圖像去噪裝置及圖像去噪方法
【專利摘要】本發(fā)明提供一種圖像去噪裝置及圖像去噪方法。該圖像去噪裝置具備：輸入單元，輸入圖像的圖像數(shù)據(jù)；分塊單元，根據(jù)輸入的圖像數(shù)據(jù)，將圖像劃分為多個(gè)塊；特征提取單元，提取圖像中的每一塊的特征；聚類單元，基于提取的特征進(jìn)行聚類，由此將圖像中的多個(gè)塊分組而得到塊組；濾波單元，利用多線性子空間學(xué)習(xí)濾波器對(duì)塊組進(jìn)行去噪；以及輸出單元，輸出去噪后的圖像數(shù)據(jù)。根據(jù)本發(fā)明的圖像去噪裝置，能夠在整個(gè)圖像中對(duì)塊進(jìn)行聚類并分組，從而能夠在整個(gè)圖像中提取相似塊。而且，不僅能對(duì)二維圖像去噪，還可對(duì)三維甚至更高維圖像進(jìn)行去噪，從而能夠?qū)︶t(yī)療圖像等任意維數(shù)的圖像進(jìn)行去噪處理。
【專利說明】圖像去噪裝置及圖像去噪方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像去噪裝置及圖像去噪方法，尤其涉及針對(duì)醫(yī)療圖像等任意維數(shù)的 圖像進(jìn)行去噪的圖像去噪裝置及圖像去噪方法。

【背景技術(shù)】
[0002] 圖像去噪是非常重要的預(yù)處理手段。它可以幫助改善畫質(zhì)，提高圖像分割、圖像配 準(zhǔn)等的精確度。對(duì)于醫(yī)療圖像，還能輔助醫(yī)生進(jìn)行直觀的視覺檢測。然而，圖像去噪也面臨 著巨大的挑戰(zhàn)。原因是需要在去除噪聲的同時(shí)盡可能保留原有圖像的所有特征。
[0003] 近年來，針對(duì)二維圖像涌現(xiàn)出了大批去噪技術(shù)，其中相對(duì)最為有效的是非專利文 獻(xiàn)1提出的BM3D (block-matching and3D filtering :塊匹配及三維濾波）技術(shù)。在BM3D 技術(shù)中，針對(duì)一幅靜態(tài)圖像，對(duì)于其中相似的二維塊組成的三維模塊進(jìn)行空間轉(zhuǎn)換，并利用 收縮法抽取有效系數(shù)后進(jìn)行反變換，從而達(dá)到去噪目的。
[0004] 然而，在上述BM3D技術(shù)中仍然存在一些問題。
[0005] 首先，在塊匹配過程中，上述BM3D技術(shù)在特定的范圍內(nèi)尋找參考?jí)K的相似塊。但 是例如對(duì)于醫(yī)療圖像，相似塊存在于整個(gè)圖像中。因此，在特定的范圍內(nèi)尋找到的相似塊是 很有限的。而且，上述BM3D技術(shù)基于圖像的亮度值來尋找參考?jí)K的相似塊。但是，亮度值 很容易被噪聲干擾，會(huì)直接影響到相似塊的查找。
[0006] 另外，隨著現(xiàn)代技術(shù)的發(fā)展，圖像的種類也越發(fā)繁多，不僅有二維的自然圖像，而 且還有三維的醫(yī)療圖像、高分辨率圖像等。上述BM3D技術(shù)僅能夠以二維圖像做為去噪對(duì) 象，不能為三維及高維圖像進(jìn)行去噪。而且，上述BM3D技術(shù)不能判斷輸入圖像的維數(shù)，從而 不能針對(duì)不同圖像運(yùn)用不同方式進(jìn)行去噪。
[0007] 再者，在進(jìn)行空間轉(zhuǎn)換過程中，上述BM3D技術(shù)運(yùn)用一組固定的轉(zhuǎn)換基底來解決所 有圖像的去噪問題。由于此組轉(zhuǎn)換基底不依賴于輸入圖像的變化而變化，很難對(duì)應(yīng)不同圖 像的特殊特征。而且，上述BM3D技術(shù)對(duì)于組成后的多維模塊的每一維上分別進(jìn)行轉(zhuǎn)換，并 沒有考慮到每一維之間的交叉相關(guān)聯(lián)系。
[0008] 另外，作為直接對(duì)高維數(shù)據(jù)進(jìn)行處理的技術(shù)，在非專利文獻(xiàn)2中提出了 GND-PCA技 術(shù)。但是，在非專利文獻(xiàn)2中，并沒有涉及怎樣將GND-PCA技術(shù)用于圖像去噪。
[0009] 非專利文獻(xiàn) 1 :"Image denoising by Sparse3D transform-domain collaborative filtering"，Kostadin Dabov 等著，2007 年
