CN112819701B - 一种图像去噪方法、系统及电子设备 - Google Patents

Abstract

本申请涉及一种图像去噪方法、系统及电子设备。包括：步骤a：采用优选插值模板的方式计算待去噪图像的局部梯度，并计算局部梯度幅值；步骤b：根据所述局部梯度幅值构造时间调制函数T；步骤c：在每一步的时间步长内，将所述时间调制函数T引入P‑M扩散方程，并单步迭代求解所述P‑M扩散方程，得到去噪图像。本申请通过动态的差异调制扩散时间，实现高时间分辨率的图像去噪增强，提高了扩散类去噪算法对纹理细节的保持能力以及对于高频噪声的去除能力，结合本申请的算法，还可以提高其他非线性去噪算子的去噪能力，进一步提高去噪后的信噪比。

Description

一种图像去噪方法、系统及电子设备

技术领域

本申请属于图像处理技术领域，特别涉及一种图像去噪方法、系统及电子设备。

背景技术

扩散去噪类算法一直是重要的图像去噪增强算法，带有初值问题的线性扩散方程的解表现为初值函数与高斯函数的卷积滤波，而非线性扩散方程则以P-M扩散方程为主要代表，引入非线性的方向扩散函数后可以在去噪的同时更好的保持纹理细节。基于扩散方程的去噪算法多年来受到各国学者的重视，其变种算法不断涌现。

然而,除了空间非线性滤波的各种变种算法，学者们越来越意识到局部扩散时间的重要性，因此，如何在求解非线性扩散方程的过程中，阶段性的、分步的调节扩散时间，实现不同空间局部的调节扩散时间，成为了亟待解决的问题。

发明内容

本申请提供了一种图像去噪方法、系统及电子设备，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种图像去噪方法，包括以下步骤：

步骤a：采用优选插值模板的方式计算待去噪图像的局部梯度，并计算局部梯度幅值；

步骤b：根据所述局部梯度幅值构造时间调制函数T；

步骤c：在每一步的时间步长内，将所述时间调制函数T引入P-M扩散方程，并单步迭代求解所述P-M扩散方程，得到去噪图像。

本申请实施例采取的技术方案还包括：步骤a还包括：设定时间步长、梯度阀值、迭代变量的初始值。

本申请实施例采取的技术方案还包括：在所述步骤a中，所述采用优选插值模板的方式计算待去噪图像的局部梯度具体为：

沿着x方向的梯度平方计算公式为：

上述公式中，

沿着y方向的梯度平方计算公式为：

上述公式中，

本申请实施例采取的技术方案还包括：在所述步骤b中，所述时间调制函数T的表达式为：

上述公式中，u代表图像灰度值变量，g代表任意的非线性去噪算子。

本申请实施例采取的技术方案还包括：所述步骤c后还包括：判断所述去噪图像是否满足输出要求，如果不满足输出要求，则重置时间步长，并重新执行步骤a；如果满足输出要求，则输出去噪图像。

本申请实施例采取的另一技术方案为：一种图像去噪系统，包括：

梯度计算模块：用于采用优选插值模板的方式计算待去噪图像的局部梯度，并计算局部梯度幅值；

时间调制函数计算模块：用于根据所述局部梯度幅值构造时间调制函数T；

扩散去噪模块：用于在每一步的时间步长内，将所述时间调制函数T引入P-M扩散方程，并单步迭代求解所述P-M扩散方程，得到去噪图像。

本申请实施例采取的技术方案还包括参数设定模块，所述参数设定模块用于设定时间步长、梯度阀值、迭代变量的初始值。

本申请实施例采取的技术方案还包括：所述梯度计算模块采用优选插值模板的方式计算待去噪图像的局部梯度具体为：

沿着x方向的梯度平方计算公式为：

上述公式中，

沿着y方向的梯度平方计算公式为：

上述公式中，

本申请实施例采取的技术方案还包括：所述时间调制函数T的表达式为：

上述公式中，u代表图像灰度值变量，g代表任意的非线性去噪算子。

本申请实施例采取的技术方案还包括图像判断模块和图像输出模块，所述图像判断模块用于判断所述去噪图像是否满足输出要求，如果不满足输出要求，则重置时间步长，并重新执行步骤a；如果满足输出要求，则通过图像输出模块输出去噪图像。

