一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法技术

本发明专利技术涉及一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法，包括步骤如下：S1、遍历图像，利用mask矩阵记录噪声点位置；S2、利用NASMF算法和mask矩阵对噪声点的定位，对噪声点进行滤波将椒盐噪声转化为高斯噪声；S3、利用自适应非局部双边滤波方法对图像进行二次滤波，去除噪声。本发明专利技术利用NASMF将椒盐噪声转化为类高斯噪声，然后利用自适应非局部高斯滤波算法去除噪声，根据图像非局部细节特征，自适应的趋向于l1范数或者l2范数，从而达到保护边缘和纹理细节的结果。

A two-step method to remove salt and pepper noise of nonlocal bilateral filtering image with the ability of image detail protection

The invention relates to a two-step method for removing salt and pepper noise of nonlocal bilateral filtered image with image detail protection capability, which comprises the following steps: S1. Traversing the image and recording the position of noise points with mask matrix; S2. Positioning the noise points with NASMF algorithm and mask matrix and filtering the noise points to convert salt and pepper noise into Gaussian noise; S3. Using adaptive nonlocal filtering The image is filtered twice by bilateral filtering method to remove noise. In the invention, NASMF is used to transform salt and pepper noise into Gaussian like noise, and then adaptive non local Gaussian filtering algorithm is used to remove the noise. According to the non local detail features of the image, the adaptive trend tends to L1 norm or L2 norm, so as to achieve the result of protecting edge and texture details.