[0010] 非 專利 文獻(xiàn) 2 ,Generalized N-dimensional principal component analysis (GND-PCA) and its application on construction of statistical appearance models for medical volumes with fewer samples"，Rui Xu 等著，2009 年 toon] 如上所述，在現(xiàn)有的圖像去噪技術(shù)中，在塊匹配過程、空間轉(zhuǎn)換過程等中存在諸多 問題。而且，針對(duì)作為醫(yī)療圖像等廣泛利用的多維圖像，仍然缺乏有效的圖像去噪技術(shù)。


【發(fā)明內(nèi)容】

[0012] 本發(fā)明針對(duì)現(xiàn)有技術(shù)中的上述問題，其目的在于，提供一種能夠有效地針對(duì)醫(yī)療 圖像等任意維數(shù)的圖像進(jìn)行去噪處理的圖像去噪裝置及圖像去噪方法。
[0013] 為了解決現(xiàn)有技術(shù)中的上述問題，本發(fā)明提供一種圖像去噪裝置，用于對(duì)圖像進(jìn) 行去噪，其特征在于，具備：輸入單元，輸入所述圖像的圖像數(shù)據(jù)；分塊單元，根據(jù)輸入的圖 像數(shù)據(jù)，將所述圖像劃分為多個(gè)塊；特征提取單元，提取所述圖像中的每一塊的特征；聚類 單元，基于提取的特征進(jìn)行聚類，由此將所述圖像中的所述多個(gè)塊分組而得到塊組；濾波單 元，利用多線性子空間學(xué)習(xí)濾波器對(duì)塊組進(jìn)行去噪；以及輸出單元，輸出去噪后的圖像數(shù) 據(jù)。
[0014] 根據(jù)本發(fā)明的圖像去噪裝置，將輸入的圖像劃分為多個(gè)塊，提取圖像中的每一塊 的特征，并基于提取的特征進(jìn)行聚類，從而將圖像中的多個(gè)塊分組。由此，能夠在整個(gè)圖 像中對(duì)塊進(jìn)行聚類并分組，從而能夠在整個(gè)圖像中提取相似塊。而且，通過將例如基于 GND-PCA、GND-ICA、MPCA或MICA的多線性子空間學(xué)習(xí)濾波器用于圖像去噪，不僅能對(duì)二維 圖像去噪，還可對(duì)三維甚至更高維圖像進(jìn)行去噪，從而能夠?qū)θ我饩S數(shù)的圖像進(jìn)行去噪處 理。
[0015] 在本發(fā)明的圖像去噪裝置中，也可以是，所述特征提取單元提取所述圖像中的每 一塊的多個(gè)特征；所述圖像去噪裝置還具備特征選擇單元，該特征選擇單元從所述多個(gè)特 征中選擇一部分特征；所述聚類單元基于由所述特征選擇單元選擇的特征進(jìn)行聚類。
[0016] 其中，也可以是，所述特征提取單元還對(duì)所提取的多個(gè)特征進(jìn)行結(jié)合，由此得到聯(lián) 合特征；所述特征選擇單元對(duì)所述聯(lián)合特征進(jìn)行特征選擇，由此從所述多個(gè)特征中選擇一 部分特征。
[0017] 其中，也可以是，所述特征選擇單元從所述多個(gè)特征中選擇一部分特征，以使所述 聚類單元的聚類所需的計(jì)算時(shí)間減少。
[0018] 由此，從圖像中的每一塊提取多個(gè)特征，與現(xiàn)有技術(shù)中僅基于圖像的亮度值的方 式相比，能夠提高分組的準(zhǔn)確度，提高被分組的塊之間的相似度。而且，從多個(gè)特征中例如 利用PCA、ICA選擇一部分特征用于聚類，不僅能降低聚類的處理時(shí)間，還能有效避免噪聲 對(duì)特征的影響。
[0019] 在本發(fā)明的圖像去噪裝置中，也可以是，所述特征提取單元基于亮度、顏色、形狀、 紋理、SIFT描述符即尺度不變特征轉(zhuǎn)換描述符中的至少一個(gè)，提取所述圖像中的每一塊的 特征。
[0020] 在此，列出了用于聚類的幾個(gè)優(yōu)選的特征，通過利用這幾個(gè)特征中的至少一個(gè)進(jìn) 行聚類，能夠進(jìn)一步提高分組的準(zhǔn)確度。
[0021] 在本發(fā)明的圖像去噪裝置中，也可以是，所述圖像去噪裝置還具備維度檢測單元， 該維度檢測單元檢測由所述輸入單元輸入的圖像數(shù)據(jù)的維度。