本申请实施例采取的又一技术方案为：一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的图像去噪方法的以下操作：

步骤a：采用优选插值模板的方式计算待去噪图像的局部梯度，并计算局部梯度幅值；

步骤b：根据所述局部梯度幅值构造时间调制函数T；

步骤c：在每一步的时间步长内，将所述时间调制函数T引入P-M扩散方程，并单步迭代求解所述P-M扩散方程，得到去噪图像。

相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的图像去噪方法、系统及电子设备通过引入局部的时间调制函数，在每个扩散时间步长内，按照梯度幅值调制扩散时间，在梯度较陡的区域施加相对少的扩散时间，而在平滑区域施加正常的相对较大的扩散时间，从而提高传统扩散去噪方法的局部时间分辨率，动态的差异调制扩散时间，实现高时间分辨率的图像去噪增强。本申请提高了扩散类去噪算法对纹理细节的保持能力以及对于高频噪声的去除能力，结合本申请的算法，还可以提高其他非线性去噪算子的去噪能力，进一步提高去噪后的信噪比。

附图说明

图1是本申请实施例的图像去噪方法的流程图；

图2为对于不同差分方式对于纹理间断的梯度逼近示意图；

图3是本申请实施例的图像去噪系统的结构示意图；

图4为针对高斯噪声方差为900的Cameraman图像的去噪效果对比图；

图5为取图像的第100行所画的灰度幅值线条示意图；

图6是本申请实施例提供的图像去噪方法的硬件设备结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的图像去噪方法通过引入局部的时间调制函数，在每个扩散时间步长内，按照梯度幅值调制扩散时间，在梯度较陡的区域施加相对少的扩散时间，而在平滑区域施加正常的相对较大的扩散时间，从而提高传统扩散去噪方法的局部时间分辨率，动态的差异调制扩散时间，实现高时间分辨率的图像去噪增强。

具体的，请参阅图1，是本申请实施例的图像去噪方法的流程图。本申请实施例的图像去噪方法包括以下步骤：

步骤100：输入待去噪图像；

步骤100中，待去噪图像包括但不限于灰度图像或者三原色图像中的某一维。

步骤200：设定时间步长、梯度阀值、迭代变量等参数的初始值；

步骤200中，本申请设置初始时间步长dt＝1.0，梯度阀值K＝1，初始迭代变量step＝1，具体参数可根据实际操作进行调节。

步骤300：采用优选插值模板的方式计算待去噪图像的局部梯度，构造图像梯度图，并计算局部梯度幅值；

步骤300中，如图2所示，为对于不同差分方式对于纹理间断的梯度逼近示意图。现有中心差分在计算图像梯度图时，在纹理间断处会出现梯度抹平的情况，导致在梯度间断处不能实现梯度幅值的精确计算。因此，本申请采用优选插值模板的方式计算局部梯度幅值，即取向前和向后差分中较大的梯度幅值作为局部梯度，进行整个区域(包含纹理间断)的精细梯度刻画，从而更好的刻画纹理间断处的梯度起伏，进而更精确地实现时间调制。

具体的，沿着x方向的梯度平方计算公式为：

公式(1)中，

沿着y方向的梯度平方计算公式为：

公式(3)中，

步骤400：根据局部梯度幅值构造时间调制函数T；

步骤400中，局部梯度幅值可以更准确的划分纹理间断的扩散时间，并根据局部梯度幅值构造时间调制函数的具体表达式，图像梯度幅值的全图像统计性质给出了表达式中参数的计算；具体的，时间调制函数的具体表达式为：

