本发明专利技术属于数字图像处理技术领域，为提出一种基于噪点先验约束的全变分图像去噪方法，能提高噪点检测准确度，而且能很好地保护图像结构信息；本发明专利技术采用以下技术方案：基于噪声先验约束的全变分图像去噪方法，按照下述步骤进行：步骤1)输入含噪声的图像I；步骤2)令f为原始的清晰图像；步骤3)图像u在传输和存储的过程中进一步受脉冲噪声影响，用g表示混合噪声污染的图像，步骤4)采用ROAD统计方法估计噪点位置；步骤5)构造TV‑ROAD迭代去噪模型；步骤6)根据上一步得到的去噪图像f，通过求解下式得到二值矩阵向量bI。本发明专利技术主要应用于数字图像处理。
【技术实现步骤摘要】
本专利技术属于数字图像处理
，特别涉及一种可用于医学、工农业、天文学等领域的基于噪点先验约束的全变分的图像去噪方法。
技术介绍
图像信号在获取、传输和记录的过程中，经常会受到各种噪声的干扰，严重的影响了图像的视觉效果。随着各种数字仪器和数码产品的普及，图像和视频已成为人类活动中最常用的信息载体，它们包含着物体的大量信息，成为人们获取外界原始信息的主要途径。因此采用适当的方法减少噪声，是数字图像处理研究中重要的一个分支。传统的空间域滤波器和频域滤波器，如中值滤波器、均值滤波器和指数滤波器等，将受噪声污染的图像作为整体进行滤波，未考虑噪声分布特点及图像的纹理细节信息特征等方面因素。虽然简单易于使用，但去除噪声的同时，导致图像边界产生了模糊，细节信息大量丢失。目前已有的去噪方法多是考虑去除高斯分布的噪声，但某些情形下的噪声并不总是服从高斯分布，如在成像过程传输和存储过程中会产生脉冲噪声，图像有可能受到两种噪声的污染。近些年，Rudian等人提出的基于L1范数的全变分(totalvariation，TV)图像去噪方法得到了大量关注，其思想是将图像去噪转化为求解一个能量函数的最小化问题。目前已有的改进方法多是考虑去除高斯分布的噪声，但某些情形下的噪声并不总是服从高斯分布，如在成像过程传输和存储过程中会产生脉冲噪声，图像有可能受到两种噪声的污染。全变分去噪模型存在误判图像噪声为边缘而产生假边缘和使复原的光滑渐变区域的图像呈现阶梯效应等问题。当前对混合噪声采用传统的单一去噪方法其抑制效果很不理想，因此抑制混合噪声算法都是多种去噪算法相结合。大量实验验证，迭代去噪算法比中值滤波及其改进方法，能够更有效的保留图像细节信息和去除噪声。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提出一种基于噪点先验约束的全变分图像去噪方法。本专利技术基于噪点处相比邻域像素点处的像素值差别较大的特点，采用邻域像素间的随机绝对差排序值(Rankorderedabsolutedifferences，ROAD)统计其差异值的方法估计图像中噪点位置，不仅能提高噪点检测准确度，而且能很好地保护图像结构信息。本专利技术采用以下技术方案：基于噪声先验约束的全变分图像去噪方法，按照下述步骤进行：步骤1)：输入含噪声的图像I，大小为m×n，灰度级为0到H之间，H常用255，图像处理中进行归一化处理，图像像素值取0到1之间；步骤2)令f为原始的清晰图像，u为f的噪声观测图像，噪声模型建立为u＝f+N，其中，N代表均值为零、方差为σ的高斯随机白噪声；步骤3)：图像u在传输和存储的过程中进一步受脉冲噪声影响，用g表示混合噪声污染的图像，用i代表每个像素点，图像中每个像素点的值采用非线性模型表示，即其中，vi代表位置为i处的被脉冲噪声污染的像素点值，ui表示未被脉冲噪声污染像素点的值。