本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，涉及一種脈沖噪聲處理方法，具體涉及一種基于多尺度回插的脈沖噪聲處理方法，可用于實(shí)現(xiàn)從高密度脈沖噪聲污染的噪聲圖像中恢復(fù)出清晰圖像。

背景技術(shù)：

在數(shù)字圖像處理，如在拍攝和傳輸過程中，由于所使用的器件和傳輸通道的局限性，導(dǎo)致了所獲取的圖像信號(hào)受到了干擾或者引入各種類型的數(shù)字圖像噪聲，嚴(yán)重影響了圖像的視覺效果，甚至妨礙了人們的正常識(shí)別。脈沖噪聲就是其中普遍的一種噪聲，它是由非連續(xù)的、持續(xù)時(shí)間短和幅度大的不規(guī)則脈沖或噪聲尖峰組成。脈沖噪聲可由許多因素產(chǎn)生，例如電磁干擾，通信系統(tǒng)的故障缺陷，通信系統(tǒng)的電氣開關(guān)和繼電器的狀態(tài)改變等。脈沖噪聲的存在具有很大的危害，它使得人們無法清晰的觀測(cè)所采集到的圖像，影響了視覺效果，而且圖像當(dāng)中許多重要的細(xì)節(jié)信息被噪聲掩蓋，一些所需要進(jìn)行提取和識(shí)別的目標(biāo)也變得無法分析，嚴(yán)重干擾了圖像的應(yīng)用價(jià)值以及對(duì)圖像所作的一些后續(xù)的高級(jí)處理，如邊緣檢測(cè)、圖像分割、特征識(shí)別、圖像融合等。因此，如何從被高密度噪聲污染的噪聲圖像中去除噪聲，恢復(fù)出清晰圖像，一直是圖像處理中國(guó)內(nèi)外研究學(xué)者們研究的熱點(diǎn)問題。

有效抑制脈沖噪聲的目的就是盡可能地減少圖像中包含的噪聲，同時(shí)盡可能多地保留圖像自身原有的細(xì)節(jié)信息。在過去幾十年，國(guó)內(nèi)外學(xué)者已經(jīng)提出很多抑制脈沖噪聲方法，其中最經(jīng)典的方法是中值濾波MF及它的改進(jìn)方法，如加權(quán)中值濾波WMF和中心加權(quán)濾波CWM。這類濾波方法的優(yōu)點(diǎn)是簡(jiǎn)單高效，其缺點(diǎn)是這類方法對(duì)圖像中的所有像素點(diǎn)進(jìn)行統(tǒng)一處理，導(dǎo)致圖像中的清晰像素點(diǎn)被估計(jì)值代替，造成了圖像原有細(xì)節(jié)信息的丟失，影響圖像的視覺效果。針對(duì)這一問題，專家學(xué)者們提出了一些先檢測(cè)，后處理的方法，如選擇開關(guān)中值濾波方法SSMF和邊緣檢測(cè)方法BDND。這類方法是在對(duì)圖像濾波之前添加了另外的噪聲檢測(cè)機(jī)制，即在去噪過程中，首先檢測(cè)出噪聲圖像中受噪聲污染的像素點(diǎn)，然后只針對(duì)被脈沖噪聲污染的像素點(diǎn)進(jìn)行值估計(jì)，而保持清晰像素點(diǎn)的灰度值不變。雖然在很大程度上提高了去噪效果，但在實(shí)際應(yīng)用中，這類方法具有兩個(gè)缺點(diǎn)：