公式(5)中，T^*代表基本的扩散时间保障，可以通过统计图像梯度图按比例给出：

公式(7)中，M和N分别表示输入的待去噪图像的横向和纵向的像素数，S代表所有满足

的像素数，K为区分大梯度的阀值。

步骤500：在时间步长dt内，将时间调制函数T引入P-M扩散方程，并单步迭代求解该扩散方程，得到去噪图像，此时，step＝step+1；

步骤500中，为了实现不同空间局部的调节扩散时间，本申请实施例在传统扩散方程中的扩散项前面引入了时间调制函数T，以在每一步的时间步长dt内求解扩散方程，局部动态的调节整个待去噪图像的扩散时间，使得纹理间断区域赋予较少的扩散时间，而在平滑区域，赋予正常的扩散时间，从而实现纹理特征在去噪过程中的保持。具体表达式为：

公式(8)中，u代表图像灰度值变量，初始时候输入的是含有噪声的待去噪图像；g代表任意的非线性去噪算子。

步骤600：判断去噪图像的峰值信噪比(PSNR)是否降低，如果降低，执行步骤700；否则，重新执行步骤300；

步骤600中，如果去噪图像的峰值信噪比呈现上升，即相比上一个dt的去噪图像具有更好的峰值信噪比输出，则返回步骤300继续迭代；反之，如果去噪图像的峰值信噪比降低，则根据步骤200中设定的时间步长dt＝1.0，得到最好的迭代去噪图像。

步骤700：判断得到的去噪图像是否满足输出要求，如果不满足输出要求，执行步骤800；如果满足输出要求，执行步骤900；

步骤800：重置dt＝0.5*dt，即减小dt一半，并重新执行步骤300；

步骤800中，如果峰值信噪比不能满足输出要求，则返回调制固定的时间步长，最终实现闭环的图像去噪效果输出。可以理解，重置时间步长dt的值不仅限于减小一半，也可根据实际操作进行设定。

步骤900：输出去噪图像。

请参阅图3，是本申请实施例的图像去噪系统的结构示意图。本申请实施例的图像去噪系统包括图像输入模块、参数设定模块、梯度计算模块、时间调制函数计算模块、扩散去噪模块、信噪比判断模块、图像判断模块和图像输出模块。

图像输入模块：用于输入待去噪图像；其中，待去噪图像包括但不限于灰度图像或者三原色图像中的某一维。

参数设定模块：用于设定时间步长、梯度阀值、迭代变量等参数的初始值；其中，本申请设置初始时间步长dt＝1.0，梯度阀值K＝1，初始迭代变量step＝1，具体参数可根据实际操作进行调节。

梯度计算模块：用于采用优选插值模板的方式计算待去噪图像的局部梯度，构造图像梯度图，并计算局部梯度幅值；其中，本申请采用优选插值模板的方式计算局部梯度幅值，即取向前和向后差分中较大的梯度幅值作为局部梯度，进行整个区域(包含纹理间断)的精细梯度刻画，从而更好的刻画纹理间断处的梯度起伏，进而更精确地实现时间调制。

具体的，沿着x方向的梯度平方计算公式为：

公式(1)中，

沿着y方向的梯度平方计算公式为：

公式(3)中，

时间调制函数计算模块：用于根据局部梯度幅值构造时间调制函数T；其中，局部梯度幅值可以更准确的划分纹理间断的扩散时间，并根据局部梯度幅值构造时间调制函数的具体表达式，图像梯度幅值的全图像统计性质给出了表达式中参数的计算；具体的，时间调制函数的具体表达式为：

公式(5)中，T^*代表基本的扩散时间保障，可以通过统计图像梯度图按比例给出：

公式(7)中，M和N分别表示输入的待去噪图像的横向和纵向的像素数，S代表所有满足

的像素数，K为区分大梯度的阀值。

扩散去噪模块：用于在时间步长dt内，将时间调制函数T引入P-M扩散方程，并单步迭代求解该扩散方程，得到去噪图像，此时，step＝step+1；其中，为了实现不同空间局部的调节扩散时间，本申请实施例在传统扩散方程中的扩散项前面引入了时间调制函数T，以求解扩散方程的每一步的时间步长dt内，局部动态的调节整个待去噪图像的扩散时间，使得纹理间断区域赋予较少的扩散时间，而在平滑区域，赋予正常的扩散时间，从而实现纹理特征在去噪过程中的保持。具体表达式为：