由于脉冲噪声分为两种：椒盐噪声和随机脉冲噪声，椒盐噪声像素值常取两种极值：最小值0和最大值H；步骤3.1)：图像中混有椒盐噪声时采用极值方法判断噪声，产生0-1二值噪声矩阵bI：biI=0,Ii=0orIi=H1,otherwise]]>步骤3.2)：图像中混有随机脉冲噪声时采用噪点估计方法检测噪点位置，产生0-1二值噪声矩阵bI：步骤4)：采用ROAD统计方法估计噪点位置；步骤5)：构造TV-ROAD迭代去噪模型表示为：minfD((f-g)Ωf)+α1TV(f)+α2Σi(biI-1)R(gi)---(2)]]>s.t.(1-biI)<S]]>公式(2)为非凸优化问题，通过两步迭代最小化方法对该问题进行求解，求解过程为：采用自适应加权中值ACWMF(adaptivecenter-weightedmedianfilter)滤波方法得到去噪预处理观测图像f0，得到二值向量bI，通过下式得到最优图像f：minf12Σibi(fi-gi)2+α1TV(f)---(3)]]>公式(3)为经典总变分去噪模型，采用一阶原始对偶FOPD算法对其求解，一阶原始对偶算法具体求解过程为：(1)设置参数值:τ，σ，θ，n＝1；(2)图像预处理：f0，p0和q0，将去噪预处理图像f0赋值给(3)对得到的fn-1和fn采用步骤4中的ROAD噪点检测方法估计二值矩阵bI，同时A←bI.*A；(4)迭代更新：pn+1←pn+σ(Af‾n-g)1+τ;]]>qn+1←λ(qn+σ▿f‾n)max(λ1I,|qn+σ▿f‾n|);]]>fn+1←fn-τATpn+1+τdivqn+1；f‾n+1←fn+1+θ(fn+1-fn);]]>(5)满足n≥M，或(fn+1-fn)≤T，迭代终止；否则，返回第3)步，为上一步迭代得到的图像fn的赋值；该算法的迭代终止条件是迭代次数达到预先定义好的次数阈值M或者是当连续两次迭代所得结果的差值小于一个预先定义好的差值阈值T；步骤6)：根据上一步得到的去噪图像f，通过求解下式得到二值矩阵向量bI，即：minb12Σibi(fi-gi)2+α2Σi(bi-1)R(gi)s.t.Σi(1-bi)≤S---(4)]]>采用ROAD统计方法估计噪点位置，具体步骤如下：用选取窗口大小为r×r的区域，观测图像当前像素值用gi表示，去噪图像当前像素值用fi表示，除去当前像素i的邻域窗口可以表示为Ni。图像中受脉冲噪声污染的像素点与其邻域像素值差异较大，采用ROAD统计方法来描述此变化，定义为：di(gi)＝|gi-gj|forj∈Ni；计算去噪后的图像邻域窗口内所有像素fj与观测图像窗口区域内中心像素gi的绝对差值，即dj(gi)＝|gi-fj|forj∈Ni。然后对计算出的r2-1个绝对差值进行升序排列，则当前像素点i的ROAD统计值定义为前k个绝对差值的和，即：设置一个参数阈值T1＝0.1，当求得的值R(gi)大于该阈值时，该点i为噪点，标记反之本专利技术的一个实施例中根据经验值选取r＝3,k＝4；与已有技术相比，本专利技术的技术特点与效果：本专利技术针对受高斯噪声和随机脉冲噪声混合噪声污染的图像噪点检测不准确问题，提出一种结合TV和ROAD两种方法的两步迭代方法即TV-ROAD模型。提出的两步迭代去噪算法，在去除混合噪声的同时可有效的保留图像的边缘和纹理等细节特征。当引入噪声水平先验S，改进的ROAD统计方法可更加准确的检测脉冲噪声。结合改进的ROAD噪点检测方法和总变分去噪模型，能够很好的去除图像中的高斯和脉冲混合噪声。大量实验数据表明，本专利技术使用的方法恢复的图像质量，优于目前主流的去噪方法，尤其是在高噪声条件下，表现出对于混合噪声良好的去噪性能。附图说明图1为实验所用经典测试图像。图2为本专利技术的流程图。图3为噪声水平先验S对图像去噪得到的平均PSNR(峰值信噪比)曲线图。图4为本专利技术提出的方法与其他方法的去噪效果比较图。具体实施本文档来自技高网...
