本发明专利技术公开了一种斑点噪声污染图像的非局部均值滤波方法，包括以下步骤：通过脉冲发送皮层模型迭代计算斑点噪声污染图像的神经元点火状态图序列，由神经元点火状态图序列抽取Renyi熵向量，基于Renyi熵向量对斑点噪声污染图像进行非局部均值滤波，以得到去噪后的灰度值。本发明专利技术可以从含斑点噪声的图像中提取出旋转、平移和缩放不变性，比传统的方法能够利用更多的图像信息来进行去噪，此外，本发明专利技术能够更加合理地计算两个图像像素块之间的相似度，并能明显抑制图像噪声，提高图像的峰值信噪比，从而更有效地保护了图像的细节信息。
【技术实现步骤摘要】
本专利技术属于图像去噪增强领域，更具体地，涉及。
技术介绍
图像滤波技术是近年来一直受到各界关注并且发展迅速的图像处理技术之一，而图像中斑点噪声的去除是其中研究的热点之一，特别是在医学图像处理领域。图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。图像中的斑点噪声既降低了图像的画面质量，又严重影响了图像的自动分割、分类、目标检测以及其它特定信息的提取。去除斑点噪声的方法主要有自适应滤波方法、基于 小波的方法和基于各向异性扩散的方法等，这些方法仅利用了图像局部信息，因而易在图像中造成伪影或产生阶梯效应。中国专利技术专利一种合成孔径雷达图像自适应斑点噪声抑制方法(专利号200710122105. 4)，提出了用一种全局统计量异质性熵，作为判断区域同质异质性的标准，由于异质性熵利用图像全局的概率统计分布，可以很好地测量出边缘细节和纹理信息的变化，从而更准确地对图像局部同质异质性进行判断，并自适应地采取不同的降噪处理措施，这种方法可以在不牺牲空间分辨率的前提下抑制合成孔径雷达图像中的斑点噪声，并保留目标边缘、纹理细节信息的作用，其缺点在于易造成伪影。为克服基于局部信息的滤波方法的不足，Buades等提出了非局部均值(Nonlocalmeans, NLM)方法，该方法利用两个图像块的高斯加权欧式距离衡量像素间的相似度，借助全局范围内像素的加权平均(权值对应相似度)实现图像降噪，其优点在于能很好地保护图像细节信息。经现有文献的查阅，中国专利SAR图像非局部均值去斑方法(专利号200910219211. 3)，公开了一种SAR图像非局部均值去斑方法，该方法可克服现有非局部均值降斑算法中图像块距离计算不准确的问题。然而，现有的斑点噪声污染图像非局部均值滤波方法仅从平移不变性角度考虑了图像自相似性，而忽略了图像中存在的旋转和尺度不变性，因此难以有效保护图像中的复杂细节和纹理信息。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供，旨在解决传统非局部均值滤波方法中存在的只考虑图像的平移不变性、而未考虑其旋转和尺度不变性的不足，可更好地恢复图像，并在噪声去除和细节信息保护上达到更好地折衷。。为实现上述目的，本专利技术提供了，包括以下步骤(I)通过脉冲发送皮层模型迭代计算斑点噪声污染图像的神经元点火状态图序列，具体采用以下等式Fij = fFijtn-ll+Nij+Nij E WijklYkl (8)权利要求1. ，其特征在于，包括以下步骤 (1)通过脉冲发送皮层模型迭代计算斑点噪声污染图像的神经元点火状态图序列，具体采用以下等式全文摘要本专利技术公开了，包括以下步骤通过脉冲发送皮层模型迭代计算斑点噪声污染图像的神经元点火状态图序列，由神经元点火状态图序列抽取Renyi熵向量，基于Renyi熵向量对斑点噪声污染图像进行非局部均值滤波，以得到去噪后的灰度值。本专利技术可以从含斑点噪声的图像中提取出旋转、平移和缩放不变性，比传统的方法能够利用更多的图像信息来进行去噪，此外，本专利技术能够更加合理地计算两个图像像素块之间的相似度，并能明显抑制图像噪声，提高图像的峰值信噪比，从而更有效地保护了图像的细节信息。文档编号G06T5/00GK102750675SQ20121017633公开日2012年10月24日 申请日期2012年5月31日 优先权日2012年5月31日专利技术者丁明跃, 尹周平, 张旭明, 熊有伦, 王俊, 王垠骐, 王瑜辉, 邹建 申请人:华中科技大学本文档来自技高网...