公式(8)中，u代表图像灰度值变量，初始时候输入的是含有噪声的待去噪图像；g代表任意的非线性去噪算子。

信噪比判断模块：用于判断去噪图像的峰值信噪比(PSNR)是否降低，如果降低，通过图像判断模块判断去噪图像是否满足输出要求；否则，通过梯度计算模块重新计算局部梯度幅值。

图像判断模块：用于判断得到的去噪图像是否满足输出要求，如果不满足输出要求，则重置dt＝0.5*dt，即减小dt一半，并通过梯度计算模块重新计算局部梯度幅值；如果满足输出要求，则通过图像输出模块输出去噪图像。其中，如果峰值信噪比不能满足输出要求，则通过调制固定的时间步长，最终实现闭环的图像去噪效果输出。

为了验证本申请实施例的可行性和有效性，图4针对高斯噪声方差为900的Cameraman图像给出了去噪效果对比。其中(a)为原始图像，(b)为噪声图像，(c)为传统的P-M去噪，(d)为引入本发明后的P-M去噪。可以看到，引入本申请构造的时间调制函数T后，经典的P-M算法表现出极大的去噪效果的提升。请一并参阅图5，为代表取图像的第100行所画的灰度幅值线条示意图。图5中的线图可以明显看到加入时间调制函数T后，去噪表现出比较明显的纹理细节的保持和增强，对于相对平滑处的高频噪声也具有较强的去除能力的提高。

图6是本申请实施例提供的图像去噪方法的硬件设备结构示意图。如图6所示，该设备包括一个或多个处理器以及存储器。以一个处理器为例，该设备还可以包括：输入系统和输出系统。

处理器、存储器、输入系统和输出系统可以通过总线或者其他方式连接，图6中以通过总线连接为例。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例的处理方法。

存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入系统可接收输入的数字或字符信息，以及产生信号输入。输出系统可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个处理器执行时，执行上述任一方法实施例的以下操作：

步骤a：采用优选插值模板的方式计算待去噪图像的局部梯度，并计算局部梯度幅值；

步骤b：根据所述局部梯度幅值构造时间调制函数T；

步骤c：在每一步的时间步长内，将所述时间调制函数T引入P-M扩散方程，并单步迭代求解所述P-M扩散方程，得到去噪图像。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例提供的方法。

本申请实施例提供了一种非暂态(非易失性)计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行以下操作：

步骤a：采用优选插值模板的方式计算待去噪图像的局部梯度，并计算局部梯度幅值；

步骤b：根据所述局部梯度幅值构造时间调制函数T；

步骤c：在每一步的时间步长内，将所述时间调制函数T引入P-M扩散方程，并单步迭代求解所述P-M扩散方程，得到去噪图像。

本申请实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行以下操作：

步骤a：采用优选插值模板的方式计算待去噪图像的局部梯度，并计算局部梯度幅值；

步骤b：根据所述局部梯度幅值构造时间调制函数T；

步骤c：在每一步的时间步长内，将所述时间调制函数T引入P-M扩散方程，并单步迭代求解所述P-M扩散方程，得到去噪图像。

本申请实施例的图像去噪方法、系统及电子设备通过引入局部的时间调制函数，在每个扩散时间步长内，按照梯度幅值调制扩散时间，在梯度较陡的区域施加相对少的扩散时间，而在平滑区域施加正常的相对较大的扩散时间，从而提高传统扩散去噪方法的局部时间分辨率，动态的差异调制扩散时间，实现高时间分辨率的图像去噪增强。本申请提高了扩散类去噪算法对纹理细节的保持能力以及对于高频噪声的去除能力，结合本申请的算法，还可以提高其他非线性去噪算子的去噪能力，进一步提高去噪后的信噪比。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本申请中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本申请所示的这些实施例，而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种图像去噪方法，其特征在于，包括以下步骤：