第一，所有的像素點(diǎn)均作為個(gè)體，通過鄰域像素點(diǎn)的線性組合來估計(jì)，而像素點(diǎn)之間的相關(guān)性被忽略；

第二，在去除圖像脈沖噪聲過程中，只利用了圖像的統(tǒng)計(jì)信息，而將圖像的結(jié)構(gòu)信息完全忽視。

隨著噪聲密度的逐漸增加，上述這些方法在很大程度上降低了圖像恢復(fù)的精確度和準(zhǔn)確度，無法滿足人眼的視覺效果要求和計(jì)算機(jī)的處理要求。針對(duì)上述缺點(diǎn)，研究學(xué)者們還研究出一些其他方法，即在有效利用圖像統(tǒng)計(jì)信息的同時(shí)，充分挖掘和利用圖像的結(jié)構(gòu)信息來實(shí)現(xiàn)圖像的有效去噪，顯著提高了圖像處理的精度和準(zhǔn)確度。例如，中國(guó)專利申請(qǐng)，授權(quán)公告號(hào)為CN101887578B，名稱為“基于兩級(jí)插值的圖像脈沖噪聲抑制方法”的發(fā)明專利，該專利公開了一種基于兩級(jí)插值的圖像脈沖噪聲抑制方法，該方法首先是對(duì)含噪圖像利用直方圖分析檢測(cè)噪聲，通過一次降采樣得到一幅低分辨率圖像；然后，利用未受噪聲干擾像素的統(tǒng)計(jì)特性進(jìn)行第一級(jí)局部窗內(nèi)插值，補(bǔ)全下采樣后的低分辨率圖像中受脈沖噪聲干擾的像素的幅度信息；最后，對(duì)預(yù)濾波后的低分辨率圖像采用改進(jìn)的分段自回歸模型，利用圖像結(jié)構(gòu)特征進(jìn)行第二級(jí)超分辨插值，得到消除脈沖噪聲的全分辨率圖像。眾所周知，圖像經(jīng)過降采樣后能得到多幅相位不同的低分辨率圖像，且每一幅低分辨率圖像的統(tǒng)計(jì)信息和結(jié)構(gòu)信息都能被充分利用，然而這種方法是對(duì)圖像只進(jìn)行一次采樣因子為2的降采樣，并只對(duì)單相位的低分辯率圖像來實(shí)現(xiàn)圖像的恢復(fù)，所以這種方法在一定程度上降低了恢復(fù)的精度和準(zhǔn)確度。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)存在的缺陷，提出了一種基于多尺度回插的脈沖噪聲處理方法，通過利用降采樣過程中的尺度信息和降采樣后不同相位的低分辨圖像信息，實(shí)現(xiàn)了對(duì)高密度噪聲圖像的清晰恢復(fù)，用于解決現(xiàn)有兩級(jí)插值圖像脈沖噪聲處理方法中存在的圖像恢復(fù)精度和準(zhǔn)確度低的技術(shù)問題。

本發(fā)明的技術(shù)思路是，利用直方圖方法對(duì)待處理的脈沖噪聲圖像進(jìn)行噪聲點(diǎn)檢測(cè),將噪聲圖像中受噪聲污染的像素點(diǎn)均設(shè)為丟失的像素點(diǎn)，并對(duì)這些像素點(diǎn)進(jìn)行預(yù)濾波操作；對(duì)預(yù)濾波后的圖像進(jìn)行多級(jí)降采樣，然后結(jié)合圖像的統(tǒng)計(jì)特性和結(jié)構(gòu)特征，利用自回歸模型進(jìn)行多尺度回插，以恢復(fù)出有效抑制脈沖噪聲的清晰圖像，其具體技術(shù)方案包括如下步驟：

(1)對(duì)待處理的噪聲圖像N_im進(jìn)行噪聲檢測(cè),并對(duì)檢測(cè)出的噪聲像素點(diǎn)進(jìn)行位置標(biāo)記。

(2)將步驟(1)中所有已標(biāo)記位置的噪聲像素點(diǎn)的灰度值置‘0’，得到參考圖像R_im。

(3)將步驟(1)中所有已標(biāo)記位置的噪聲像素點(diǎn)的灰度值置‘1’，所有未標(biāo)記位置的清晰像素點(diǎn)的灰度值置‘0’，得到噪聲map圖像M_im。

