利用分块排序检测噪声的图像降噪方法技术

本发明专利技术涉及图象处理领域，为依据不同噪声对双边滤波算法进行改进，实现有效地降低非噪声点的误判概率，并且能够更有效地去除图像中的加性噪声和脉冲噪声，同时保留图像的边缘和细节，本发明专利技术：利用分块排序检测噪声的图像降噪方法，对图像中每一个像素点周围的像素进行处理，以被考察像素点为中心建立一个(2N+1)×(2N+1)的掩膜，从该掩模即窗口中提取出四个子窗口，子窗口分别占掩模一角，且被考察像素点占据子窗口角部位置；分别计算四个小窗口中所有像素点灰度值的中值并进行排序，排序后的结果记为m1≤m2≤m3≤m4,根据这四个灰度值的数值和排序粗略地确定这个掩膜中的边缘和细节分布。本发明专利技术主要应用于图象处理。

【技术实现步骤摘要】

本专利技术涉及图象处理领域，尤其涉及在对图像进行混合高斯噪声和脉冲噪声去除处理时，对于噪声点的区分判定以及滤除问题。具体讲,涉及利用分块排序检测噪声的图像降噪方法。
技术介绍
图像的噪声主要来源于图像的获取和传输过程，在进行图像处理的过程中一个重要的问题是如何有效地去除图像中存在的噪声,同时又能保留图像的细节结构,譬如边缘和纹理。然而,图像去噪是一项比较困难的任务,因为所要处理的图像中可能包含不同种类的噪声，比如加性噪声、脉冲噪声等，而图像去噪也依据不同类型的噪声采用不同的方法。滤波按处理信号的性质分为线性滤波和非线性滤波，其中线性滤波方法既有数学方面的简易性又能对加性高斯噪声的去除产生令人满意的效果，但是线性方法在去除噪声的同时模糊了图像的边缘而且对非高斯噪声的处理表现不尽人意，由于线性滤波方法有这些缺点，非线性滤波方法的使用显得很有必要。双边滤波是一种非线性的滤波方法，既考虑到了图像的空间邻近度又考虑到了像素值的相似度，具有保边去噪的效果，但是双边滤波不能有效地去除脉冲噪声，所以对于混合高斯噪声和脉冲噪声点的判别并对其进行不同处理是图象去噪的一个关键步骤。
技术实现思路
为克服现有技术的不足，提出一种新的高斯噪声和脉冲噪声混合噪声点检测方法，依据不同噪声对双边滤波算法进行改进，实现有效地降低非噪声点的误判概率，并且能够更有效地去除图像中的加性噪声和脉冲噪声，同时保留了图像的边缘和细节。为此，本专利技术采取的技术方案是，利用分块排序检测噪声的图像降噪方法，对图像中每一个像素点周围的像素进行处理，以被考察像素点为中心建立一个(2N+1)×(2N+1)的掩膜，从该掩模即窗口中提取出四个子窗口，子窗口分别占掩模一角，且被考察像素点占据子窗口角部位置；分别计算四个小窗口中所有像素点灰度值的中值并进行排序，排序后的结果记为m1≤m2≤m3≤m4,根据这四个灰度值的数值和排序粗略地确定这个掩膜中的边缘和细节分布；令ΔME＝m4-m1,ΔMI＝m3-m2，ΔME和ΔMI提供这四个子窗口像素灰度整体差异的度量，ΔME和ΔMI的取值分为三种情况，并据此判断出这个中心像素周围边缘和细节的分布情况，其中在进行ΔME和ΔMI的比较判定时分别取两个阈值T1，T2，当ΔME≤T1时，即可判断这个窗口是平滑的，几乎没有图像边缘；当ΔME≥T1，而ΔMI≤T2时，判断这个窗口内有部分边缘分布；当ΔME≥T1，且ΔMI≥T2时，判断这个窗口内有较强的细节或纹理分布；在(a)(b)两种情况下，窗口是平滑或弱边界分布，判定这个窗口内大部分像素灰度值在m2～m3之间，选定ref1＝(m2+m3)/2作为判断像素是否为噪声点的参考中值；在(c)情况下，取四个中值的平均值mean＝(m1+m2+m3+m4)/4，并将mean与m2,m3的差值进行比较，选择差值较小的子窗口中值作为判断像素是否为噪声点的参考中值，即ref2＝m2或m3； r e f = m 2 + m 3 2 , ( Δ M E ≤ T 1 ) ∪ ( ΔM E ≥ T 1 ∩ ΔM I ≤ T 2 ) m 2 , ( Δ M E ≥ T 1 ∩ Δ M I ≥ T 2 ) ∩ ( | m e a n - m 2 | ≤ | m e 本文档来自技高网...