[0022] 其中，也可以是，在所述維度檢測單元檢測為由所述輸入單元輸入的所述圖像數(shù) 據(jù)的維度大于2時(shí)，所述濾波單元利用多線性子空間學(xué)習(xí)濾波器對(duì)塊組進(jìn)行去噪。
[0023] 其中，也可以是，所述圖像去噪裝置還具備預(yù)濾波處理單元；在所述維度檢測單元 檢測為由所述輸入單元輸入的所述圖像數(shù)據(jù)的維度等于2時(shí)，所述預(yù)濾波處理單元對(duì)該圖 像數(shù)據(jù)進(jìn)行預(yù)濾波處理，將預(yù)濾波處理后的圖像數(shù)據(jù)提供給所述分塊單元。
[0024] 由此，通過判斷輸入的圖像的維度，能夠選擇更適于該維度的圖像的去噪處理。例 如，在圖像的維度大于2時(shí)，通過利用多線性子空間學(xué)習(xí)濾波器進(jìn)行去噪，不僅能夠?qū)σ酝?無法進(jìn)行去噪處理的多維圖像進(jìn)行去噪，而且能夠充分利用輸入圖像的信息，應(yīng)用多線性 子空間學(xué)習(xí)濾波，綜合考慮圖像內(nèi)部的相互關(guān)系，提高去噪效果。另外，在圖像的維度等于 2時(shí)，通過先進(jìn)行預(yù)濾波處理，再如上所述對(duì)圖像進(jìn)行去噪，能夠進(jìn)一步提高去噪效果。
[0025] 在本發(fā)明的圖像去噪裝置中，也可以是，所述圖像去噪裝置還具備聚合單元，該聚 合單元通過聚合，將所述濾波單元去噪后的塊組中的塊還原到該塊在所述圖像中的原始位 置；所述輸出單元輸出由所述聚合單元還原后的圖像數(shù)據(jù)。
[0026] 由此，通過將去噪后的塊還原到該塊原來的位置，并輸出還原后的圖像，能夠向使 用者提供去噪處理后的整體圖像。
[0027] 在本發(fā)明的圖像去噪裝置中，也可以是，所述分塊單元將所述圖像劃分為大小相 等且相互重疊的多個(gè)塊；在輸入的圖像數(shù)據(jù)的維數(shù)為A時(shí)，所述塊的維數(shù)為A，所述塊組表 現(xiàn)為維度A+1的模塊，其中A是2以上的整數(shù)。
[0028] 在此，通過將輸入的圖像劃分為大小相等且相互重疊的多個(gè)塊，能夠有效地在整 個(gè)圖像中對(duì)塊進(jìn)行聚類并分組，從而在整個(gè)圖像中提取相似塊。另外，通過將多個(gè)塊分組來 構(gòu)成比塊高一維的塊組，能夠在后續(xù)處理中對(duì)該塊組進(jìn)行去噪。
[0029] 在本發(fā)明的圖像去噪裝置中，也可以是，所述聚類單元在聚類時(shí)利用允許聚類之 間重疊的軟聚類。
[0030] 由此，通過在整個(gè)圖像范圍內(nèi)利用KFCM_S等軟聚類方式進(jìn)行聚類，既可以全局考 慮整幅圖像的信息，也可以根據(jù)每塊的特性，使所得分組有交集。
[0031] 為了解決現(xiàn)有技術(shù)中的上述問題，本發(fā)明還提供一種圖像去噪方法，用于對(duì)圖像 進(jìn)行去噪，其特征在于，包括：輸入步驟，輸入所述圖像的圖像數(shù)據(jù)；分塊步驟，根據(jù)輸入的 圖像數(shù)據(jù)，將所述圖像劃分為多個(gè)塊；特征提取步驟，提取所述圖像中的每一塊的特征；聚 類步驟，基于提取的特征進(jìn)行聚類，由此將所述圖像中的所述多個(gè)塊分組而得到塊組；濾波 步驟，利用多線性子空間學(xué)習(xí)濾波器對(duì)塊組進(jìn)行去噪；以及輸出步驟，輸出去噪后的圖像數(shù) 據(jù)。
[0032] 根據(jù)本發(fā)明的圖像去噪方法，將輸入的圖像劃分為多個(gè)塊，提取圖像中的每一塊 的特征，并基于提取的特征進(jìn)行聚類，從而將圖像中的多個(gè)塊分組。由此，能夠在整個(gè)圖 像中對(duì)塊進(jìn)行聚類并分組，從而能夠在整個(gè)圖像中提取相似塊。而且，通過將例如基于 GND-PCA、GND-ICA、MPCA或MICA的多線性子空間學(xué)習(xí)濾波器用于圖像去噪，不僅能對(duì)二維 圖像去噪，還可對(duì)三維甚至更高維圖像進(jìn)行去噪，從而能夠?qū)θ我饩S數(shù)的圖像進(jìn)行去噪處 理。