【技术保护点】
一种基于噪点先验约束的全变分图像去噪方法，其特征是，步骤如下：步骤1)输入含噪声的图像I，大小为m×n，灰度级为0到H之间，H常用255，图像处理中进行归一化处理，图像像素值取0到1之间；步骤2)令f为原始的清晰图像，u为f的噪声观测图像，噪声模型建立为u＝f+N，其中，N代表均值为零、方差为σ的高斯随机白噪声；步骤3)图像u在传输和存储的过程中进一步受脉冲噪声影响，用g表示混合噪声污染的图像，用i代表每个像素点，图像中每个像素点的值采用非线性模型表示，即其中，vi代表位置为i处的被脉冲噪声污染的像素点值，ui表示未被脉冲噪声污染像素点的值。由于脉冲噪声分为两种：椒盐噪声和随机脉冲噪声，椒盐噪声像素值常取两种极值：最小值0和最大值H；步骤3.1)图像中混有椒盐噪声时采用极值方法判断噪声，产生0‑1二值噪声矩阵bI：步骤3.2)图像中混有随机脉冲噪声时采用噪点估计方法检测噪点位置，产生0‑1二值噪声矩阵bI：步骤4)采用ROAD统计方法估计噪点位置；步骤5)构造TV‑ROAD迭代去噪模型表示为：minfD((f-g)Ωf)+α1TV(f)+α2Σi(biI-1)R(gi)---(2)]]>s.t.(1-biI)<S]]>公式(2)为非凸优化问题，通过两步迭代最小化方法对该问题进行求解，求解过程为：采用自适应加权中值ACWMF(adaptive center‑weighted median filter)滤波方法得到去噪预处理观测图像f0，得到二值向量bI，通过下式得到最优图像f：minf12Σibi(fi-gi)2+α1TV(f)---(3)]]>公式(3)为经典总变分去噪模型，采用一阶原始对偶FOPD算法对其求解，一阶原始对偶算法具体求解过程为：(1)设置参数值:τ，σ，θ，n＝1；(2)图像预处理：f0，p0和q0，将去噪预处理图像f0赋值给(3)对得到的fn‑1和fn采用步骤4中的ROAD噪点检测方法估计二值矩阵bI，同时A←bI.*A；(4)迭代更新：qn+1←λ(qn+σ▿f‾n)max(λ1I,|qn+σ▿f‾n|);]]> fn+1←fn‑τATpn+1+τdivqn+1；f‾n+1←fn+1+θ(fn+1-fn);]]>(5)满足n≥M，或(fn+1‑fn)≤T，迭代终止；否则，返回第3)步，为上一步迭代得到的图像fn的赋值；迭代终止条件是迭代次数达到预先定义好的次数阈值M或者是当连续两次迭代所得结果的差值小于一个预先定义好的差值阈值T；步骤6)根据上一步得到的去噪图像f，通过求解下式得到二值矩阵向量bI，即：minb12Σibi(fi-gi)2+α2Σi(bi-1)R(gi)s.t.Σi(1-bi)≤S---(4).]]>...
【技术特征摘要】
1.一种基于噪点先验约束的全变分图像去噪方法，其特征是，步骤如下：步骤1)输入含噪声的图像I，大小为m×n，灰度级为0到H之间，H常用255，图像处理中进行归一化处理，图像像素值取0到1之间；步骤2)令f为原始的清晰图像，u为f的噪声观测图像，噪声模型建立为u＝f+N，其中，N代表均值为零、方差为σ的高斯随机白噪声；步骤3)图像u在传输和存储的过程中进一步受脉冲噪声影响，用g表示混合噪声污染的图像，用i代表每个像素点，图像中每个像素点的值采用非线性模型表示，即其中，vi代表位置为i处的被脉冲噪声污染的像素点值，ui表示未被脉冲噪声污染像素点的值。由于脉冲噪声分为两种：椒盐噪声和随机脉冲噪声，椒盐噪声像素值常取两种极值：最小值0和最大值H；步骤3.1)图像中混有椒盐噪声时采用极值方法判断噪声，产生0-1二值噪声矩阵bI：步骤3.2)图像中混有随机脉冲噪声时采用噪点估计方法检测噪点位置，产生0-1二值噪声矩阵bI：步骤4)采用ROAD统计方法估计噪点位置；步骤5)构造TV-ROAD迭代去噪模型表示为：minfD((f-g)Ωf)+α1TV(f)+α2Σi(biI-1)R(gi)---(2)]]>s.t.(1-biI)<S]]>公式(2)为非凸优化问题，通过两步迭代最小化方法对该问题进行求解，求解过程为：采用自适应加权中值ACWMF(adaptivecenter-weightedmedianfilter)滤波方法得到去噪预处理观测图像f0，得到二值向量bI，通过下式得到最优图像f：minf12Σibi(fi-gi)2+α1TV(f)---(3)]]>公式(3)为经典总变分去噪模型，采用一阶原始对偶FOPD算法对其求解，一阶原始对偶算法具体求解过程为：(1)设置参数值:τ，σ，θ，n＝1；(2)图像预处理：f0，p0和q0，将去噪预处理图像f0赋值给(3)对得到的fn-1和fn采用步骤4中的ROAD噪...
【专利技术属性】
技术研发人员：冀中，赵硕，刘立，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。