(4)對(duì)步驟(2)中得到的參考圖像R_im中的所有噪聲像素點(diǎn)的灰度值進(jìn)行初始化，得到預(yù)濾波圖像P_im。

(5)對(duì)得到的預(yù)濾波圖像P_im進(jìn)行多級(jí)降采樣，得到多幅低分辨率圖像。

(6)對(duì)分段自回歸模型進(jìn)行改進(jìn)，得到改進(jìn)的分段自回歸模型，實(shí)現(xiàn)步驟如下：

(6a)記錄每一幅低辨率圖像所有清晰像素點(diǎn)的位置和灰度值；

(6b)將記錄的所有清晰像素點(diǎn)的位置和灰度值，引入到分段自回歸模型參數(shù)a的估計(jì)中，得到改進(jìn)的分段自回歸模型，其中,自回歸模型中的模型參數(shù)a的估計(jì)過程為：

D表示當(dāng)前窗Ω中清晰像素點(diǎn)的索引位置，y_k表示窗Ω中清晰像素點(diǎn)，表示在低分辨率圖像中位于k處的四個(gè)8-鄰域像素。

(7)利用改進(jìn)的分段自回歸模型,對(duì)步驟(5)中得到的多幅低分辨率圖像分別進(jìn)行多尺度回插，得到多幅全分辨率清晰圖像，實(shí)現(xiàn)步驟如下：

(7a)將得到的多幅低分辨率圖像聚集成一個(gè)列向量L_im，同時(shí)將每一幅低分辨率圖像所對(duì)應(yīng)的高一級(jí)分辨率圖像聚集成一個(gè)列向量H_im：

L_im＝{L_im₁,L_im₂,…,L_im_p}，

H_im＝{H_im₁,H_im₂,…,H_im_p}，

并將每一幅高一級(jí)分辨率圖像初始化設(shè)定大小為M₁×N₁、所有像素點(diǎn)的灰度值為‘0’的矩陣；

(7b)將每一幅低分辨率圖像的所有像素點(diǎn)的灰度值賦給其對(duì)應(yīng)高一級(jí)分辨率圖像中相應(yīng)位置的像素點(diǎn)：

H_im_k(2i,2j)＝L_im_k(i,j)

其中，(i,j)表示低分率圖像中像素點(diǎn)的坐標(biāo)且i＝1,2,3,…,M₁/2,j＝1,2,3,…,N₁/2,H_im_k為第k幅高一級(jí)分辨率圖像,L_im_k為第k幅低分辨率圖像,k＝1,2,3,…,p；

(7c)利用改進(jìn)的分段自回歸模型,插出高一級(jí)分辨率圖像中已賦值像素點(diǎn)的8-鄰域像素；

(7d)利用改進(jìn)的分段自回歸模型、已插出的8-鄰域像素和高一級(jí)分辨率圖像中已賦值像素點(diǎn)，插出高一級(jí)分辨率中已賦值像素點(diǎn)的4-鄰域像素，得到高一級(jí)分辨率圖像；

(7e)找出步驟(3)得到的噪聲map圖像M_im和步驟(7d)得到的高一級(jí)分辨率圖像在同一分辨率上清晰像素點(diǎn)的索引位置Index，并用參考圖像R_im在該索引位置Index上的像素點(diǎn)，修正高一級(jí)分辨率圖像在此索引位置Index上已插出的像素點(diǎn)，得到修正后的多幅高一級(jí)分辨率圖像；

(7f)將得到的修正后的多幅高一級(jí)分辨率圖像作為新的多幅低分辨率圖像，重復(fù)步驟(7a)-步驟(7e),直到得到最終插值后的多幅全分辨率清晰圖像。

(8)對(duì)得到的多幅全分辨率清晰圖像進(jìn)行求和，得到清晰圖像C_im。

本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)：

第一，本發(fā)明由于在獲取低分辨率圖像時(shí)采用的是多級(jí)降采樣，并得到的多幅低分辨率圖像分別進(jìn)行多尺度回插，在每一次回插過程中，充分利用了所有相位不同的低分辨率圖像的統(tǒng)計(jì)特征和結(jié)構(gòu)特征，與現(xiàn)有技術(shù)中采用一次降采樣，對(duì)得到一幅低分辨率圖像進(jìn)行單尺度回插的方法相比，有效地提高了圖像恢復(fù)的精確度和準(zhǔn)確度。

