一种基于图像空域的降噪方法技术

本发明专利技术公开了一种基于图像空域的降噪方法，包括以下步骤：对待处理的图像数据进行滤波窗口设置，将滤波窗口的中心点值与中心点值周围的有效邻域点值分别作差并取绝对值，以相应形成滤波集合；利用HVS程度评估函数以得到HVS程度；将滤波窗口的最大点值输入至局部纹理评估函数进行处理，以得到局部纹理评估程度；对集合中最大值和最小值进行自适应阈值函数处理，以得到自适应阈值，根据自适应阈值，对集合中的各元素进行自适应权重函数处理，以得到各个元素对应点的权重；利用加权求和的方式计算得到降噪后的图像估计值。本发明专利技术提供的基于图像空域的降噪方法减少了图像降噪的运算处理量，能够快速去噪，降低了相关硬件设备要求。求。求。

【技术实现步骤摘要】
一种基于图像空域的降噪方法


[0001]本专利技术涉及图像噪声抑制
，特别涉及一种基于图像空域的降噪方法。

技术介绍

[0002]图像在采集过程中会随着传感器及其外界环境引入不同程度的噪声，尤其是光源照明不充足的情况下，会造成图像信噪比降低，细节纹理丢失，从而影响图像质量，使得最终显示出来图像效果影响观感，在医疗图像中甚至淹没目标信号，导致病灶识别困难。相关的国际标准组织(ISO、CPIQ)也定义了噪声的量化具体过程，其中一个能够代表人眼观测图像的综合噪声指标是视觉噪声vn(visual noise)，视觉噪声vn综合考虑了人眼对不同频率的图像灰度信号及颜色信号的敏感度差异。针对vn进行降噪算法设计的一般方法是根据人眼的CSF(Contrast Sensitivity Functions)特性，进行变换域上的噪声滤波，然后再通过反变换操作，把滤除噪声后的信号恢复出来；但是此方法计算过程往往比较复杂，耗时长，硬件实现较困难，在带宽和延迟要求严格的领域需要投入较多的资源和成本。

