自適應(yīng)正斜雙十字窗均值濾波的脈沖噪聲消除方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及一種可用于航空航天、軍事、醫(yī)學(xué)、天文 等諸多領(lǐng)域的數(shù)字圖像處理的自適應(yīng)正斜雙十字窗均值濾波的脈沖噪聲消除方法。
【背景技術(shù)】
[0002] (1)脈沖噪聲及其模型 隨著模式識(shí)別和計(jì)算機(jī)視覺(jué)技術(shù)的不斷發(fā)展，人們對(duì)圖像質(zhì)量的要求越來(lái)越高。但是 圖像在采集和傳輸過(guò)程中不可避免地受到外界諸多因素的干擾，致使獲取圖像的質(zhì)量不 佳。脈沖噪聲是其中重要的一種噪聲類型，它是非連續(xù)的，由持續(xù)時(shí)間短和幅度大的不規(guī)則 脈沖或噪聲尖峰組成。脈沖噪聲可分為兩大類:限范圍隨機(jī)值噪聲和任意隨機(jī)值噪聲。限范 圍隨機(jī)噪聲又分為五類，椒鹽噪聲是限范圍隨機(jī)隨機(jī)噪聲的一種特例，其隨機(jī)值范圍限制 只能取兩個(gè)值:最小值和最大值。本發(fā)明僅僅針對(duì)限范圍隨機(jī)脈沖噪聲，五種限范圍隨機(jī)脈 沖噪聲模型如下： 脈沖噪聲模型1
其中，？=?1+?2，且?1=?2，？、？ 1和?2分別為總噪聲概率密度、鹽噪聲概率密度和椒噪聲概 率密度。
[0003] 脈沖噪聲模型2
其中，P=P1+P2，且pi 關(guān) P2。
[0004] 脈沖噪聲模型3
其中，ll和12分別為噪聲暗灰度區(qū)間長(zhǎng)度和亮灰度區(qū)間長(zhǎng)度參數(shù)，且P=Pl+P2，Pl=P2和ll =工2 〇
[0005] 脈沖噪聲模型4
其中，P=Pl+P2,且Pi 關(guān) P2和ll=l2。
[0006] 脈沖噪聲模型5
其中，P=P1+P2,且pi關(guān)P2和ll關(guān)12。
[0007] 從以上五種噪聲模型可以看出：模型4是模型5的特例即模型5在h=l2時(shí)為模型4， 模型3是模型4的特例，模型2是模型3的特例，模型1是模型2的特例，即1 1=12=0且?1=?2，在?1 情況下Ixy=〇，在P2情況下Ixy=255，此時(shí)為椒鹽噪聲。
[0008] (2)研究現(xiàn)狀 圖像中的限范圍脈沖噪聲消除方法很多，其中，中值濾波因其算法簡(jiǎn)單，且能很好地保 持原有圖像的細(xì)節(jié)，在眾多領(lǐng)域得到了廣泛的應(yīng)用。然而傳統(tǒng)中值濾波對(duì)所有的圖像像素 進(jìn)行統(tǒng)一處理，在濾波噪聲的同時(shí)會(huì)改變非噪聲像素的值，可能會(huì)模糊圖像的邊緣等細(xì)節(jié) 信息。為此有多種改進(jìn)算法，如開(kāi)關(guān)中值濾波方法:首先檢測(cè)噪聲點(diǎn)，然后對(duì)噪聲點(diǎn)進(jìn)行中 值濾波，對(duì)非噪聲點(diǎn)不作處理。但噪聲點(diǎn)的檢測(cè)又成為一個(gè)新的難題，尤其是脈沖噪聲點(diǎn)的 檢測(cè)，如有些文獻(xiàn)將窗口中所有像素點(diǎn)灰度值的中值與中心點(diǎn)灰度值的差值大于閾值的視 為噪聲點(diǎn)，如PSM(progressive median)、TSM(tristate median)方法，這些方法都存在著 最優(yōu)閾值難于選擇的問(wèn)題，因?yàn)樽顑?yōu)閾值隨著噪聲概率密度和圖像的變化而變化，難以確 定，且對(duì)圖像細(xì)節(jié)結(jié)構(gòu)的保護(hù)能力較弱。