[0033] 根據(jù)本發(fā)明的圖像去噪裝置及圖像去噪方法，能夠有效地針對(duì)醫(yī)療圖像等任意維 數(shù)的圖像進(jìn)行去噪處理。其中，本發(fā)明并不限定于以上列出的方式。例如，在本發(fā)明的圖像 去噪裝置的上述各優(yōu)選方式也能夠相互組合，而且這些優(yōu)選方式及其組合當(dāng)然也能夠適用 于本發(fā)明的圖像去噪方法。

【專利附圖】

【附圖說明】
[0034] 圖1是運(yùn)用本發(fā)明的MRI醫(yī)療儀器整體的示意圖。
[0035] 圖2是本發(fā)明第一實(shí)施方式的圖像去噪裝置的結(jié)構(gòu)框圖。
[0036] 圖3是本發(fā)明第一實(shí)施方式的圖像去噪方法的流程圖。
[0037] 圖4是本發(fā)明第二實(shí)施方式的圖像去噪裝置的結(jié)構(gòu)框圖。
[0038] 圖5是本發(fā)明的一個(gè)實(shí)施例的圖像去噪處理的流程圖。
[0039] 圖6是本發(fā)明的另一個(gè)實(shí)施例的圖像去噪處理的流程圖。
[0040] 圖7是現(xiàn)有技術(shù)的圖像去噪處理的流程圖。

【具體實(shí)施方式】
[0041] 以下結(jié)合附圖、【具體實(shí)施方式】及實(shí)施例對(duì)本發(fā)明進(jìn)行更詳細(xì)的說明。此外，在附圖 中給同一或者相當(dāng)部分附以同一附圖標(biāo)記，省略重復(fù)的說明。
[0042] 首先，說明作為運(yùn)用本發(fā)明的圖像去噪裝置及圖像去噪方法的MRI醫(yī)療儀器的整 體結(jié)構(gòu)。在此，以本發(fā)明的圖像去噪裝置及圖像去噪方法適用于MRI醫(yī)療儀器為例進(jìn)行說 明，但本發(fā)明的圖像去噪裝置及圖像去噪方法不限于適用于此，還能夠適用于CT等其他各 種醫(yī)療儀器、以及醫(yī)療用途以外的各種圖像去噪處理。
[0043] 圖1是運(yùn)用本發(fā)明的MRI醫(yī)療儀器整體的示意圖。根據(jù)圖1所示，通常的MRI系統(tǒng) 由以下幾部分組成：主磁體；梯度單元（梯度線圈、梯度脈沖程序）；射頻單元（射頻線圈、 脈沖程序、接收通道、發(fā)射通道）；計(jì)算機(jī)系統(tǒng)及譜儀（計(jì)算機(jī)、存儲(chǔ)器、顯示器）；其他輔助 設(shè)備（屏蔽、病床）。本發(fā)明針對(duì)計(jì)算機(jī)系統(tǒng)及譜儀進(jìn)行改進(jìn)，如圖1虛線框中"圖像去噪" 所示。其他部分例如主磁體、梯度單元、射頻單元及其他輔助設(shè)備可以利用現(xiàn)有技術(shù)，在此 不做贅述。
[0044] 以下詳細(xì)說明本發(fā)明的圖像去噪裝置及圖像去噪方法。為了更好地理解本發(fā)明， 首先簡略說明現(xiàn)有技術(shù)的圖像去噪處理。圖7是現(xiàn)有技術(shù)的圖像去噪處理的流程圖。如圖7 所示，在現(xiàn)有技術(shù)的圖像去噪處理中，首先輸入二維噪聲圖像，接著由基于二維塊匹配的分 組單元對(duì)二維噪聲圖像進(jìn)行塊匹配，接著由正交變換濾波單元對(duì)通過塊匹配得到的塊組進(jìn) 行濾波，接著由二維聚合單元將濾波后的塊還原到原始位置，最后輸出去噪后的二維圖像。 在現(xiàn)有技術(shù)的圖像去噪處理中，如上所述，不僅在塊匹配過程、空間轉(zhuǎn)換過程等中存在諸多 問題，而且無法適用于三維以上的多維圖像。
[0045] 針對(duì)現(xiàn)有技術(shù)的圖像去噪處理的上述問題，本發(fā)明提供的圖像去噪裝置及圖像去 噪方法能夠有效地針對(duì)醫(yī)療圖像等任意維數(shù)的圖像進(jìn)行去噪處理。
[0046] 首先，具體說明本發(fā)明第一實(shí)施方式的圖像去噪裝置及圖像去噪方法。圖2是本 發(fā)明第一實(shí)施方式的圖像去噪裝置的結(jié)構(gòu)框圖。如圖2所示，圖像去噪裝置1用于對(duì)輸入 的圖像進(jìn)行去噪，既可以由通用的計(jì)算機(jī)執(zhí)行圖像去噪程序來實(shí)現(xiàn)，也可以基于專用的硬 件結(jié)構(gòu)來實(shí)現(xiàn)。在圖像去噪裝置1由專用的硬件結(jié)構(gòu)實(shí)現(xiàn)的情況下，例如可以由基于FPGA 技術(shù)的專用集成電路實(shí)現(xiàn)。圖像去噪裝置1具備輸入單元11、分塊單元12、特征提取單元 13、聚類單元14、濾波單元15和輸出單元16。