技术实现思路

[0003]为了解决现有技术的问题，本专利技术提供了一种基于图像空域的降噪方法，所述技术方案如下：
[0004]本专利技术提供了一种基于图像空域的降噪方法，包括以下步骤：
[0005]S1、对待处理的图像数据进行滤波窗口设置，将所述滤波窗口的中心点值记作P
c
，将所述中心点值周围的有效邻域点值分别记作P0，P1，P2，
…
，P
n
，并相应形成集合{|P
c
‑
P
i
|}
i＝0,1,2...n
，记作D，D
i
为该集合内的各个元素，将所述集合中最大值和最小值分别记作D
max
和D
min
；
[0006]S2、根据所述滤波窗口的中心点值P
c
，利用HVS程度评估函数以得到HVS程度，记作d1；
[0007]S3、根据所述HVS程度d1以及预设的降噪阈值参数，设计局部纹理评估函数，将所述滤波窗口的最大点值输入至所述局部纹理评估函数进行处理，以得到局部纹理评估程度，记作d2；
[0008]S4、根据所述局部纹理评估程度d2，对所述集合中最大值和最小值进行自适应阈值函数处理，以得到自适应阈值；
[0009]S5、根据所述自适应阈值，对所述集合中的各元素进行自适应权重函数处理，以得到各个元素对应点的权重；
[0010]S6、利用加权求和的方式计算得到降噪后的图像估计值。
[0011]进一步地，根据不同的观测条件，相应调整降噪阈值参数；所述降噪阈值参数包括第一降噪阈值参数、第二降噪阈值参数和第三降噪阈值参数，分别记作E1、E2、E3，所述第一降噪阈值参数与显示设备所处环境的最大亮度成正相关，所述第二降噪阈值参数与显示设备输出的最大亮度成正相关，所述第三降噪阈值参数与图像观察者对显示设备单位像素的
目视张角成正相关。
[0012]进一步地，在步骤S2中，所述HVS程度评估函数的公式如下：
[0013]当L≤2
Depth
‑1时，d1＝21‑
Depth
×
L
[0014]当L﹥2
Depth
‑1时，d1＝2
‑
21‑
Depth
×
L
[0015]其中，Depth为图像数据位深，L为中心点亮度值。
[0016]进一步地，在步骤S3中，所述局部纹理评估函数的公式如下：
[0017]当D
max
≤E3时，d2＝1；
[0018]当E3<D
max
≤Th
end
时，
[0019]当D
max
>Th
end
时，d2＝0；
[0020]其中，Th
end
＝E1‑
E2×
d1+m1，其中，m1为图像噪声水平参数。
[0021]进一步地，在步骤S4中，所述自适应阈值函数的公式如下：
[0022]当d2＝0时，
[0023]当0<d2<1时，
[0024]当d2＝1时，Th
low
＝Th
high
＝D
max
。
[0025]进一步地，在步骤S5中，所述自适应权重函数的公式如下：
[0026]当0≤D
i
<Th
low
时，w
i
＝1
[0027]当Th
low
≤D
i
<Th
high
时，
[0028]当D
i
>Th
high
时，w
i
＝0
[0029]其中，D
i
为所述集合D中的元素，w
i
为P
i
对应点的权重，i＝0,1,2...n。
[0030]进一步地，在步骤S6中，所述滤波窗口的中心点值降噪后的图像估计值的计算公式如下：
[0031][0032]其中，P
i
为中心点P
c
周围的有效邻域点值，Output为图像估计值。
[0033]进一步地，一个滤波窗口对应一个滤波周期，根据当前滤波周期内的局部纹理评估程度以及前一个滤波周期内的局部纹理评估程度，设计局部噪声评估函数，将所述滤波窗口的最大点值输入至所述局部噪声评估函数进行处理，以得到局部噪声评估程度，记作d3；
[0034]将前一个滤波周期内的局部噪声评估程度作为当前滤波周期内的图像噪声水平参数，以计算当前滤波周期内的局部纹理评估程度。
[0035]进一步地，所述局部噪声评估函数的公式如下：
[0036]d3＝d2×
D
max
+(1
‑
d2)
×
m2[0037]其中，m2为前一个滤波周期中计算的局部纹理评估程度。
[0038]进一步地，当中心点值P
c
为0或者最大值时，所述HVS程度d1为0，所述HVS程度评估函数的函数形态为高斯曲线；所述局部纹理评估函数的函数形态为梯形曲线。
[0039]本专利技术提供的技术方案带来的有益效果如下：
[0040]a.减少了图像降噪的运算处理量，能够快速去噪，降低了相关硬件设备要求；
[0041]b.能够适配多种传感器的原始图像数据，具有较好的兼容性和灵活性。
附图说明
[0042]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像空域的降噪方法，其特征在于，包括以下步骤：S1、对待处理的图像数据进行滤波窗口设置，将所述滤波窗口的中心点值记作P
c
，将所述中心点值周围的有效邻域点值分别记作P0，P1，P2，
…
，P
n
，并相应形成集合{|P
c
‑
P
i
|}
i＝0,1,2...n
，记作D，D
i
为该集合内的各个元素，将所述集合中最大值和最小值分别记作D
max
和D
min
；S2、根据所述滤波窗口的中心点值P
c
，利用HVS程度评估函数以得到HVS程度，记作d1；S3、根据所述HVS程度d1以及预设的降噪阈值参数，设计局部纹理评估函数，将所述滤波窗口的最大点值输入至所述局部纹理评估函数进行处理，以得到局部纹理评估程度，记作d2；S4、根据所述局部纹理评估程度d2，对所述集合中最大值和最小值进行自适应阈值函数处理，以得到自适应阈值；S5、根据所述自适应阈值，对所述集合中的各元素进行自适应权重函数处理，以得到各个元素对应点的权重；S6、利用加权求和的方式计算得到降噪后的图像估计值。2.根据权利要求1所述的基于图像空域的降噪方法，其特征在于，根据不同的观测条件，相应调整降噪阈值参数；所述降噪阈值参数包括第一降噪阈值参数、第二降噪阈值参数和第三降噪阈值参数，分别记作E1、E2、E3，所述第一降噪阈值参数与显示设备所处环境的最大亮度成正相关，所述第二降噪阈值参数与显示设备输出的最大亮度成正相关，所述第三降噪阈值参数与图像观察者对显示设备单位像素的目视张角成正相关。3.根据权利要求1所述的基于图像空域的降噪方法，其特征在于，在步骤S2中，所述HVS程度评估函数的公式如下：当L≤2
Depth
‑1时，d1＝21‑
Depth
×
L当L﹥2
Depth
‑1时，d1＝2
‑
21‑
Depth
×
L其中，Depth为图像数据位深，L为中心点亮度值。4.根据权利要求2所述的基于图像空域的降噪方法，其特征在于，在步骤S3中，所述局部纹理评估函数的公式如下：当D
max
≤E3时，d2＝1；当E3<D
max
≤Th
end
时，当D
max

【专利技术属性】
技术研发人员：邓长威，
申请(专利权)人：苏州法兰克曼医疗器械有限公司，
类型：发明
国别省市：