本發(fā)明屬于信號去噪，具體的說是基于自適應(yīng)均值濾波的脈沖噪聲消除方法及系統(tǒng)。

背景技術(shù)：

1、脈沖噪聲消除方法在建筑風(fēng)險檢測器中，是指針對由建筑環(huán)境、設(shè)備運作或環(huán)境因素產(chǎn)生的突發(fā)性、短暫且高強度的噪聲干擾進行識別、分析和消除的技術(shù)手段，這種噪聲干擾通常具有隨機性、非連續(xù)性和高能量密度的特點，嚴(yán)重影響了建筑風(fēng)險檢測器的準(zhǔn)確性和可靠性。在建筑風(fēng)險檢測技術(shù)的初期，當(dāng)時的檢測器主要關(guān)注于靜態(tài)或連續(xù)性的風(fēng)險因素，對于脈沖噪聲的處理往往采用簡單的屏蔽或濾波方法，隨著信號處理技術(shù)的發(fā)展，研究者們開始關(guān)注脈沖噪聲對檢測器性能的影響，并提出了一系列針對脈沖噪聲的消除方法，包括基于統(tǒng)計特性的脈沖檢測、基于時頻分析的噪聲分離，其中，基于統(tǒng)計特性的脈沖檢測計算量大、對噪聲敏感、泛化能力有限，而基于時頻分析的噪聲分離復(fù)雜性高、對信號平穩(wěn)性要求高、抗噪聲性能差。

2、如授權(quán)公告號為cn105590301b的專利公開了自適應(yīng)正斜雙十字窗均值濾波的脈沖噪聲消除方法，包括：(1)采用子塊排序差分最大法和投票法獲得脈沖噪聲的上下邊界，并用上下邊界檢測脈沖噪聲點；(2)對待處理的噪聲圖像首先用3×3垂直水平十字(正十字)窗口遞歸裁剪均值濾波3次，然后用對角線十字(斜十字)窗口遞歸裁剪均值濾波3次，用裁剪均值濾波的結(jié)果替換噪聲點的值，如果噪聲點已處理完，就結(jié)束均值濾波，否則增大窗口繼續(xù)進行類似的雙十字遞歸裁剪均值濾波，一直到7×7窗口結(jié)束；(3)如果噪聲仍未處理完，重復(fù)步驟(2)形成迭代濾波。本技術(shù)方案具有檢測脈沖噪聲點準(zhǔn)確、消除脈沖噪聲效果好和去噪速度快的優(yōu)點。

3、以上現(xiàn)有技術(shù)均存在以下問題：1)缺乏深度學(xué)習(xí)和優(yōu)化能力，缺乏自適應(yīng)學(xué)習(xí)能力；2)在噪聲嚴(yán)重或復(fù)雜圖像中，迭代濾波的計算效率低。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提出了基于自適應(yīng)均值濾波的脈沖噪聲消除方法，通過收集噪聲標(biāo)記后的圖像數(shù)據(jù)集，并采用局部對比度歸一化預(yù)處理，結(jié)合cnn模型與傳統(tǒng)低級特征，形成多尺度特征融合圖；利用cnn的分割能力預(yù)測噪聲區(qū)域，并動態(tài)調(diào)整邊界；基于噪聲區(qū)域的鄰域像素特性，設(shè)定動態(tài)權(quán)重函數(shù)和濾波窗口，對每個像素進行加權(quán)均值計算，以識別并替換噪聲點；通過深度殘差學(xué)習(xí)優(yōu)化濾波效果，增強圖像質(zhì)量，并進行評估與可視化，本發(fā)明有效提高了圖像去噪的精度和效率。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于自適應(yīng)均值濾波的脈沖噪聲消除方法，包括：

4、步驟s1：收集噪聲標(biāo)記后的圖像數(shù)據(jù)集，并進行預(yù)處理，將預(yù)處理后的圖像數(shù)據(jù)集進行特征提取，結(jié)合傳統(tǒng)低級特征，形成多尺度特征融合圖；