[0047] 如圖2所示，輸入單元11輸入圖像的圖像數(shù)據(jù)，其中輸入的圖像的格式不限，可以 是DIC0M、bmp、jpg、tiff、gif、raw等任意格式。分塊單元12根據(jù)輸入的圖像數(shù)據(jù)，將圖像 劃分為多個(gè)塊。特征提取單元13提取圖像中的每一塊的特征。聚類單元14基于提取的特 征進(jìn)行聚類，由此將圖像中的多個(gè)塊分組而得到塊組。濾波單元15利用多線性子空間學(xué)習(xí) 濾波器對(duì)塊組進(jìn)行去噪。輸出單元16輸出去噪后的圖像數(shù)據(jù)。
[0048] 接著，說明本發(fā)明第一實(shí)施方式的圖像去噪裝置執(zhí)行的圖像去噪方法。圖3是本 發(fā)明第一實(shí)施方式的圖像去噪方法的流程圖。如圖3所示，圖像去噪方法包括輸入步驟S1、 分塊步驟S2、特征提取步驟S3、聚類步驟S4、濾波步驟S5和輸出步驟S6。
[0049] 在輸入步驟Sl中，輸入單元11輸入圖像的圖像數(shù)據(jù)。在本發(fā)明中，對(duì)于輸入圖像 的維數(shù)不做限定，有可能是二維的圖像，也有可能是三維或更高維的圖像。其中，三維或更 高維的圖像的維數(shù)是指此圖像的長、寬、高、樣本數(shù)以及時(shí)間等。
[0050] 在分塊步驟S2中，分塊單元12根據(jù)輸入的圖像數(shù)據(jù)，將圖像劃分為多個(gè)塊。例如， 分塊單元12將輸入圖像分成大小相等且相互重疊的多個(gè)塊，或隨機(jī)取大小相等的多個(gè)塊。
[0051] 在特征提取步驟S3中，特征提取單元13提取圖像中的每一塊的特征。例如，對(duì)圖 像中的每個(gè)塊抽取它的特征向量，如亮度、顏色、形狀、紋理、SIFT描述符等。
[0052] 在聚類步驟S4中，聚類步驟14基于提取的特征進(jìn)行聚類，由此將圖像中的多個(gè)塊 分組而得到塊組。例如，根據(jù)每一塊的特征，利用軟聚類方法，找到具有相似特征的塊，并將 相似塊分組，得到一個(gè)更高一維的模塊即塊組。
[0053] 在濾波步驟S5中，濾波單元15利用多線性子空間學(xué)習(xí)濾波器對(duì)塊組進(jìn)行去噪，即 對(duì)于上述更高一維的模塊主要采用基于多線性子空間學(xué)習(xí)濾波器進(jìn)行去噪。其中，基于多 線性子空間學(xué)習(xí)濾波器是指根據(jù)輸入圖像，通過綜合考慮每一維之間的相互影響，系統(tǒng)自 動(dòng)學(xué)習(xí)出一個(gè)變換基底，使得變換空間因輸入圖像的不同而發(fā)生變化，從而達(dá)到自適應(yīng)濾 波的目的。本發(fā)明所采用的基于多線性子空間學(xué)習(xí)濾波器是基于GND-PCA(Generalized N Dimensional Principal Component Analysis)的濾波器，并且不拘泥于這一種多線性子 空間學(xué)習(xí)濾波器，其他如 GND-ICA(Generalized N Dimensional Independent Component Analysis)、MPCA或MICA等也可以采用。通過使用多線性子空間學(xué)習(xí)濾波器，從而使得對(duì) 三維圖像的去噪成為可能。
[0054] 在輸出步驟S6中，輸出單元16輸出去噪后的圖像數(shù)據(jù)。
[0055] 根據(jù)本發(fā)明第一實(shí)施方式的圖像去噪裝置，將輸入的圖像劃分為多個(gè)塊，提取圖 像中的每一塊的特征，并基于提取的特征進(jìn)行聚類，從而將圖像中的多個(gè)塊分組。由此，能 夠在整個(gè)圖像中對(duì)塊進(jìn)行聚類并分組，從而能夠在整個(gè)圖像中提取相似塊。而且，通過將例 如基于GND-PCA、GND-ICA、MPCA或MICA的多線性子空間學(xué)習(xí)濾波器用于圖像去噪，不僅能 對(duì)二維圖像去噪，還可對(duì)三維甚至更高維圖像進(jìn)行去噪，從而能夠?qū)θ我饩S數(shù)的圖像進(jìn)行 去噪處理。