步骤a：采用优选插值模板的方式计算待去噪图像的局部梯度，并计算局部梯度幅值；

步骤b：根据所述局部梯度幅值构造时间调制函数T；

步骤c：在每一步的时间步长内，将所述时间调制函数T引入P-M扩散方程，并单步迭代求解所述P-M扩散方程，得到去噪图像；

其中：在所述步骤a中，所述采用优选插值模板的方式计算待去噪图像的局部梯度具体为：

沿着x方向的梯度平方计算公式为：

上述公式中，

沿着y方向的梯度平方计算公式为：

上述公式中，

所述步骤b包括：局部梯度幅值可以更准确的划分纹理间断的扩散时间，并根据局部梯度幅值构造时间调制函数的具体表达式，图像梯度幅值的全图像统计性质给出了表达式中参数的计算；时间调制函数的具体表达式为：

公式(5)中，T^*代表基本的扩散时间保障，通过统计图像梯度图按比例给出：

公式(7)中，M和N分别表示输入的待去噪图像的横向和纵向的像素数，S代表所有满足

的像素数，K为区分大梯度的阀值；

所述步骤c包括：

在传统扩散方程中的扩散项前面引入时间调制函数T，以在每一步的时间步长dt内求解扩散方程，局部动态的调节整个待去噪图像的扩散时间，使得纹理间断区域赋予较少的扩散时间，而在平滑区域，赋予正常的扩散时间，从而实现纹理特征在去噪过程中的保持，具体表达式为：

公式(8)中，u代表图像灰度值变量，g代表任意的非线性去噪算子。

2.根据权利要求1所述的图像去噪方法，其特征在于，步骤a还包括：设定时间步长、梯度阀值、迭代变量的初始值。

3.根据权利要求2所述的图像去噪方法，其特征在于，所述步骤c后还包括：判断所述去噪图像是否满足输出要求，如果不满足输出要求，则重置时间步长，并重新执行步骤a；如果满足输出要求，则输出去噪图像。

4.一种图像去噪系统，其特征在于，包括：

梯度计算模块：用于采用优选插值模板的方式计算待去噪图像的局部梯度，并计算局部梯度幅值；

时间调制函数计算模块：用于根据所述局部梯度幅值构造时间调制函数T；

扩散去噪模块：用于在每一步的时间步长内，将所述时间调制函数T引入P-M扩散方程，并单步迭代求解所述P-M扩散方程，得到去噪图像；

所述梯度计算模块具体用于：

沿着x方向的梯度平方计算公式为：

上述公式中，

沿着y方向的梯度平方计算公式为：

上述公式中，

所述时间调制函数计算模块具体用于：

局部梯度幅值可以更准确的划分纹理间断的扩散时间，并根据局部梯度幅值构造时间调制函数的具体表达式，图像梯度幅值的全图像统计性质给出了表达式中参数的计算；时间调制函数的具体表达式为：

公式(5)中，T^*代表基本的扩散时间保障，通过统计图像梯度图按比例给出：

公式(7)中，M和N分别表示输入的待去噪图像的横向和纵向的像素数，S代表所有满足

的像素数，K为区分大梯度的阀值；

所述扩散去噪模块具体用于：

在传统扩散方程中的扩散项前面引入时间调制函数T，以在每一步的时间步长dt内求解扩散方程，局部动态的调节整个待去噪图像的扩散时间，使得纹理间断区域赋予较少的扩散时间，而在平滑区域，赋予正常的扩散时间，从而实现纹理特征在去噪过程中的保持，具体表达式为：

公式(8)中，u代表图像灰度值变量，g代表任意的非线性去噪算子。

5.根据权利要求4所述的图像去噪系统，其特征在于，还包括参数设定模块，所述参数设定模块用于设定时间步长、梯度阀值、迭代变量的初始值。

6.根据权利要求5所述的图像去噪系统，其特征在于，还包括图像判断模块和图像输出模块，所述图像判断模块用于判断所述去噪图像是否满足输出要求，如果不满足输出要求，则重置时间步长，并重新执行步骤a；如果满足输出要求，则通过图像输出模块输出去噪图像。

7.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述1至3任一项所述的图像去噪方法。

Images