基于迭代非局部均值抑制图像脉冲噪声的方法技术

本发明专利技术公开一种基于迭代非局部均值抑制图像脉冲噪声的方法，主要用于解决现有方法无法在去噪过程中保留图像细节信息，及在高噪声密度下无法恢复清晰图像的问题。其实现步骤为：(1)对噪声图像使用直方图方法检测噪声位置；(2)通过选择开关中值滤波器对噪声图像进行预滤波；(3)在预滤波后的图像上使用迭代非局部均值方法，得到有效抑制脉冲噪声的清晰图像。仿真实验表明，在受不同程度脉冲噪声的情况下，本发明专利技术在主观视觉效果和客观评价结果上均优于现有算法，可用于抑制高密度脉冲噪声，恢复清晰图像。

【技术实现步骤摘要】
【专利摘要】本专利技术公开一种，主要用于解决现有方法无法在去噪过程中保留图像细节信息，及在高噪声密度下无法恢复清晰图像的问题。其实现步骤为：(1)对噪声图像使用直方图方法检测噪声位置；(2)通过选择开关中值滤波器对噪声图像进行预滤波；(3)在预滤波后的图像上使用迭代非局部均值方法，得到有效抑制脉冲噪声的清晰图像。仿真实验表明，在受不同程度脉冲噪声的情况下，本专利技术在主观视觉效果和客观评价结果上均优于现有算法，可用于抑制高密度脉冲噪声，恢复清晰图像。【专利说明】
本专利技术属于数字图像处理
，具体涉及抑制图像脉冲噪声方法，可用于实 现从高密度脉冲噪声污染的噪声图像中恢复出清晰图像。
技术介绍
脉冲噪声是由非连续的、持续时间短和幅度大的不规则脉冲或噪声尖峰组成。许 多因素可产生脉冲噪声，例如电磁干扰，通信系统的故障缺陷，通信系统的电气开关和继电 器的状态改变等。在数字图像处理，如在获取和传输的过程中，图像都避免不了受到脉冲噪 声的干扰，脉冲噪声导致图像出现随机分布的黑白相间的噪声点，极大的降低了图像质量， 导致后续传输和处理的过程中出现了严重的错误。比如图像在编码和传输过程中被电子感 应噪声污染或者经过含脉冲噪声的线路时，严重的降低了图像的质量，给后续的图像解译 和识别带来巨大困难。因此，如何从被高密度脉冲噪声污染的噪声图像中去除噪声，恢复出 清晰图像，一直在图像处理中占有非常重要的地位。 迄今为止，国内外专家已经提出很多抑制脉冲噪声算法，其中最经典、应用最广泛 的方法是中值滤波器MF。它的优点是简单高效，在噪声密度较低的情况下可以得到较好 的去噪结果，但是，中值滤波算法有其自身固有的缺点，由于其对图像中的所有像素点进行 统一处理，滤波之后，图像中所有像素点均发生改变，造成了图像原有信息的丢失。针对这 一缺点，人们提出了许多改进的中值滤波算法，如选择开关中值滤波SSMF和边界检测方法 BDND。这类方法首先检测出噪声图像中受噪声污染的像素点，只改变这些检测出的像素点 的灰度值，而未检测出的像素点的灰度值则保持不变。开关中值滤波器在很大程度上提高 了去噪效果，但在实际应用中，中值滤波和开关中值滤波均存在一定程度的缺陷： 其一，这两种方法在滤波过程中均把图像的边缘和细节像素点当成噪声点进行滤 波处理，造成了过度平滑，损失了图像的细节信息。 其二，当噪声密度增大时，用这两种方法恢复的图像准确度和精度急剧下降，无法 满足人眼的视觉要求和计算机的处理要求。
技术实现思路
本专利技术旨在针对现有技术的缺点，提出一种基于迭代非局部均值抑制图像脉冲噪 声的方法，以保持去噪后图像的细节信息，提高图像恢复的精度和准确度。 实现本专利技术的技术思路是，对待处理的脉冲噪声图像进行噪声检测，将噪声图像 中受噪声污染的像素点进行预滤波操作，通过迭代非局部平均滤波恢复出有效抑制脉冲 噪声的清晰图像。具体技术方案包括如下步骤： (1)对待处理的噪声图像I进行噪声检测，标记受噪声污染的像素点的位置； (2)对噪声图像I进行滤波操作，对受噪声污染的像素点进行初始化估计，得到预 滤波图像R ; ⑶对预滤波图像R进行迭代非局部均值滤波，得到清晰图像C : (3a)初始化参数：根据迭代非局部均值算法，设置搜索窗S的大小为 (211。