【技术保护点】
一种斑点噪声污染图像的非局部均值滤波方法，其特征在于，包括以下步骤：（1）通过脉冲发送皮层模型迭代计算斑点噪声污染图像的神经元点火状态图序列，具体采用以下等式：Fij[n]＝fFij[n？1]+Nij+Nij∑WijklYkl[n？1]？？？？？？？？？？？？？？？？(1)Θij[n]＝gΘij[n？1]+hYij[n]？？？？？？？？？？？？？？？？？？？？？？？？？？？？？(3)其中Θij、Fij、Yij分别为阈值振子、状态振子以及神经元在噪声图中像素点（i，j）处的点火状态，其初始值皆为0，i和j为像素点的坐标，Nij为激励源，即输入噪声图像归化一后的结果，n为迭代次数，f和g为取值在（0,1）间的衰减系数，h为较大标量值，Wijkl是在像素点（i，j）和（k，l）处的神经元的权值系数，k和l为像素点的坐标；（2）由神经元点火状态图序列抽取Renyi熵向量，具体包括以下子步骤：（2？1）通过以下等式计算像素点（i，j）的Renyi熵；H(Wij[n])=11-alogΣk=01(pijk)a---(4)pij1=Uij[n](2Lc+1)×(2Lc+1)---(5)其中Wij[n]为神经元点火状态图序列Yij[n]中以像素点（i，j）为中心的大小为（2Lc+1）×（2Lc+1）的图像块，且Wij[n]＝{Ypq[n]||p？i|≤Lc,|q？j|≤Lc}，Iij为像素点（i，j）的灰度值，LC是图像块的半径，p和q是满足条件（||p？i|≤Lc,|q？j|≤Lc）的像素点的坐标，其组合(p,q)构成了图像块的所有点 的坐标，Ypq[n]是像素点(p,q)处的神经元点火状态图序列，H(Wij[n])是Wij[n]的Renyi熵，Uij[n]是点火神经元的数量，为Wij[n]中点火神经元的概率，参数a的值为2。（2？2）对噪声图中的所有像素点,重复步骤（2？1），以获得Renyi熵向量:Vij＝{H(Wij[1]),H(Wij[2]),...,H(Wij[nmax])}，其中nmax为最大迭代次数。（3）基于Renyi熵向量对斑点噪声污染图像进行非局部均值滤波，以得到去噪后的灰度值；具体而言，去噪后的灰度值由以下等式计算得出：Dij=Σk=i-Ldi+LdΣl=i-Ldi+LdSijkl·IklΣk=i-Ldi+LdΣl=i-Ldi+LdSijkl---(6)Sijkl=(1-||Vij-Vkl||2d)2||Vij-Vkl||2<d0||Vij-Vkl||2≥d---(7)其中Dij为像素点（i，j）去噪后的灰度值，Sijkl是噪声图像中像素点（i，j）和像素点（k，l）的结构相似度，d为控制滤波程度的衰减参数，||·||2表示欧氏范数。对于像素点（i，j），在噪声图中取以（i，j）为中心、大小为（2Ld+1）×（2Ld+1）的搜索窗口进行计算，Ld为搜索窗口的半径。FDA00001712637100011.jpg,FDA00001712637100021.jpg,FDA00001712637100022.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：张旭明，王俊，邹建，王垠骐，丁明跃，熊有伦，尹周平，王瑜辉，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
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。