[0056] 接著，具體說明本發(fā)明第二實(shí)施方式的圖像去噪裝置及圖像去噪方法。本發(fā)明的 第二實(shí)施方式的圖像去噪裝置及圖像去噪方法是對(duì)本發(fā)明的第一實(shí)施方式的進(jìn)一步改進(jìn)， 對(duì)于與第一實(shí)施方式相同或相當(dāng)?shù)慕Y(jié)構(gòu)和步驟省略說明。
[0057] 圖4是本發(fā)明第二實(shí)施方式的圖像去噪裝置的結(jié)構(gòu)框圖。如圖4所示，本發(fā)明第 二實(shí)施方式的圖像去噪裝置10除了具備第一實(shí)施方式的圖像去噪裝置1的全部結(jié)構(gòu)之外， 還具備維度檢測單元17、預(yù)處理單元18、特征選擇單元19和聚合單元20。以下僅對(duì)這幾個(gè) 結(jié)構(gòu)著重說明。
[0058] 維度檢測單元17檢測由輸入單元11輸入的圖像數(shù)據(jù)的維度。如上所述，本發(fā)明中 輸入圖像的維數(shù)不做限定，有可能是二維的圖像，也有可能是三維或更高維的圖像。在此， 維度檢測單元17對(duì)輸入數(shù)據(jù)首先進(jìn)行維數(shù)判斷，根據(jù)維度檢測單元17的判斷結(jié)果，決定是 否由預(yù)處理單元18對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)處理。具體而言，在維度檢測單元17檢測為圖像數(shù) 據(jù)的維數(shù)大于2時(shí)，不通過預(yù)處理單元18,而直接將圖像數(shù)據(jù)提供給分塊單元12 ;在維度檢 測單元17檢測為圖像數(shù)據(jù)的維數(shù)等于2時(shí)，將圖像數(shù)據(jù)提供給預(yù)處理單元18,由預(yù)處理單 元18對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)處理。
[0059] 預(yù)處理單元18對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)濾波處理，將預(yù)濾波處理后的圖像數(shù)據(jù)提供給 分塊單元12。
[0060] 特征選擇單元19從特征提取單元13對(duì)每一塊提取的多個(gè)特征中，選擇一部分特 征。例如，在特征提取單元13對(duì)所提取的多個(gè)特征（特征向量）進(jìn)行結(jié)合由此得到聯(lián)合特 征（一維向量）的情況下，特征選擇單元19對(duì)聯(lián)合特征進(jìn)行特征選擇，由此從多個(gè)特征中 選擇一部分特征。在此，特征選擇單元19例如按多個(gè)特征的有效程度，提取出多個(gè)特征中 更為有效的一部分特征。另外，特征選擇單元19通過從多個(gè)特征中選擇一部分特征，以使 聚類單元14的聚類所需的計(jì)算時(shí)間減少。具體而言，在由特征提取單元13對(duì)每一塊提取 的多個(gè)特征的向量相結(jié)合而構(gòu)成一個(gè)一維向量的情況下，圖像中的多個(gè)塊的該一維向量構(gòu) 成一個(gè)矩陣，通過由特征選擇單元19對(duì)該矩陣進(jìn)行計(jì)算得到轉(zhuǎn)換矩陣，從而提取特征向量 的主成分，并將其用于聚類單元14的聚類，能夠減少聚類單元14的運(yùn)算量，減少聚類所需 的計(jì)算時(shí)間。
[0061] 聚合單元20通過聚合，將濾波單元15去噪后的塊組中的塊還原到該塊在圖像中 的原始位置，并將還原后的圖像提供給輸出單元16,以供輸出單元16輸出。
[0062] 本發(fā)明第二實(shí)施方式的圖像去噪方法同樣在第一實(shí)施方式的圖像去噪方法的基 礎(chǔ)上添加由上述維度檢測單元17、預(yù)處理單元18、特征選擇單元19和聚合單元20分別執(zhí) 行的維度檢測步驟、預(yù)處理步驟、特征選擇步驟和聚合步驟來實(shí)現(xiàn)。根據(jù)本發(fā)明的第二實(shí)施 方式的圖像去噪裝置及圖像去噪方法，不僅能夠得到與第一實(shí)施方式相同的效果，而且還 能夠得到如上所述的附加效果。
