(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210735627.6 (22)申请日 2022.06.27 (71)申请人 苏州光图智能科技有限公司 地址 215125 江苏省苏州市工业园区星湖 街328号创意产业园1 1-301 (72)发明人 杨尚朋　何鹏　丁广伟　陆军　 张达志　谭雨良　李雷　李文浩　 苏志斌　吴梦晨　 (74)专利代理 机构 苏州新知行知识产权代理事 务所(特殊普通 合伙) 32414 专利代理师 郑丽玲 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/74(2022.01) G06V 10/30(2022.01) (54)发明名称 一种基于空间变换和自适应聚类的抑噪方 法 (57)摘要 本发明提供一种基于空间变换和自适应聚 类的抑噪方法， 先获取图像的引导图； 对引导图 进行两次独立估计， 每次使用两种不同的相似度 评价指标， 以各指标为不同维度进行空间转换并 聚类， 与固定簇心的距离作为相似系数并计算原 空间中的对应权重， 求加权和作为锚点灰度值， 获取两次估计图像； 最后以前两次估计图像残差 的方差和均值为参数计算权重， 以两张图像对应 位置灰度值作为因子， 以因子与权重的加权和作 为锚点灰度值， 遍历处理图像上所有像素点， 获 得第三次估计图像。 与常见的中值滤波、 高斯滤 波等算法相比， 在滤除噪声的同时会保留更多的 细节特征； 与常见保边滤波方法BM3D、 NLM等相 比， 改善了过度依赖人为调参的弊端， 增强了算 法的泛化能力。 权利要求书5页 说明书12页 附图5页 CN 115205567 A 2022.10.18 CN 115205567 A 1.一种基于空间变换和自适应聚类的抑噪方法， 其特 征在于： 包括以下步骤： S1： 图像预处 理 采用滑窗K在原图像S上进行巴特沃 斯‑几何均值滤波处 理， 获取引导图Sg； S2： 第一次估计 对引导图Sg采用两种 不同的相 似度评价方法分别获得一相似度评价指标， 以各相似度 评价指标为不同维度进行空间转换， 在新空间内进行聚类， 求取与固定簇心距离相 近的那 类点簇与簇心的距离作为相似系数， 在原空间中以该相似系数作为参数计算出与固定簇心 距离相近的那类点簇的灰度权重与固定簇心距离相近的那类点簇的权重， 求固定簇心所在 点簇各点灰度值加权和作为锚点灰度值， 遍历处 理引导图Sg， 获得第一次估计结果图像Se1； S3： 第二次估计 对引导图Sg采用与步骤S2中不同的两种不同的相似度评价方法分别获得一相似度评价 指标， 以各相似度评价指标为不同维度进 行空间转换， 在新空间内进 行聚类， 求取与固定簇 心距离相近的那类点簇与簇心的距离作为相似系数， 在原空间中以该相似系数作为参数计 算出与固定簇心距离相近的那类点簇的灰度权重与固定簇心距离相近的那类点簇， 求固定 簇心所在点簇各点灰度值加权和作为锚点灰度值， 遍历处理引导图Sg， 获得第二次估计结 果图像Se2； S4： 第三次估计 根据第一次估计结果图像Se1和第二次估计结果图像Se2， 进行第三次估计， 计算各图块 相似度系数、 空间变换、 聚类和权重， 以前两次估计图像残差的方差和均值为参数计算权 重， 以两张图像对应位置灰度值作为因子， 以权重与因子的加权和作为该锚点处的灰度值， 使用该方法处理图像上每一个 像素点， 即可获得第三次估计图像Se3， 即最终结果。 2.如权利要求1所述的基于空间变换和自适应聚类的抑噪方法， 其特征在于： 步骤S1中 图像预处 理具体包括： S1.1： 获取原图像S， 并确定滑窗K的尺寸为k ×k， 其中， k的最小取值为3， 最大取值为图 像S的最短边 边长， 单位： pix； S1.2： 根据滑窗K的尺寸， 采用巴特沃斯滤波方法对原图像S进行滤波， 获取巴特沃斯滤 波后的图像SW， 具体为： 滑窗K中心所对应的锚 点为A， 坐标为(xA,yA)， 则滑框K遮覆区域内的任意像 素点(xi,yi) 与锚点的L2 距离的计算公式为： 其中， di为滑窗K遮覆区域内像素点(xi,yi)与锚点的L2 距离； 则任意像素点(xi,yi)在滑窗K遮覆区域内的权 重ωi表示为： 其中， ωi为索引为i的像素点对应的权重； i、 j均为像素点索引值， 其中， i＝1,2, 3...k2， j＝1,2,3. ..k2； dj为滑窗K遮覆区域内任意像素点(xj,yj)与锚点的L2 距离；权　利　要　求　书 1/5 页 2 CN 115205567 A 2根据像素点权重计算公式(2)获得滑窗K遮覆区域内所有像素点的权重； 然后， 根据所 有像素点权 重和像素点灰度值计算滑窗K遮覆区域内锚点处的巴特沃 斯均值vW， 则： 其中， vW为滑窗K遮覆区域内锚点处的巴特沃斯均值； vi是滑窗K遮覆区域内索引为i的 像素点的灰度值； i 为像素点索引值， i ＝1,2,3. ..k2； 采用该巴特沃斯均值vW替代该滑窗K遮覆区域内锚点的灰度值， 按照公式(1) ‑公式(3) 的处理过程遍历处 理原图像S， 获得巴特沃 斯滤波后的图像SW； S1.3： 根据滑窗K的尺寸， 采用几何均值滤波方法对原图像S进行滤波， 获取几何均值滤 波后的图像SG， 具体为： 根据像素点灰度值计算滑窗K遮覆区域内锚点处的几何均值vG， 则： 其中， vi是滑窗K遮覆区域内索引为i的像素点的灰度值； i为像素点索引值， i＝1,2, 3...k2； 采用该几何均值vG替代该滑窗K遮覆区域内锚点的灰度值， 按照公式(4)的处理过程遍 历处理原图像S， 获得几何均值滤波后的图像SG； S1.4： 在同一滑窗K遮覆区域内， 计算图像SW中锚点灰度 值vW与原图像S中锚点灰度 值vS 的L1距离， 以及图像SG中锚点灰度值vG与原图像S中锚点灰度值vS的L1距离， 然后将两个L1 距离进行比较， 获得滑窗K遮覆范围内锚点加权和vA， 则： 取L1距离近的锚点的像素值作为原图像S在该滑窗K遮覆区域内锚点的像素值， 按照滑 窗K的尺寸遍历处 理原图像S、 图像SW和图像SG， 并进行锚点灰度值的替换， 获得引导图Sg； 上述步骤中S1.2和S1.3的顺序是能调整的。 3.如权利要求1所述的基于空间变换和自适应聚类的抑噪方法， 其特征在于： 步骤S2中 第一次估计具体包括： S2.1： 采用滑窗K遍历处理引导图Sg上包括锚点图块KA在内的所有区域， 计算滑窗K遍历 处理区域与锚点图块KA的余弦相似度系数u和结构相似性系数v， 并记录， 其中， 余弦相似度 系数u的计算公式如下： 其中， vKik表示滑框K遮覆范围内第ik个像 素点的灰度值， vKAik表示锚点所在图块内第ik 个像素点的灰度值， i k＝1， 2， 3. ..， k2， 滑窗默认为 正方形， k为滑窗边长； 结构相似性系数v的计算公式如下：权　利　要　求　书 2/5 页 3 CN 115205567 A 3