第二，本發(fā)明由于在對(duì)多幅低分辨率圖像分別進(jìn)行多尺度回插時(shí)，采用清晰像素點(diǎn)對(duì)每一尺度的插值結(jié)果進(jìn)行修正，進(jìn)一步地提高了圖像恢復(fù)的精確度和準(zhǔn)確度。

實(shí)驗(yàn)仿真結(jié)果表明，本發(fā)明在脈沖噪聲密度為10％～90％的范圍內(nèi)均能恢復(fù)出符合人眼視覺和計(jì)算機(jī)處理要求的清晰圖像，并且能夠在有效抑制脈沖噪聲的同時(shí)保留圖像的結(jié)構(gòu)和細(xì)節(jié)信息。

附圖說明

圖1是本發(fā)明的實(shí)現(xiàn)流程框圖；

圖2是本發(fā)明的8-鄰域像素和4-鄰域像素與低分辨率像素的空間位置關(guān)系示意圖；

圖3是本發(fā)明的模型參數(shù)a和模型參數(shù)b的空間配置關(guān)系圖；

圖4是本發(fā)明與現(xiàn)有兩級(jí)插值噪聲處理方法對(duì)不同噪聲密度圖像Lena的去噪結(jié)果的仿真對(duì)比圖。

具體實(shí)施方式

以下結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。

參照?qǐng)D1，本發(fā)明包括如下步驟：

步驟1，對(duì)一幅大小為512×512的噪聲圖像N_im利用直方圖方法進(jìn)行噪聲檢測(cè)，該檢測(cè)方法簡(jiǎn)單易操作，而且檢測(cè)結(jié)果具有魯棒性，具體實(shí)現(xiàn)步驟如下：

(1a)利用統(tǒng)計(jì)的噪聲圖像N_im中各個(gè)灰度值N_im(i,j)對(duì)應(yīng)像素點(diǎn)的數(shù)目，畫出噪聲圖像N_im的直方圖H，并將該直方圖H在灰度值動(dòng)態(tài)區(qū)間的兩端極值點(diǎn)，作為最小閾值T_min和最大閾值T_max，其中(i,j)為噪聲圖像N_im像素點(diǎn)的坐標(biāo)且i＝1,2,3,…,512，j＝1,2,3,…,512,N_im(i,j)為噪聲圖像N_im位于坐標(biāo)(i,j)處像素點(diǎn)的灰度值；

(1b)將噪聲圖像N_im的每個(gè)像素點(diǎn)的灰度值N_im(i,j)與最小閾值T_min和最大閾值T_max進(jìn)行比較：若N_im(i,j)≤T_min+b₁或者N_im(i,j)≥T_max-b₂，則該像素點(diǎn)是噪聲像素點(diǎn)；否則，該像素點(diǎn)是清晰像素點(diǎn)，其中選取b₁＝b₂＝10。

步驟2，將步驟1中所有已標(biāo)記的噪聲像素點(diǎn)的灰度值置‘0’，得到參考圖像R_im＝{R_im(i,j)}：

步驟3，將步驟1中所有已標(biāo)記的噪聲像素點(diǎn)的灰度值置‘1’，所有未標(biāo)記的清晰像素點(diǎn)的灰度值置‘0’，得到噪聲map圖像M_im＝{M_im(i,j)}:

其中，(i,j)為噪聲map圖像像素點(diǎn)的坐標(biāo),M(i,j)為噪聲map圖像位于坐標(biāo)(i,j)處像素點(diǎn)的灰度值。

步驟4，利用開關(guān)中值濾波方法對(duì)步驟2中得到的參考圖像R_im中的所有噪聲像素點(diǎn)的灰度值進(jìn)行初始化，得到預(yù)濾波圖像P_im，該濾波方法經(jīng)典且常用，計(jì)算成本花費(fèi)少，其具體實(shí)現(xiàn)步驟如下：