5、步驟s2：對多尺度特征融合圖進行深度分析，預(yù)測噪聲區(qū)域，并使用動態(tài)邊界自適應(yīng)調(diào)整方法動態(tài)調(diào)整噪聲區(qū)域的上下邊界；

6、步驟s3：根據(jù)確定的噪聲區(qū)域，設(shè)定動態(tài)權(quán)重函數(shù)和動態(tài)噪聲調(diào)整閾值，并根據(jù)噪聲區(qū)域鄰域像素的統(tǒng)計特性，為每個噪聲點設(shè)定濾波窗口，使用濾波窗口遍歷噪聲圖像中每個像素點，在每個濾波窗口中，根據(jù)像素與噪聲中心點的距離和灰度值差異，使用動態(tài)權(quán)重函數(shù)為每個像素分配不同的權(quán)重，計算加權(quán)均值；

7、步驟s4：根據(jù)加權(quán)均值，判斷當(dāng)前像素是否為噪聲點，若為噪聲點，則將當(dāng)前像素替換為濾波窗口內(nèi)像素的均值，并再次判斷是否存在噪聲點，若存在，則增大濾波窗口，計算噪聲變化率，若噪聲變化率小于噪聲調(diào)整閾值，則停止遍歷噪聲圖像，同時，保存過程數(shù)據(jù)。

8、具體地，所述步驟s1的具體步驟包括：

9、s1.1：收集噪聲標(biāo)記后的圖像數(shù)據(jù)集并通過旋轉(zhuǎn)、平移方式對x進行數(shù)據(jù)增強，其中，表示標(biāo)記建筑噪聲的圖像數(shù)據(jù)，表示標(biāo)記交通噪聲的圖像數(shù)據(jù)，表示標(biāo)記施工噪聲的圖像數(shù)據(jù)，n表示建筑噪聲圖像數(shù)據(jù)的數(shù)量，m表示交通噪聲圖像數(shù)據(jù)的數(shù)量，a表示施工噪聲圖像數(shù)據(jù)的數(shù)量；

10、s1.2：調(diào)整圖像數(shù)據(jù)集x的尺寸并進行預(yù)處理，使用cnn模型的api實例化模型，同時，遍歷預(yù)處理后的圖像數(shù)據(jù)集，對于數(shù)據(jù)集中的每一張圖像，使用cnn模型的卷積基進行前向傳播，得到特征圖，并在不同層的特征圖上進行特征提取；

11、s1.3：對提取的特征進行全局平均池化，并與顏色、形狀、紋理特征進行拼接融合，得到融合特征，基于融合特征，通過多尺度特征融合算法形成多尺度特征融合圖。

12、具體地，所述步驟s2的具體步驟包括：

13、s2.1：將獲得的多尺度特征融合圖輸入訓(xùn)練好的cnn模型，在cnn模型的全連接層和輸出層，cnn模型根據(jù)融合特征生成一個與輸入圖像大小相同的概率圖；

14、s2.2：設(shè)定閾值h1，若pi>h1，則概率圖上該像素屬于噪聲區(qū)域，獲得二值化的噪聲區(qū)域預(yù)測圖，其中，pi表示概率圖上的第i個像素，i表示概率圖上像素的索引位置。

15、具體地，所述步驟s2的具體步驟還包括：

16、s2.3：基于噪聲區(qū)域預(yù)測圖，設(shè)定初始噪聲區(qū)域邊界[b，c]，分析初始邊界鄰域像素特征，根據(jù)像素特征評估對應(yīng)像素是否屬于噪聲區(qū)域；

17、若abian～bnoise，則將邊界鄰域像素加入到噪聲區(qū)域，其中，abian表示邊界鄰域像素特征，bnoise表示噪聲區(qū)域內(nèi)部的像素特征，～表示相似性；