【技术实现步骤摘要】
一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法
本专利技术涉及基于一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法，属于计算机图像处理领域。
技术介绍
图像椒盐噪声尤其是高频椒盐噪声给图像的后续处理工作带来极大的挑战。有效地去除椒盐噪声并尽可能多的回复图像的细节信息仍然是一个极具挑战性的工作。现有的方法是关注于图像的局部信息，利用局部信息估计检测到的噪声点。但是，图像的局部极值点和非平稳点无法精确的恢复图像细节信息，甚至产生错误估计。为了解决这一问题，王等人提出了利用非局部信息去除图像椒盐噪声的方法(具体参见XiaotianWang,ShanshanShen,GuangmingShi,YuannanXu,PeiyuZhang.Iterativenon-localmeansfilterforsaltandpeppernoiseremoval.J.Vis.Commun.ImageR.38(2016)440–450,2018)，该方法利用非局部区域的特征相似度寻找相似非局部区域块，通过更新权重参数提高图像恢复精度。该方法考虑了利用非局部均值迭代消除椒盐噪声，但是没有空间距离因素对于重建效果的影响。双边滤波(BilateralFilter)是一种非线性滤波，该方法考虑了图像的空间邻近度与像素值的相似度，被广泛的用于高斯噪声的去除。Veerakumaretal.提出了使用自适应双边滤波算法去除高斯噪声(具体参见T.Veerakumar,S.Esakkirajan,I.Vennila,Anapproachtominimizeveryhighdensitysaltandpeppernoisethroughtrimmedglobalmean.Int.J.Compt.Appl.39(12):29–332012)，该方法通过修改空间临近高斯函数和像素值相似度高斯函数实现。在像素值相似度函数计算中，像素值之间的差异性通过L2范数度量，该范数可以有效的保护图像纹理细节信息。该方法不能直接适用于椒盐噪声。并且，现有的上述两种方法以L2范数度量区域之间的相似性，L2范数无法精确地逼近边缘区域，易造成边缘模糊过平滑的现象。
技术实现思路
针对现有技术的不足，本专利技术提供了一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法；本专利技术提出了一种可以自适应保护图像边缘和纹理细节的去噪算法，该算法利用NASMF将椒盐噪声转化为类高斯噪声，然后利用自适应非局部高斯滤波算法去除噪声，根据图像非局部细节特征，自适应的趋向于l1范数或者l2范数，从而达到保护边缘和纹理细节的结果。术语解释：1、灰度化，在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。一般有分量法最大值法平均值法加权平均法四种方法对彩色图像进行灰度化。2、图像细节保护能力，由于现有方法问题，在复原图像的过程中，采用临近点或者相似区域对噪声点进行估值，但是估计结果与图像整体风格有所偏差，导致图像失真。这些失真的原因并非所复原图像的结构存在问题，而是由于图像在局部区域内的边缘被过于弱化或者强化导致的。过于弱化会导致过平滑现象的产生，常见于纹理区域；过于强化会导致人工伪迹的产生，常见于强边缘区域。因此，本专利技术所提出的图像细节保护能力指的是对图像局部的边缘进行修复，避免所复原的图像具有人工伪迹、过平滑等现象的产生。3、NASMF算法，NASMF算法的全称为非局部自适应中值滤波算法。参见论文：KennyKalVinToh,andNorAshidiMatIsa.NoiseAdaptiveFuzzySwitchingMedianFilterforSalt-and-PepperNoiseReduction.IEEESIGNALPROCESSINGLETTERS,17(3):281-284MARCH2010。本专利技术的技术方案为：一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法，包括步骤如下：S1、遍历图像，利用mask矩阵记录噪声点位置；S2、利用NASMF算法和mask矩阵对噪声点的定位，对噪声点进行滤波将椒盐噪声转化为高斯噪声；S3、利用自适应非局部双边滤波方法对图像进行二次滤波，去除噪声。根据本专利技术优选的，所述步骤S1，包括：(1)图像灰度化，得到灰度图像；(2)对于步骤(1)得到的灰度图像，Nsalt＝255,NPepper＝0；Nsalt表示盐噪声(白点)，Npepper表示椒噪声(黑点)，因此，可以得到一个二值蒙版矩阵M，该二值蒙版矩阵M的尺寸与该灰度图像相同，其元素用来标记灰度图像中相应位置的像素点是噪声点还是非噪声点，如式(Ⅰ)所示：式(Ⅰ)中，I(i,j)表示灰度图像中像素点(i,j)的灰度值；M(i,j)表示二值蒙版矩阵中(i,j)位置的值，当M(i,j)＝1表示灰度图像中像素点(i,j)是非噪声点；M(i,j)＝0表示灰度图像中像素点(i,j)是噪声点。根据本专利技术优选的，所述步骤S2，包括：(3)计算滤波窗口的中值，并计算噪声点的估计值：当M(i,j)＝0时，相应的图像像素点(i,j)要进行滤波处理，选取(2s+1)×(2s+1)的滤波窗口，s为预先设定的窗口参数；滤波窗口形式化的表示为：W2s+1(i,j)＝{I(i+m,j+n)|m,n∈(-s,...,0,,,s)}，W2s+1(i,j)表示以(i,j)位置为中心的、边长为2s+1的窗口；m,n分别表示距离当前窗口中心点(i,j)的行、列距离；I(i+m,j+n)表示图像I中(i+m,j+n)处的像素值；记：T2s+1(i,j)表示蒙版矩阵M中以(i,j)位置为中心的、边长为2s+1的窗口内部非噪声点的数量，M(i+m,j+n)表示蒙版矩阵M中(i+m,j+n)处的值；预先设定区域内非噪声点数量的阈值t＝3，若T2s+1(i,j)>t，说明以(i,j)为中心，(2s+1)×(2s+1)区域内的非噪声点具有足够的数量，则使用式(Ⅱ)计算噪声点的所在区域的中值即滤波窗口的中值并将结果保存到Imed中，图像Imed的尺寸与含噪图像I的尺寸一致：Imed(i,j)＝median{I(i+m,j+n)|m,n∈(-s,...,0...,s)}(Ⅱ)式(Ⅱ)中，median{}指的是将图像内以(i,j)为中心，边长为2s+1的窗口内部所有的点从小到大排列，记录中间数的值，并记录到图像Imed(i,j)位置上；若T2s+1(i,j)<t，这说明当前的滤波窗口内没有足够多的非噪声点,则扩展滤波窗口，即s→s+1，重新利用公式(Ⅱ)计算滤波窗口的中值，并记录到Imed中；当遍历完矩阵M中所有值为0的点后，利用式(Ⅲ)计算噪声点的估计值本文档来自技高网...