+1) X (2nQ+l)，被匹配块B的大小为（2ηι+1) X (2ηι+1)，以及滤波参数h三个初始化参 数，其中 η。= 5, a = 2, h = 2 ; (3b)以预滤波图像R中受噪声污染的像素点为中心，对预滤波图像R加两个不同 大小的窗，分别作为搜索窗S(i，j)和被匹配块B(i，j) : S(i, j) = {R(i+s, j+t) |-n〇 ^ s, t ^ n〇}, B(i, j) = {R(i+s, j+t) l-h 彡 s, t 彡 nj , 其中，（i, j)为受噪声污染的像素点的坐标，i = 1，2，"·Μ，j = 1，2，…N，MXN 为噪声图像I的大小，s(i，j)为以坐标（i，j)为中心的搜索窗，B(i，j)为以坐标（i，j)为 中心的被匹配块，R(i+s，j+t)为预滤波图像R中位于坐标（i+s，j+t)处像素点的灰度值； (3c)在搜索窗S(i，j)中利用滑窗搜索方法寻找被匹配块B(i，j)的相似块： 将被匹配块与相似块的灰度值差值的平方和作为衡量相似性的标准，将这些平方 【权利要求】1. 一种，包括如下步骤： (1) 对待处理的噪声图像I进行噪声检测，标记受噪声污染的像素点的位置； (2) 对噪声图像I进行滤波操作，对受噪声污染的像素点进行初始化估计，得到预滤波 图像R ; (3) 对预滤波图像R进行迭代非局部均值滤波，得到清晰图像C: (3a)初始化参数：根据迭代非局部均值算法，设置搜索窗S的大小为 (211。+1) X (2nQ+l)，被匹配块B的大小为（2ηι+1) X (2ηι+1)，以及滤波参数h三个初始化参 数，其中 η。= 5, a = 2, h = 2 ; (3b)以预滤波图像R中受噪声污染的像素点为中心，对预滤波图像R加两个不同大小 的窗，分别作为搜索窗S(i，j)和被匹配块B(i，j):其中，（i，j)为受噪声污染的像素点的坐标，i = 1，2，…M，j = 1，2，…N，MXN为噪 声图像I的大小，S(i，j)为以坐标（i，j)为中心的搜索窗，B(i，j)为以坐标（i，j)为中心 的被匹配块，R(i+s，j+t)为预滤波图像R中位于坐标（i+s，j+t)处像素点的灰度值； (3c)在搜索窗S(i，j)中利用滑窗搜索方法寻找被匹配块B(i，j)的相似块： 将被匹配块与相似块的灰度值差值的平方和作为衡量相似性的标准，将这些平方和聚 集成一个列向量D。，同时将列向量D。在搜索窗S(i，j)中对应位置处的相似块的中心像素 点的灰度值聚集成一个列向量& :其中，dk为被匹配块B (i，j)与第k个相似块灰度值差值的平方和，k = 1，2,…，L，L为 列向量D。的长度，Vu表示去掉被匹配块B (i，j)中心像素点的其他像素点灰度值拉成的列 向量，vk为去掉与被匹配块B(i，j)相似的第k个相似块中心像素点的其他像素点灰度值拉 成的列向量，I卜I I2为向量的二范数，gk为被匹配块B(i，j)的第k个相似块中心像素点 的灰度值； (3d)将列向量D。中选择出的元素聚集成一个列向量D，同时将列向量D在列向量G。中 对应位置处的元素聚集成一个列向量G :其中，dk为列向量Ο。的第k个元素，gk为列向量Gc!的第k个元素，L为列向量Ο。的长 度，?为列向量D。的平均值，sum( ·)为向量的求和； (3e)对列向量D和列向量G中的元素采用加权平均方法，估计去噪图像0中受噪声污 染像素点的灰度值〇(i，j); (3f)用噪声图像I中未受噪声污染的像素点修正去噪图像0对应位置处的像素点，得 到恢复图像Ci的像素点的灰度值Ci (i，j): 未受_声污染的像素点 受_声污染的像素点I其中，（i，j)为恢复图像Ci中像素点的坐标，i = 1，2，…M，j本文档来自技高网...

