本發(fā)明涉及一種圖像去噪方法，尤其是一種可有效提高去除高斯白噪聲效果的基于圖像集的圖像去噪方法。

背景技術(shù)：

圖像在產(chǎn)生、傳輸、存儲(chǔ)中的過(guò)程中經(jīng)常遭遇各類噪聲的污染，高斯白噪聲是最常見(jiàn)的一類噪聲。目前可以將圖像去噪分為兩大類：一類為基于變換域工具或者偏微分?jǐn)?shù)學(xué)模型的方法，基于變換域的方法處理速度快，種類豐富，但是對(duì)于不同圖像，參數(shù)需要大量調(diào)整，容易丟失邊緣；基于偏微分等數(shù)學(xué)模型方法處理速度過(guò)慢，去噪效果不穩(wěn)定；另一類是基于空間域的方法，基于空間域的非局部方法將修復(fù)的范圍由傳統(tǒng)的局部變?yōu)榉蔷植糠秶?，大大增大了修?fù)過(guò)程可以參考的信息，從而提高了去噪的效果，但是仍存在一定的局限性，當(dāng)圖像受到高密度噪聲污染時(shí)，在單幅圖像的非局部范圍內(nèi)已不能搜索到足夠有效的修復(fù)信息，因此去噪效果受到了抑制。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明是為了解決現(xiàn)有技術(shù)所存在的上述技術(shù)問(wèn)題，提供一種可有效提高去除高斯白噪聲效果的圖像去噪方法。

本發(fā)明的技術(shù)解決方案是：一種基于圖像集的圖像去噪方法，按如下步驟進(jìn)行：

a. 讀取待處理的噪聲圖像，記為Image_noise, 約定Image_noise的尺寸為M*N，約定（i,j）為Image_noise中像素的坐標(biāo)；

b. 設(shè)圖像集中共有s張參考圖像，從圖像集中依次讀入?yún)⒖紙D像，記為Image₁，Image₂，......Image_s，約定Image_s的尺寸為M1*N1，約定（i1,j1）為Image_s中像素的坐標(biāo)；

c. 依次讀入Image_noise以及參考圖像Image₁，Image_{2，。。。}Image_s，對(duì)讀入圖像進(jìn)行圖像塊切割操作，具體步驟如下：

c.1讀入待處理噪聲圖像Image_noise，從坐標(biāo)（2,2）開(kāi)始，讀取以坐標(biāo)(i,j)為中心3*3像素范圍的圖像內(nèi)容，放入一個(gè)3*3大小的圖像塊中并保存，記為Patch_n, n為Patch的標(biāo)記，按照從上到下從左到右的原則逐像素移動(dòng)，直到坐標(biāo)（M-1，N-1）結(jié)束；

c.2讀入一幅參考圖像Image_s，從該圖像坐標(biāo)(2,2)開(kāi)始，讀取以坐標(biāo)(i1，j1)為中心3*3像素范圍的圖像內(nèi)容，放入一個(gè)3*3大小的圖像塊中并保存，記為Patch_n1，n1為Patch的標(biāo)記，按照從上到下從左到右的原則逐像素移動(dòng)，直到坐標(biāo)（M1-1，N1-1）結(jié)束；

c.3 重復(fù)c.2操作，直到所有圖像集中參考圖像切割完畢，進(jìn)入步驟d；

d. 對(duì)所有的圖像塊Patch_n及Patch_n1進(jìn)行K-means聚類，聚類數(shù)設(shè)為50，將每一個(gè) Patch_n分別打上所屬的類標(biāo)簽k；

e. 依次對(duì)Patch_n集合中標(biāo)號(hào)n為1至（M-1）*（N-1）的圖像塊去噪，具體步驟如下：

e.1 從n=1開(kāi)始，讀入一個(gè)圖像塊Patch_n，獲取其對(duì)應(yīng)的聚類標(biāo)簽k；

e.2 根據(jù)Patch_n對(duì)應(yīng)的聚類標(biāo)簽k，搜索所有屬于k的圖像塊，記為Patch_corr，

設(shè)共有m個(gè)Patch_corr；

e.3 利用搜索到的m個(gè)Patch_corr，對(duì)Patch_n進(jìn)行非局部濾波去噪得到

，其中表示某一個(gè)Patch_corr修復(fù)Patch_n的權(quán)值，，為Patch_corr與Patch_n的相似性，，表示噪聲的標(biāo)準(zhǔn)差；