[0063] 其中，在本發(fā)明第二實(shí)施方式中，說明了在第一實(shí)施方式的圖像去噪裝置1的基 礎(chǔ)上添加上述維度檢測單元17、預(yù)處理單元18、特征選擇單元19和聚合單元20的例子，但 也可以僅添加維度檢測單元17和預(yù)處理單元18,或者僅添加特征選擇單元19,或者僅添加 聚合單元20。同樣，也可以在第一實(shí)施方式的圖像去噪方法的基礎(chǔ)上，僅添加維度檢測步驟 和預(yù)處理步驟，或者僅添加特征選擇步驟，或者僅添加聚合步驟。
[0064] 以下，具體說明本發(fā)明的兩個(gè)代表實(shí)施例。在此，下述實(shí)施例僅用于更好地理解本 發(fā)明，不作為對(duì)本發(fā)明的限定。
[0065] 圖5是本發(fā)明的一個(gè)實(shí)施例的圖像去噪處理的流程圖。如圖5所示，首先，系統(tǒng) 接收到一個(gè)新的輸入圖像。在本實(shí)施例中，無論輸入圖像的維數(shù)是二維還是高維（三維以 上），都執(zhí)行相同的處理。因此，既可以判斷輸入圖像是二維還是高維，也可以不加以判斷。 以下以輸入圖像為二維圖像的情況為例進(jìn)行說明。
[0066] 接著，將輸入圖像分成大小相等且相互重疊的塊，B = Ib1, b2, . . .，bn}，其中η是 塊的數(shù)量。例如，一幅像素為505X505的圖像，可以分成17 X 17的且重合像素為8的3844 個(gè)塊。并且，圖像的像素、塊的大小、重合像素的值并不拘泥于舉例中的數(shù)值，根據(jù)需要可調(diào) 整數(shù)值的大小。另外，也可以在整幅圖像中隨機(jī)取大小相等的塊。
[0067] 接著，對(duì)每個(gè)塊抽取它的特征向量，如亮度、顏色、形狀、紋理、SIFT描述符等。其 中，顏色特征如顏色直方圖（color histogram)、顏色尺度（scalable color)、色矩（color moment)等；紋理特征如Tamura特征、全局紋理描述符（global texture descriptor)、 gabor直方圖、gabor矢量等；形狀特征如邊緣直方圖（edge histogram)等。另外SIFT描 述符也是很有效的抽取塊特征的方法。由于提取的所有特征都由向量表示，本發(fā)明將所有 r個(gè)特征向量qp q2, . . .，?全部連成一個(gè)一維向量y = Iiq1, q2, . . .，qJT進(jìn)行后續(xù)計(jì)算。 [0068] 接著，對(duì)一維向量進(jìn)行特征選擇，不僅加速了后續(xù)聚類的計(jì)算時(shí)間，同時(shí)降低了噪 聲對(duì)抽取的特征的影響。特征選擇出的成分組成的向量X = ATy，其中A是基于PCA、ICA等 方法學(xué)習(xí)出來的轉(zhuǎn)換矩陣；X的元素個(gè)數(shù)小于或等于y的元素個(gè)數(shù)。
[0069] 接著，對(duì)選擇后的特征進(jìn)行聚類。聚類是按照對(duì)象間的相似性進(jìn)行區(qū)分和分 類的過程，是一種無監(jiān)督的分類。這里采取的聚類方式可以是硬聚類方法，如合成聚類 (Hierarchical agglomerative clustering)、K-means 聚類，也可以是軟聚類方法 Fuzzy c-means>fuzzy-possibilistic c_means、Expectation Maximization based clustering。 硬聚類方法把每個(gè)待處理的對(duì)象嚴(yán)格地劃分到某個(gè)類中，其隸屬度不是I就是0。軟聚類 方法允許聚類之間重疊，允許模糊的邊界。也就是說，一個(gè)塊可以同時(shí)被分到幾個(gè)不同的 類中去。下面以fuzzy-possibilistic c-means聚類為例，說明軟聚類的方法。一組未被 標(biāo)記的數(shù)據(jù)X=^x1, X2,..., RP，其中，η是一幅圖像中被抽取出的塊的個(gè)數(shù)，X k是經(jīng) 過特征選擇后得到的塊的特征向量，Xk e Rp，P是Xk中元素的個(gè)數(shù)。fuzzy-possibilistic c-means的目標(biāo)函數(shù)為

【權(quán)利要求】