(4a)在參考圖像R_im中，以噪聲像素點(diǎn)為中心，設(shè)置大小為(2n₀+1)×(2n₀+1)的滑動(dòng)窗W,并判斷該滑動(dòng)窗W內(nèi)是否有清晰像素點(diǎn)，若沒有,擴(kuò)大滑動(dòng)窗W的尺寸，直到滑動(dòng)窗W中有清晰像素點(diǎn)為止，其中選取n₀＝3；

(4b)統(tǒng)計(jì)設(shè)置的滑動(dòng)窗W內(nèi)清晰像素點(diǎn)的個(gè)數(shù)K,并將滑動(dòng)窗W中清晰像素點(diǎn)的灰度值R_im(m,n)和清晰像素點(diǎn)的個(gè)數(shù)K進(jìn)行加權(quán)平均，得到預(yù)濾波圖像P_im像素點(diǎn)的灰度值P_im(i,j)：

其中，m∈(i-n₀,i+n₀),n∈(j-n₀,j+n₀)；

(4c)將得到的預(yù)濾波圖像P_im像素點(diǎn)的灰度值P_im(i,j)聚合為一幅預(yù)濾波圖P_im＝{P_im(i,j)}。

步驟5，對(duì)得到的預(yù)濾波圖像P_im連續(xù)兩次降采樣，降采樣因子為f，在本實(shí)施例中，令f＝2，即對(duì)預(yù)濾波圖像P_im進(jìn)行第一次降采樣時(shí)，每行每列每隔2個(gè)點(diǎn)取一個(gè)點(diǎn)組成一幅圖像，降采樣后，得到4幅大小均為256×256的低分辨率圖像；然后對(duì)每一幅得到的大小為256×256的低分辨率圖像繼續(xù)第二次降采樣，得到16幅大小均為128×128的低分辨率圖像。

步驟6，在分段自回歸模型中，模型參數(shù)a＝(a₁,a₂,a₃,a₄)的引入是為了保持對(duì)角方向上像素間相關(guān)性的一致，模型參數(shù)b＝(b₁,b₂,b₃,b₄)的引入是為了保持水平方向上和垂直方向上像素間相關(guān)性的一致，模型參數(shù)a和模型參數(shù)b的空間配置關(guān)系如圖3所示，其估計(jì)過程分別表示為：

其中，Ω是一個(gè)正八邊形的窗，x_i表示低分辨率圖像中可利用的像素點(diǎn)，表示在低分辨率圖像中位于i處的四個(gè)8-鄰域像素，表示在低分辨率圖像中位于i處的四個(gè)4-鄰域像素。如圖3(a)所示，在水平-垂直方向上，低分辨率像素點(diǎn)(黑色圓點(diǎn))間的自回歸關(guān)系與待插值的高分辨率像素點(diǎn)(灰色圓點(diǎn))間的自回歸關(guān)系處于相同尺度空間，所以模型參數(shù)b的估計(jì)是最優(yōu)的。由于模型參數(shù)a的估計(jì)不如模型參數(shù)b的估計(jì)準(zhǔn)確，為了提高模型參數(shù)估計(jì)a的準(zhǔn)確性，對(duì)模型參數(shù)a的估計(jì)進(jìn)行修正，實(shí)現(xiàn)步驟如下：

(6a)記錄每一幅低辨率圖像所有清晰像素點(diǎn)的位置和灰度值；

(6b)將記錄的所有清晰像素點(diǎn)的位置和灰度值，引入到分段自回歸模型參數(shù)a的估計(jì)中，得到改進(jìn)的分段自回歸模型。如圖3(b)所示，畫出像素點(diǎn)y_k的空間位置關(guān)系，并假設(shè)y_k是窗Ω中的清晰像素點(diǎn)，表示在低分辨率圖像中位于k處的四個(gè)8-鄰域像素，將像素點(diǎn)y_k和作為已知限制條件，自回歸模型中的模型參數(shù)a的估計(jì)過程為：