【技术保护点】
1.一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法，其特征在于，包括步骤如下：/nS1、遍历图像，利用mask矩阵记录噪声点位置；/nS2、利用NASMF算法和mask矩阵对噪声点的定位，对噪声点进行滤波将椒盐噪声转化为高斯噪声；/nS3、利用自适应非局部双边滤波方法对图像进行二次滤波，去除噪声。/n

【技术特征摘要】
1.一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法，其特征在于，包括步骤如下：
S1、遍历图像，利用mask矩阵记录噪声点位置；
S2、利用NASMF算法和mask矩阵对噪声点的定位，对噪声点进行滤波将椒盐噪声转化为高斯噪声；
S3、利用自适应非局部双边滤波方法对图像进行二次滤波，去除噪声。


2.根据权利要求1所述的一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法，其特征在于，所述步骤S1，包括：
(1)图像灰度化，得到灰度图像；
(2)对于步骤(1)得到的灰度图像，Nsalt＝255,NPepper＝0；Nsalt表示盐噪声，Npepper表示椒噪声，得到一个二值蒙版矩阵M，该二值蒙版矩阵M的尺寸与该灰度图像相同，其元素用来标记灰度图像中相应位置的像素点是噪声点还是非噪声点，如式(Ⅰ)所示：



式(Ⅰ)中，I(i,j)表示灰度图像中像素点(i,j)的灰度值；M(i,j)表示二值蒙版矩阵中(i,j)位置的值，当M(i,j)＝1表示灰度图像中像素点(i,j)是非噪声点；M(i,j)＝0表示灰度图像中像素点(i,j)是噪声点。


3.根据权利要求1所述的一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法，其特征在于，所述步骤S2，包括：
(3)计算滤波窗口的中值，并计算噪声点的估计值：
当M(i,j)＝0时，相应的图像像素点(i,j)要进行滤波处理，选取(2s+1)×(2s+1)的滤波窗口，s为预先设定的窗口参数；
滤波窗口形式化的表示为：W2s+1(i,j)＝{I(i+m,j+n)|m,n∈(-s,...,0,,,s)}，W2s+1(i,j)表示以(i,j)位置为中心的、边长为2s+1的窗口；m,n分别表示距离当前窗口中心点(i,j)的行、列距离；I(i+m,j+n)表示图像I中(i+m,j+n)处的像素值；
记：
T2s+1(i,j)表示蒙版矩阵M中以(i,j)位置为中心的、边长为2s+1的窗口内部非噪声点的数量，M(i+m,j+n)表示蒙版矩阵M中(i+m,j+n)处的值；
预先设定区域内非噪声点数量的阈值t，若T2s+1(i,j)>t，说明以(i,j)为中心，(2s+1)×(2s+1)区域内的非噪声点具有足够的数量，则使用式(Ⅱ)计算噪声点的所在区域的中值即滤波窗口的中值并将结果保存到Imed中，图像Imed的尺寸与含噪图像I的尺寸一致：
Imed(i,j)＝median{I(i+m,j+n)|m,n∈(-s,...,0...,s)}(Ⅱ)
式(Ⅱ)中，median{}指的是将图像内以(i,j)为中心，边长为2s+1的窗口内部所有的点从小到大排列，记录中间数的值，并记录到图像Imed(i,j)位置上；
若T2s+1(i,j)<t，则扩展滤波窗口，即s→s+1，重新利用公式(Ⅱ)计算滤波窗口的中值，并记录到Imed中；
当遍历完矩阵M中所有值为0的点后，利用式(Ⅲ)计算噪声点的估计值：
Ifinal＝(1-F(i,j))I(i,j)+F(i,j)Imed(i,j)(Ⅲ)
式(Ⅲ)中，Ifinal指的是去噪之后的图像；



D(i,j)为滤波窗口内局部灰度变化最...

【专利技术属性】
技术研发人员：梁虎，赵盛荣，董祥军，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：山东;37