【技术保护点】
一种基于迭代非局部均值抑制图像脉冲噪声的方法,包括如下步骤：(1)对待处理的噪声图像I进行噪声检测，标记受噪声污染的像素点的位置；(2)对噪声图像I进行滤波操作,对受噪声污染的像素点进行初始化估计，得到预滤波图像R；(3)对预滤波图像R进行迭代非局部均值滤波,得到清晰图像C：(3a)初始化参数：根据迭代非局部均值算法，设置搜索窗S的大小为(2n0+1)×(2n0+1)，被匹配块B的大小为(2n1+1)×(2n1+1)，以及滤波参数h三个初始化参数，其中n0＝5，n1＝2，h＝2；(3b)以预滤波图像R中受噪声污染的像素点为中心，对预滤波图像R加两个不同大小的窗，分别作为搜索窗S(i,j)和被匹配块B(i,j)：S(i,j)＝{R(i+s,j+t)|‑n0≤s,t≤n0}，B(i,j)＝{R(i+s,j+t)|‑n1≤s,t≤n1}，其中，(i,j)为受噪声污染的像素点的坐标，i＝1,2，…M，j＝1,2，…N，M×N为噪声图像I的大小，S(i,j)为以坐标(i,j)为中心的搜索窗，B(i,j)为以坐标(i,j)为中心的被匹配块，R(i+s,j+t)为预滤波图像R中位于坐标(i+s,j+t)处像素点的灰度值；(3c)在搜索窗S(i,j)中利用滑窗搜索方法寻找被匹配块B(i,j)的相似块：将被匹配块与相似块的灰度值差值的平方和作为衡量相似性的标准，将这些平方和聚集成一个列向量D0，同时将列向量D0在搜索窗S(i,j)中对应位置处的相似块的中心像素点的灰度值聚集成一个列向量G0：D0＝{d1,d2,…,dk,…,dL}，dk＝||vi,j‑vk||2，G0＝{g1,g2,…,gk,…,gL}，其中，dk为被匹配块B(i,j)与第k个相似块灰度值差值的平方和，k＝1,2,…,L，L为列向量D0的长度，vi,j表示去掉被匹配块B(i,j)中心像素点的其他像素点灰度值拉成的列向量，vk为去掉与被匹配块B(i,j)相似的第k个相似块中心像素点的其他像素点灰度值拉成的列向量，||·||2为向量的二范数，gk为被匹配块B(i,j)的第k个相似块中心像素点的灰度值；(3d)将列向量D0中选择出的元素聚集成一个列向量D，同时将列向量D在列向量G0中对应位置处的元素聚集成一个列向量G：D={dk|dk<d‾,k=1,2,...L},]]>G={gk|dk<d‾,k=1,2,...L},]]>d‾=sum(D0)L,]]>其中，dk为列向量D0的第k个元素，gk为列向量G0的第k个元素，L为列向量D0的长度，为列向量D0的平均值，sum(·)为向量的求和；(3e)对列向量D和列向量G中的元素采用加权平均方法，估计去噪图像O中受噪声污染像素点的灰度值O(i,j)；(3f)用噪声图像I中未受噪声污染的像素点修正去噪图像O对应位置处的像素点，得到恢复图像C1的像素点的灰度值C1(i,j)：其中，(i,j)为恢复图像C1中像素点的坐标，i＝1,2，…M，j＝1,2，…N，M×N为恢复图像C1的大小，I(i,j)为噪声图像I位于坐标(i,j)处的像素点的灰度值；(3g)根据恢复图像C1像素点的灰度值C1(i,j)，得到恢复图像C1＝{C1(i,j)}，计算恢复图像C1与预滤波图像R之间的均方误差MSE：MSE=1M×NΣi=1MΣj=1N(C1(i,j)-R(i,j))2,]]>其中，C1(i,j)为恢复图像C1位于坐标(i,j)处像素点的灰度值，R(i,j)为预滤波图像R位于坐标(i,j)处像素点的灰度值；(3h)当均方误差MSE＞T时，其中T＝40，将恢复图像C1作为新的预滤波图像R＝C1，返回步骤(3a)，当均方误差MSE≤T，或迭代次数大于5时，输出清晰图像C＝C1。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王晓甜，王艳涛，石光明，季超亚，张佩钰，吴金建，刘丹华，林杰，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61