D表示當(dāng)前窗Ω中清晰像素點(diǎn)的索引位置。

步驟7，利用改進(jìn)的分段自回歸模型,對(duì)步驟5中得到的16幅低分辨率圖像分別進(jìn)行多尺度回插，得到16幅全分辨率清晰圖像，實(shí)現(xiàn)步驟如下：

(7a)將得到的16幅低分辨率圖像聚集成一個(gè)列向量L_im，同時(shí)將每一幅低分辨率圖像所對(duì)應(yīng)的高一級(jí)分辨率圖像聚集成一個(gè)列向量H_im：

L_im＝{L_im₁,L_im₂,…,L_im_p}，

H_im＝{H_im₁,H_im₂,…,H_im_p}，

其中，p＝16。并將每一幅高一級(jí)分辨率圖像初始化設(shè)定大小為M₁×N₁、所有像素點(diǎn)的灰度值為‘0’的矩陣，其中高一級(jí)分辨率圖像的大小總是其對(duì)應(yīng)低分辨率圖像大小的2倍，例如，低分辨率圖像的大小為128×128，則高一級(jí)分辨率圖像初始化設(shè)定大小為256×256，依次類推；

(7b)將每一幅低分辨率圖像的所有像素點(diǎn)的灰度值賦給其對(duì)應(yīng)高一級(jí)分辨率圖像中相應(yīng)位置的像素點(diǎn)：

H_im_k(2i,2j)＝L_im_k(i,j)

其中，(i,j)表示低分率圖像中像素點(diǎn)的坐標(biāo)且i＝1,2,3,…,M₁/2,j＝1,2,3,…,N₁/2,H_im_k為第k幅高一級(jí)分辨率圖像,L_im_k為第k幅低分辨率圖像,k＝1,2,3,…,p；

(7c)整個(gè)插值過程分為兩步，第一步是利用改進(jìn)的分段自回歸模型,插出高一級(jí)分辨率圖像中黑色圓點(diǎn)的8-鄰域像素；

(7d)第二步是利用改進(jìn)的分段自回歸模型、已插出的8-鄰域像素和高一級(jí)分辨率圖像中已賦值像素點(diǎn)，插出高一級(jí)分辨率圖像中黑色圓點(diǎn)的4-鄰域像素，得到高一級(jí)分辨率圖像；

8-鄰域像素和4-鄰域像素與低分辨率像素的空間位置關(guān)系如圖2所示。

(7e)找出步驟(3)得到的噪聲map圖像M_im和步驟(7d)得到的高一級(jí)分辨率圖像在同一分辨率上清晰像素點(diǎn)的索引位置Index，并用參考圖像R_im在該索引位置Index上的像素點(diǎn)，修正高一級(jí)分辨率圖像在此索引位置Index上已插出的像素點(diǎn)，即H_im_k(Index)＝R_im(Index),得到修正后的多幅高一級(jí)分辨率圖像；

(7f)將得到的修正后的多幅高一級(jí)分辨率圖像作為新的多幅低分辨率圖像，重復(fù)步驟(7a)-步驟(7e),直到得到最終插值后的多幅全分辨率清晰圖像。

步驟8，對(duì)得到的多幅全分辨率清晰圖像進(jìn)行求和，得到清晰圖像C_im：

$C\_im=\frac{1}{p}\left(\underset{k=1}{\overset{p}{\Σ}}\mathrm{\ζ}\right(L\_{\mathrm{im}}_k\left)\right)$

其中，ζ表示多尺度回插過程。

參照?qǐng)D2，黑色圓點(diǎn)是每一幅低分辨率圖像中的像素點(diǎn)在其對(duì)應(yīng)的高一級(jí)分辨率圖像中的空間位置，灰色圓點(diǎn)是黑色圓點(diǎn)的8-鄰域像素，白色圓圈是黑色圓點(diǎn)的4-鄰域像素；

