè)廣義向量執(zhí)行一維Haar變換，再用硬閾值收縮變換系數(shù)實(shí)現(xiàn)降噪，然后再執(zhí)行一維逆變換 4 =T-1Cshrink(T^c)))(2) Β0={Βγ,Β2,Β3,...,Βκ}τ(3) 其中T是塊間的一維變換，Γ1為T的逆變換； (3)聚合通過加權(quán)平均聚合每一組&中的所有圖像塊獲得降噪圖像乏。
.Σ wJG(x) = xReX Bi^Ba_ Σ Σ θ)，ν Υ λ xReXB,eBG R ' Vxg X(4) 其中為特征函數(shù)，權(quán)w·^由下式給出 , if TV, >1 % = σ K R(5) 1，otherwise 其中^^為每個(gè)圖像塊組經(jīng)變換及硬閾值系數(shù)收縮后非零系的個(gè)數(shù)。
為了更好保留圖像細(xì)節(jié)，本申請的BMlD算法中每組圖像塊中圖像塊數(shù)目相對于BM3D算法中基本估計(jì)階段的圖像塊數(shù)目在弱噪聲情況下一般減少一半，又因?yàn)槿踉肼暻闆r下，用較小的塊也有利于保留圖像細(xì)節(jié)，所以在這種情況下，BMlD方法采用了比BM3D算法更小的圖像塊； 第二步BM3D算法中的塊匹配三維維納濾波，即以第一步的結(jié)果為參考，用經(jīng)驗(yàn)維納濾波對原始輸入含噪圖像降噪。此步中執(zhí)行BM3D維納濾波的目的是對第一步結(jié)果中圖像細(xì)節(jié)的增強(qiáng)。在第一步的降噪后，圖像細(xì)節(jié)勢必要也要在一定程度上被弱化，執(zhí)行一步維納濾波可以在一定程度上增強(qiáng)被弱化的圖像細(xì)節(jié)，并同時(shí)進(jìn)一步去除部分噪聲； 第三步以輸入含噪圖像為參考執(zhí)行塊匹配，對第二步的結(jié)果執(zhí)行塊匹配一維Haar小波變換去噪。在執(zhí)行塊匹配之前對參考塊執(zhí)行DCT，然后算出變換系數(shù)的交流分量，再?zèng)Q定參考塊的形態(tài)分量種類。若是平滑分量則將參考塊的尺寸變大；若是紋理分量，參考塊的尺寸保持不變；若是輪廓分量則將參考塊的尺寸變小。此步是本算法的最關(guān)鍵一步，經(jīng)過第二步處理后，仍然保留大量的噪聲，并且由于第二步BM3D維納濾波中對每一個(gè)塊的二維變換用的是DCT，所以會把一些噪聲變成了偽紋理，這時(shí)噪聲已經(jīng)不再服從高斯分布，因此不能再在第二步結(jié)果上執(zhí)行塊匹配操作。為了更好地去除這類噪聲，本申請?zhí)岢鲈谠驾斎雸D像上執(zhí)行塊匹配，將塊匹配的結(jié)果應(yīng)用到第二步結(jié)果圖像上執(zhí)行塊塊群組，然后對群組的塊執(zhí)行塊間的一維Haar變換，為了更好保留圖像細(xì)節(jié)，用一個(gè)比第一步中小得多的閾值對變換系數(shù)執(zhí)行硬閾值操作。經(jīng)過這一步噪聲基本被去除干凈； 第四步以第三步的結(jié)果為參考對輸入含噪圖像執(zhí)行尺寸自適應(yīng)塊匹配三維維納濾 波；先決定參考塊所屬的形態(tài)分量，根據(jù)所屬的形態(tài)分量適當(dāng)放大、保持或縮小初始參考塊尺寸再執(zhí)行塊匹配操作，其余的過程同經(jīng)典的BM3D維納濾波相同； 以上四步中前三步合稱基本估計(jì)，最后一步稱為最終估計(jì)；執(zhí)行完以上四步得到最終去噪的圖像。
全文摘要
本發(fā)明公開了一種尺寸自適應(yīng)塊匹配變換域?yàn)V波圖像去噪方法，本申請因?yàn)槿サ袅薆M3D中基本估計(jì)階段中的對每個(gè)圖像塊的二維變換，所以更少地引入了假信號；由于本申請中塊匹配群組中的塊的數(shù)目比BM3D方法中少，所以更好地保留了圖像細(xì)節(jié)。由于本申請?jiān)趬K匹配時(shí)根據(jù)形態(tài)分量的不同自適應(yīng)地選擇了塊的大小，使本申請的圖像去噪性能進(jìn)一步提高。目前通用的圖像去噪的客觀評價(jià)為峰值信噪比(PSNR)與平均結(jié)構(gòu)相似性度量MSSIM兩種，本申請的方法在這兩個(gè)客觀評價(jià)上對BM3D網(wǎng)站上提供的多幅標(biāo)準(zhǔn)圖像在所有噪聲強(qiáng)度下的結(jié)果都一致高于BM3D方法。
文檔編號G06T5/00GK102682429SQ20121012412
公開日2012年9月19日 申請日期2012年4月13日 優(yōu)先權(quán)日2012年4月13日
發(fā)明者侯迎坤, 楊德運(yùn) 申請人:泰山學(xué)院