另外一些文獻(xiàn)依據(jù)圖像中某點(diǎn)灰度值與其鄰域內(nèi) 像素點(diǎn)灰度值的極大值與極小值的關(guān)系進(jìn)行噪聲檢測(cè)，還有一些文獻(xiàn)根據(jù)圖像中某點(diǎn)灰度 值與其鄰域內(nèi)像素點(diǎn)灰度值的均值關(guān)系進(jìn)行噪聲檢測(cè)，這些文獻(xiàn)方法的弊端在于會(huì)將非噪 聲點(diǎn)誤判為噪聲點(diǎn)。近年來(lái)，一些學(xué)者提出了一些新的噪聲檢測(cè)方法，如Ng等人提出了一種 邊界檢測(cè)方法(BDND方法）：首先對(duì)圖像中的每個(gè)像素點(diǎn)采用21X21窗口獲取鄰域值經(jīng)過(guò)排 序并采用相鄰差值的最大值方法初步確定噪聲邊界，然后再用3 X 3窗口來(lái)精確確定邊界， 最后用邊界來(lái)確定噪聲點(diǎn);但這種方法不僅計(jì)算復(fù)雜度高，而且在噪聲密度較大時(shí)，誤檢率 車(chē)交大。最近Horng等人(Horng S J, Hsu L Y, Li T R, et al. Using Sorted Switching Median Filter to remove high-density impulse noise.Journal of Visual communication and Image Representation, 2013, 24:956-967 ·)提出了一種圖像直方 圖檢測(cè)噪聲方法，雖然這種方法計(jì)算復(fù)雜度低，但在低噪聲密度情況下失效。所以如果噪聲 檢測(cè)不準(zhǔn)確，開(kāi)關(guān)中值濾波效果不理想。另外，中值濾波的效果還依賴濾波窗口的選擇，窗 口小，去噪效果差，圖像細(xì)節(jié)保護(hù)能力強(qiáng);窗口大，去噪效果較佳，細(xì)節(jié)容易損失，圖像模糊 加重，為此有學(xué)者提出了自適應(yīng)中值濾波，改善了去噪效果，但窗口增大后不僅因中值濾波 需要排序數(shù)據(jù)增加導(dǎo)致計(jì)算成本增加，且細(xì)節(jié)保護(hù)能力變?nèi)??；诖?，張新明等人提出了?種基于十字滑動(dòng)窗口的快速自適應(yīng)圖像中值濾波方法(張新明，黨留群，徐久成.基于十字 滑動(dòng)窗口的快速自適應(yīng)圖像中值濾波.計(jì)算機(jī)工程與應(yīng)用，2007, 43(27):37-39.),提高 了細(xì)節(jié)保護(hù)能力和運(yùn)行速度，但這種方法是針對(duì)椒鹽噪聲提出的，另外由于圖像非噪聲點(diǎn) 的信息利用率不高，且采用是非裁剪中值濾波等原因，所以去噪效果有限。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出了一種自適應(yīng)正斜雙十字窗均 值濾波的脈沖噪聲消除方法。本發(fā)明不僅使用一種新穎的噪聲檢測(cè)方法較為準(zhǔn)確檢測(cè)噪 聲，而且使用十字滑動(dòng)窗口計(jì)算速度較方形窗口快，通過(guò)兩個(gè)十字相交向量退化和推進(jìn)，依 據(jù)噪聲強(qiáng)度自動(dòng)調(diào)整窗口大小來(lái)提高去噪效果。