參照?qǐng)D3，

圖3(a)是模型參數(shù)b＝(b₁,b₂,b₃,b₄)的估計(jì)過程；

圖3(b)是模型參數(shù)a＝(a₁,a₂,a₃,a₄)的估計(jì)過程。

以下結(jié)合仿真實(shí)驗(yàn)，對(duì)本發(fā)明的技術(shù)效果作進(jìn)一步說明：

1.實(shí)驗(yàn)條件：

本實(shí)驗(yàn)以Lena圖像和Boat圖像為測(cè)試圖像，說明本發(fā)明對(duì)脈沖噪聲處理的仿真結(jié)果，兩幅測(cè)試圖像均是大小為512×512，灰度范圍為0～255的灰度圖像。

2.實(shí)驗(yàn)內(nèi)容

實(shí)驗(yàn)1，對(duì)測(cè)試圖像Lena分別加入密度為30％和70％的脈沖噪聲，利用本發(fā)明和現(xiàn)有兩級(jí)插值噪聲處理方法進(jìn)行去噪仿真，其結(jié)果如圖4。

參照?qǐng)D4，

圖4(a)是測(cè)試圖像Lena；

圖4(b)是對(duì)圖4(a)添加30％噪聲密度的脈沖噪聲圖像；

圖4(c)是現(xiàn)有兩級(jí)插值噪聲處理方法對(duì)圖4(b)去噪后的結(jié)果；

圖4(d)是本發(fā)明對(duì)4(b)去噪后的結(jié)果；

圖4(e)是對(duì)4(a)添加70％噪聲密度的脈沖噪聲圖像；

圖4(f)是現(xiàn)有兩級(jí)插值噪聲處理方法對(duì)圖4(e)去噪后的結(jié)果；

圖4(g)是本發(fā)明對(duì)4(e)去噪后的結(jié)果。

由實(shí)驗(yàn)結(jié)果可以看出，在脈沖噪聲密度為30％時(shí)，現(xiàn)有兩級(jí)插值噪聲處理方法和本發(fā)明均能夠得到較好的去噪結(jié)果；在脈沖噪聲密度為70％時(shí)，現(xiàn)有兩級(jí)插值噪聲處理方法無法恢復(fù)出滿足人眼視覺要求的去噪結(jié)果，而本發(fā)明此時(shí)仍然能夠恢復(fù)出滿足人眼視覺要求的清晰圖像，并且保留了圖像細(xì)節(jié)邊緣和紋理信息方面，說明在高密度脈沖噪聲的情況下，本發(fā)明的圖像恢復(fù)效果較好。

實(shí)驗(yàn)2，對(duì)測(cè)試圖像Lena和Boat分別添加噪聲強(qiáng)度為10％～90％的脈沖噪聲，利用本發(fā)明和現(xiàn)有兩級(jí)插值噪聲處理方法進(jìn)行去噪仿真，得到這兩種方法的去噪結(jié)果峰值信噪比PSNR，如表1所示。

表1兩種方法對(duì)測(cè)試圖像Lena和Boat去噪結(jié)果的PSNR比較(dB)

由表1可見，隨著脈沖噪聲密度的增加，本發(fā)明對(duì)受不同程度脈沖噪聲污染的噪聲圖像進(jìn)行恢復(fù)時(shí)，均能獲得高于現(xiàn)有兩級(jí)插值噪聲處理方法的PSNR。

綜上，在對(duì)受不同程度脈沖噪聲污染的噪聲圖像進(jìn)行恢復(fù)時(shí)，現(xiàn)有兩級(jí)插值噪聲處理方法恢復(fù)的精度和準(zhǔn)確度均低于本發(fā)明，尤其是在噪聲密度較高時(shí)，現(xiàn)有兩級(jí)插值噪聲處理方法會(huì)損失較多的細(xì)節(jié)信息，而本發(fā)明在有效抑制高密度脈沖噪聲的同時(shí)，能保留圖像原有的結(jié)構(gòu)和細(xì)節(jié)信息，準(zhǔn)確恢復(fù)出滿足人眼視覺和計(jì)算機(jī)處理要求的清晰圖像。無論是主觀視覺效果還是客觀評(píng)價(jià)結(jié)果，本發(fā)明的去噪結(jié)果均好于現(xiàn)有方法。