1. 一種圖像去噪裝置，用于對(duì)圖像進(jìn)行去噪，其特征在于，具備： 輸入單元，輸入所述圖像的圖像數(shù)據(jù)； 分塊單元，根據(jù)輸入的圖像數(shù)據(jù)，將所述圖像劃分為多個(gè)塊； 特征提取單元，提取所述圖像中的每一塊的特征； 聚類單元，基于提取的特征進(jìn)行聚類，由此將所述圖像中的所述多個(gè)塊分組而得到塊 組； 濾波單元，利用多線性子空間學(xué)習(xí)濾波器對(duì)塊組進(jìn)行去噪；以及 輸出單元，輸出去噪后的圖像數(shù)據(jù)。
2. 如權(quán)利要求1所述的圖像去噪裝置，其特征在于， 所述特征提取單元提取所述圖像中的每一塊的多個(gè)特征； 所述圖像去噪裝置還具備特征選擇單元，該特征選擇單元從所述多個(gè)特征中選擇一部 分特征； 所述聚類單元基于由所述特征選擇單元選擇的特征進(jìn)行聚類。
3. 如權(quán)利要求2所述的圖像去噪裝置，其特征在于， 所述特征提取單元還對(duì)所提取的多個(gè)特征進(jìn)行結(jié)合，由此得到聯(lián)合特征； 所述特征選擇單元對(duì)所述聯(lián)合特征進(jìn)行特征選擇，由此從所述多個(gè)特征中選擇一部分 特征。
4. 如權(quán)利要求1所述的圖像去噪裝置，其特征在于， 所述特征提取單元基于亮度、顏色、形狀、紋理、SIFT描述符即尺度不變特征轉(zhuǎn)換描述 符中的至少一個(gè)，提取所述圖像中的每一塊的特征。
5. 如權(quán)利要求2所述的圖像去噪裝置，其特征在于， 所述特征選擇單元從所述多個(gè)特征中選擇一部分特征，以使所述聚類單元的聚類所需 的計(jì)算時(shí)間減少。
6. 如權(quán)利要求1所述的圖像去噪裝置，其特征在于， 所述圖像去噪裝置還具備維度檢測單元，該維度檢測單元檢測由所述輸入單元輸入的 圖像數(shù)據(jù)的維度。
7. 如權(quán)利要求6所述的圖像去噪裝置，其特征在于， 在所述維度檢測單元檢測為由所述輸入單元輸入的所述圖像數(shù)據(jù)的維度大于2時(shí)，所 述濾波單元利用多線性子空間學(xué)習(xí)濾波器對(duì)塊組進(jìn)行去噪。
8. 如權(quán)利要求6所述的圖像去噪裝置，其特征在于， 所述圖像去噪裝置還具備預(yù)濾波處理單元； 在所述維度檢測單元檢測為由所述輸入單元輸入的所述圖像數(shù)據(jù)的維度等于2時(shí)，所 述預(yù)濾波處理單元對(duì)該圖像數(shù)據(jù)進(jìn)行預(yù)濾波處理，將預(yù)濾波處理后的圖像數(shù)據(jù)提供給所述 分塊單元。
9. 如權(quán)利要求1所述的圖像去噪裝置，其特征在于， 所述圖像去噪裝置還具備聚合單元，該聚合單元通過聚合，將所述濾波單元去噪后的 塊組中的塊還原到該塊在所述圖像中的原始位置； 所述輸出單元輸出由所述聚合單元還原后的圖像數(shù)據(jù)。
10. 如權(quán)利要求1所述的圖像去噪裝置，其特征在于， 所述分塊單元將所述圖像劃分為大小相等且相互重疊的多個(gè)塊； 在輸入的圖像數(shù)據(jù)的維數(shù)為A時(shí)，所述塊的維數(shù)為A，所述塊組表現(xiàn)為維度A+1的模塊， 其中A是2以上的整數(shù)。
11. 如權(quán)利要求1所述的圖像去噪裝置，其特征在于， 所述聚類單元在聚類時(shí)利用允許聚類之間重疊的軟聚類。
12. -種圖像去噪方法，用于對(duì)圖像進(jìn)行去噪，其特征在于，包括： 輸入步驟，輸入所述圖像的圖像數(shù)據(jù)； 分塊步驟，根據(jù)輸入的圖像數(shù)據(jù)，將所述圖像劃分為多個(gè)塊； 特征提取步驟，提取所述圖像中的每一塊的特征； 聚類步驟，基于提取的特征進(jìn)行聚類，由此將所述圖像中的所述多個(gè)塊分組而得到塊 組； 濾波步驟，利用多線性子空間學(xué)習(xí)濾波器對(duì)塊組進(jìn)行去噪；以及 輸出步驟，輸出去噪后的圖像數(shù)據(jù)。
【文檔編號(hào)】G06T5/00GK104240187SQ201310236003
【公開日】2014年12月24日 申請(qǐng)日期:2013年6月8日 優(yōu)先權(quán)日:2013年6月8日
【發(fā)明者】艾丹妮 申請(qǐng)人:株式會(huì)社日立制作所