18、若abian～dgro，則將邊界鄰域像素從噪聲區(qū)域中排除，其中，dgro表示背景區(qū)域的像素特征；

19、s2.4：設(shè)定噪聲區(qū)域的邊界閾值為[d，e]，重復(fù)s2.2-s2.3，直到噪聲區(qū)域的邊界變化滿足：

20、具體地，所述步驟s3中動態(tài)權(quán)重函數(shù)的具體公式為：

21、

22、其中，w(j，k)表示動態(tài)權(quán)重，β、表示平衡因子，表示噪聲圖像中像素(j，k)與噪聲中心點之間的距離，g(j，k)表示噪聲圖像中像素(j，k)的灰度值，gcenter表示噪聲中心點的灰度值，var(j，k)表示噪聲圖像中像素(j，k)鄰域內(nèi)的局部方差，σg、σvar分別表示距離、灰度值差異和局部方差的標(biāo)準(zhǔn)差。

23、具體地，所述步驟s3中加權(quán)均值的公式為：

24、

25、其中，e(y，z)表示濾波處理后圖像在位置(y，z)上的灰度值，w表示當(dāng)前濾波窗口，f(y+qy(j，k)，z+qz(j，k))表示噪聲圖像在位置(y+qy(j，k)，z+qz(j，k))上的灰度值，qy(j，k)、qz(j，k)表示偏移量函數(shù)。

26、基于自適應(yīng)均值濾波的脈沖噪聲消除系統(tǒng)，包括：數(shù)據(jù)處理模塊、特征融合模塊、均值濾波模塊、效果優(yōu)化模塊；

27、所述數(shù)據(jù)處理模塊，用于對噪聲標(biāo)記后的圖像數(shù)據(jù)集進行預(yù)處理；

28、所述特征融合模塊，用于整合cnn提取的特征與傳統(tǒng)低級特征，形成多尺度特征融合圖；

29、所述均值濾波模塊，用于預(yù)測噪聲區(qū)域，并根據(jù)確定的噪聲區(qū)域，使用自適應(yīng)均值濾波方法消除噪聲；

30、所述效果優(yōu)化模塊，用于優(yōu)化濾波效果，對優(yōu)化后的濾波圖像進行增強和評估。

31、具體地，所述均值濾波模塊包括：區(qū)域預(yù)測單元、邊界調(diào)整單元、自適應(yīng)濾波單元；

32、所述區(qū)域預(yù)測單元，用于利用深度學(xué)習(xí)方法預(yù)測噪聲區(qū)域；

33、所述邊界調(diào)整單元，用于動態(tài)調(diào)整預(yù)測噪聲區(qū)域的邊界；

34、所述自適應(yīng)濾波單元，用于在設(shè)定的濾波窗口內(nèi)，根據(jù)像素間的相對位置、灰度值差異信息，動態(tài)調(diào)整權(quán)重進行加權(quán)均值計算。

35、具體地，所述效果優(yōu)化模塊包括：殘差學(xué)習(xí)單元、圖像增強單元；

36、所述殘差學(xué)習(xí)單元，用于利用深度殘差學(xué)習(xí)思想，通過比較原始圖像與處理后圖像的殘差，進行迭代優(yōu)化，不斷微調(diào)濾波參數(shù)，直至達(dá)到去噪效果；

37、所述圖像增強單元，用于使用增強算法對優(yōu)化后的濾波圖像進行對比度增強。

38、一種電子設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)基于自適應(yīng)均值濾波的脈沖噪聲消除方法的步驟。

39、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

40、1.本發(fā)明提出基于自適應(yīng)均值濾波的脈沖噪聲消除方法，通過cnn的分割能力，結(jié)合多尺度特征融合圖，動態(tài)調(diào)整噪聲區(qū)域邊界，進而自適應(yīng)的設(shè)定濾波窗口，避免了因濾波窗口過大造成非必要因素過多，從而導(dǎo)致的濾波計算效率低的問題，同時，自適應(yīng)窗口的設(shè)定能夠更有效地去除噪聲，同時保留圖像的細(xì)節(jié)信息，具有較好的靈活性和可擴展性。

41、2.本發(fā)明提出基于自適應(yīng)均值濾波的脈沖噪聲消除方法，通過構(gòu)建殘差模型，進一步優(yōu)化濾波效果，減少在濾波過程中的信息損失，使濾波后的圖像更接近原始無噪聲圖像，同時，在濾波完成后，使用增強算法對優(yōu)化后的濾波圖像進行增強，提高了圖像的整體質(zhì)量。