【技术保护点】
一种利用分块排序检测噪声的图像降噪方法，其特征是，对图像中每一个像素点周围的像素进行处理，以被考察像素点为中心建立一个(2N+1)×(2N+1)的掩膜，从该掩模即窗口中提取出四个子窗口，子窗口分别占掩模一角，且被考察像素点占据子窗口角部位置；分别计算四个小窗口中所有像素点灰度值的中值并进行排序，排序后的结果记为m1≤m2≤m3≤m4,根据这四个灰度值的数值和排序粗略地确定这个掩膜中的边缘和细节分布；令ΔME＝m4‑m1,ΔMI＝m3‑m2，ΔME和ΔMI提供这四个子窗口像素灰度整体差异的度量，ΔME和ΔMI的取值分为三种情况，并据此判断出这个中心像素周围边缘和细节的分布情况，其中在进行ΔME和ΔMI的比较判定时分别取两个阈值T1，T2，当ΔME≤T1时，即可判断这个窗口是平滑的，几乎没有图像边缘；当ΔME≥T1，而ΔMI≤T2时，判断这个窗口内有部分边缘分布；当ΔME≥T1，且ΔMI≥T2时，判断这个窗口内有较强的细节或纹理分布；在(a)(b)两种情况下，窗口是平滑或弱边界分布，判定这个窗口内大部分像素灰度值在m2～m3之间，选定ref1＝(m2+m3)/2作为判断像素是否为噪声点的参考中值；在(c)情况下，取四个中值的平均值mean＝(m1+m2+m3+m4)/4，并将mean与m2,m3的差值进行比较，选择差值较小的子窗口中值作为判断像素是否为噪声点的参考中值，即ref2＝m2或m3；ref=m2+m32,(ΔME≤T1)∪(ΔME≥T1∩ΔMI≤T2)m2,(ΔME≥T1∩ΔMI≥T2)∩(|mean-m2|≤|mean-m3|)m3,(ΔME≥T1∩ΔMI≥T2)∩(|mean-m2|≥|mean-m3|)]]>其中依据脉冲噪声和高斯噪声不同的属性进行区分检测：选定两个阈值Tk1,Tk2,即中心被考察像素xi,j与相应参考值的绝对差值同某阈值进行比较，比较结果有以下几种情况：(1)|xi,j‑ref|≥Tk1时，将xi,j视为脉冲噪声；(2)Tk2≤|xi,j‑ref|≤Tk1时，将xi,j视为高斯噪声；(3)|xi,j‑ref|≤Tk2时将xi,j视为非噪声点；接下来对两种不同噪声进行分别处理，对高斯噪声直接采用双边滤波进行降噪处理，而对于脉冲噪声，由于其与邻域像素灰度值差距较大，采用参考中值ref替代亮度相似度因子WR(s,t)中xi,j的分量进行滤波：yi,j=Σs=-22Σt=22WG(s,t)WR(s,t)xi+s,j+tΣs=-22Σt=22WG(s,t)WR(s,t)]]>其中WG(s,t)=exp-(i-s)2+(j-t)22δS2]]>WR(s,t)=exp-(I-xi+s,j+t)22δR2]]>I=ref,|xi,j-ref|≥Tk1xi,j,Tk1≥|xi,j-ref|≥Tk2]]>式中，(s,t)表示中心点(i,j)的(2N+1)×(2N+1)大小邻域中像素的坐标，其加权系数由空间邻近度因子WG(s,t)、和亮度相似度因子WR(s,t)两部分乘积组成，前者随着像素点与中心点之间欧几里德距离的增加而减小，后者随着两像素亮度值之差的增大而减小；δS和δR分别控制着空间邻近度因子WG(s,t)、和亮度相似度因子WR(s,t)的衰减程度。...

【技术特征摘要】
1.一种利用分块排序检测噪声的图像降噪方法，其特征是，对图像中每一个像素点周围的像
素进行处理，以被考察像素点为中心建立一个(2N+1)×(2N+1)的掩膜，从该掩模即窗口
中提取出四个子窗口，子窗口分别占掩模一角，且被考察像素点占据子窗口角部位置；分
别计算四个小窗口中所有像素点灰度值的中值并进行排序，排序后的结果记为
m1≤m2≤m3≤m4,根据这四个灰度值的数值和排序粗略地确定这个掩膜中的边缘和细节分布；
令ΔME＝m4-m1,ΔMI＝m3-m2，ΔME和ΔMI提供这四个子窗口像素灰度整体差异的度量，
ΔME和ΔMI的取值分为三种情况，并据此判断出这个中心像素周围边缘和细节的分布情况，
其中在进行ΔME和ΔMI的比较判定时分别取两个阈值T1，T2，当ΔME≤T1时，即可判断
这个窗口是平滑的，几乎没有图像边缘；当ΔME≥T1，而ΔMI≤T2时，判断这个窗口内
有部分边缘分布；当ΔME≥T1，且ΔMI≥T2时，判断这个窗口内有较强的细节或纹理分
布；
在(a)(b)两种情况下，窗口是平滑或弱边界分布，判定这个窗口内大部分像素灰度值
在m2～m3之间，选定ref1＝(m2+m3)/2作为判断像素是否为噪声点的参考中值；在(c)情况下，
取四个中值的平均值mean＝(m1+m2+m3+m4)/4，并将mean与m2,m3的差值进行比较，选择
差值较小的子窗口中值作为判断像素是否为噪声点的参考中值，即ref2＝m2或m3；
r e f = m 2 + m 3 2 , ( ΔM E ≤ T 1 ) ∪ ( ΔM E ≥ T 1 ∩ ΔM I ≤ T 2 ) m 2 , ( ΔM E ≥ T 1 ∩ ΔM I ≥ T 2 ) ∩ ( | m e a n - m 2 | ≤ | m e a n - m 3 | ) m 3 , ( ΔM E ≥ T 1 ∩ ΔM I ≥ T 2 ) ∩ ( | m e a n - m 2 | ≥ | m e a n - m 3 | ...

【专利技术属性】
技术研发人员：史再峰，许泽昊，庞科，曹清洁，杜增权，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12