[0010] 本發(fā)明的目的是這樣實(shí)現(xiàn)的： 一種自適應(yīng)正斜雙十字窗均值濾波的脈沖噪聲消除方法，包括如下步驟： 步驟1:輸入大小為m X η，灰度級(jí)為0到L之間的含脈沖噪聲圖像I，其中L最大灰度級(jí)，常 取255; 步驟2:采用子塊排序差分最大法和投票法確定限范圍噪聲上下邊界，然后用此上下邊 界判斷噪聲，產(chǎn)生噪聲0-1二值映射矩陣Ν1，具體步驟如下： 步驟2.1:將含有脈沖噪聲的圖像分成s子塊，s=mn/25/25;如果大小不夠分塊，以對(duì)稱 方式擴(kuò)展邊界，保證每個(gè)子塊大小都為25 X 25; 步驟2.2:對(duì)每個(gè)子塊的像素值進(jìn)行排序，獲得一個(gè)排序向量； 步驟2.3:對(duì)排序向量相鄰的分量進(jìn)行差分計(jì)算，得到差分向量； 步驟2.4:求差分向量前半分量的最大分量對(duì)應(yīng)的排序向量分量，此分量即為下邊界 bi； 步驟2.5:求差分向量后半分量的最大分量對(duì)應(yīng)的排序向量分量，此分量即為上邊界 b2 ； 步驟2.6:用255減每個(gè)子塊中的每個(gè)像素值； 步驟2.7:采用步驟2.2至步驟2.5方法得到差分向量前半分量的最大分量對(duì)應(yīng)的排序 向量分量bs和差分向量后半分量的最大分量對(duì)應(yīng)的排序向量分量b6;然后獲得下邊界b3和 上邊界 b4: b3=255-b6，b4=255-b5; 步驟2.8:對(duì)每一個(gè)子塊，bi和b3的最大值為子塊的下邊界bi，b2和b4的最小值為子塊上 邊界b2; 步驟2.9:集中每個(gè)子塊的下邊界值進(jìn)行投票，在s個(gè)值中，得票最多的邊界值為噪聲最 終下邊界匕，同理，得到噪聲最終上邊界b2; 步驟2.10:用b#Pb2產(chǎn)生噪聲0-1二值映射矩陣N1:
其中，1代表非噪聲點(diǎn)，〇代表噪聲點(diǎn)； 步驟3:設(shè)R為恢復(fù)圖像，其對(duì)應(yīng)的噪聲0-1二值映射矩陣NR，令R=I，#=妒； 步驟4:初選3 X 3濾波窗口，進(jìn)行3 X 3正斜雙十字窗遞歸均值濾波； 步驟4.1:對(duì)于R中的每一個(gè)像素（i，j )，采用3 X 3正十字窗口均值濾波，其窗口對(duì)應(yīng)的 點(diǎn)為：馬二{Λ#(卜-1，九#(以--+ + ，獲得濾波結(jié)果R1:
以上采用了開(kāi)關(guān)濾波技術(shù)，即對(duì)噪聲點(diǎn)(妒（1，」）=0)作均值濾波，非噪聲點(diǎn)(NkiJh 1)保持不變;也采用了裁剪濾波技術(shù)，即只對(duì)31沖為1的點(diǎn)(非噪聲點(diǎn))取均值，以下類同。 [0011]如果Sij為零矩陣，則Ri( i，j)=0，其噪聲0-1二值映射矩陣為：
步驟4.2:對(duì)于心中的每一個(gè)像素（i，j )，采用3 X 3正十字窗口均值濾波，其窗口對(duì)應(yīng)的 點(diǎn)為：:焉二講~-!'_^；^'廣"、#(/'八#(./^^!),#^十1_/》，獲得濾波結(jié)果1? 2:
以上采用遞歸濾波技術(shù)，即對(duì)前一次濾波結(jié)果辦再作均值濾波，以下類同； 如果Sij為零矩陣，則R2(i，j )=0，其噪聲0-1二值映射矩陣為：
步驟4.3:對(duì)于此中的每一個(gè)像素（i，j )，采用3 X 3正十字窗口均值濾波，其窗口對(duì)應(yīng)的 點(diǎn)為:(I - i A # 節(jié) i-優(yōu)為#5 a/+i)f JV& $ 4'w
如果Sij為零矩陣，則R3(i，j )=0; 其中，步驟4.1至lj步驟4.3中的mean表示取均值，i=l, 2，