f. 將所有修復(fù)后的依次拼接，組成修復(fù)后的圖像Image_repair。

本發(fā)明增加了可修復(fù)圖像的圖像塊數(shù)量，充分利用圖像集中的多幅參考圖像，通過(guò)聚類的方式將內(nèi)容相同的參考?jí)K歸為一類，可以有效提高去除高斯白噪聲效果。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例的待處理圖像。

圖2為本發(fā)明實(shí)施例對(duì)圖像塊進(jìn)行聚類后的示意圖。

圖3為本發(fā)明實(shí)施例去噪后圖像。

具體實(shí)施方式

一種基于圖像集的圖像去噪方法，按如下步驟進(jìn)行：

a. 讀取如圖1所示的待處理的噪聲圖像，記為Image_noise, 約定Image_noise的尺寸為M*N，約定（i,j）為Image_noise中像素的坐標(biāo)；

b. 設(shè)圖像集中共有s張參考圖像，從圖像集中依次讀入?yún)⒖紙D像，記為Image₁，Image₂，......Image_s，約定Image_s的尺寸為M1*N1，約定（i1,j1）為Image_s中像素的坐標(biāo)；

c. 依次讀入Image_noise以及參考圖像Image₁，Image_{2，。。。}Image_s，對(duì)讀入圖像進(jìn)行圖像塊切割操作，具體步驟如下：

c.1讀入待處理噪聲圖像Image_noise，從坐標(biāo)（2,2）開(kāi)始，讀取以坐標(biāo)(i,j)為中心3*3像素范圍的圖像內(nèi)容，放入一個(gè)3*3大小的圖像塊中并保存，記為Patch_n, n為Patch的標(biāo)記，按照從上到下從左到右的原則逐像素移動(dòng)，直到坐標(biāo)（M-1，N-1）結(jié)束；

c.2讀入一幅參考圖像Image_s，從該圖像坐標(biāo)(2,2)開(kāi)始，讀取以坐標(biāo)(i1，j1)為中心3*3像素范圍的圖像內(nèi)容，放入一個(gè)3*3大小的圖像塊中并保存，記為Patch_n1，n1為Patch的標(biāo)記，按照從上到下從左到右的原則逐像素移動(dòng)，直到坐標(biāo)（M1-1，N1-1）結(jié)束；

c.3 重復(fù)c.2操作，直到所有圖像集中參考圖像切割完畢，進(jìn)入步驟d；

d. 對(duì)所有的圖像塊Patch_n及Patch_n1進(jìn)行K-means聚類，聚類數(shù)設(shè)為50，將每一個(gè) Patch_n分別打上所屬的類標(biāo)簽k，對(duì)圖像塊進(jìn)行聚類后的示意圖如圖2所示；

e. 依次對(duì)Patch_n集合中標(biāo)號(hào)n為1至（M-1）*（N-1）的圖像塊去噪，具體步驟如下：

e.1 從n=1開(kāi)始，讀入一個(gè)圖像塊Patch_n，獲取其對(duì)應(yīng)的聚類標(biāo)簽k；

e.2 根據(jù)Patch_n對(duì)應(yīng)的聚類標(biāo)簽k，搜索所有屬于k的圖像塊，記為Patch_corr，

設(shè)共有m個(gè)Patch_corr；

e.3 利用搜索到的m個(gè)Patch_corr，對(duì)Patch_n進(jìn)行非局部濾波去噪得到

，其中表示某一個(gè)Patch_corr修復(fù)Patch_n的權(quán)值，，為Patch_corr與Patch_n的相似性，, 表示噪聲的標(biāo)準(zhǔn)差；

f. 將所有修復(fù)后的依次拼接，組成如圖3所示的修復(fù)后的圖像

Image_repair。

從圖1、圖3可以看出，本發(fā)明的基于圖像集的圖像去噪方法可有效提高去除高斯白噪聲效果。