圖像超高密度椒鹽噪聲的降除方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別設(shè)及一種可用于工業(yè)圖像、農(nóng)業(yè)圖像、醫(yī)學(xué)圖 像，天文圖像等領(lǐng)域的圖像超高密度椒鹽噪聲的降除方法。
【背景技術(shù)】
[0002] 高椒鹽噪聲圖像中50%W上的像素受到了椒鹽噪聲污染，噪聲水平超過機(jī)器視覺 中常規(guī)濾波算法所能處理的范圍。傳統(tǒng)的觀點(diǎn)認(rèn)為:作為一種非線性濾波器，中值濾波具有 濾除椒鹽噪聲并保留圖像細(xì)節(jié)的能力，是常規(guī)濾波算法中最適合于高椒鹽噪聲圖像濾波的 算法之一，一些學(xué)者在中值濾波的基礎(chǔ)上，提出了一些高椒鹽噪聲圖像的中值濾波算法。 Esa化irajan S等人提出了一種改進(jìn)的決策非對(duì)稱裁剪中值濾波MD腳TMF化sakkirajan S， Veerakumar T, Subramanyam, AN, et al. Removal of high density salt and pepper noise through modified decision based unsymmetric trimmed median filter. IE邸 Si即al Processing Letters, 2011,18(5): 287-290.)方法，I^iadouria V S等人提出了一種決策禪合窗的中值濾波DBCWMF(Bhadouria V S, (ihoshal D, Siddiqi A H. A new approach for high density saturated impulse noise removal using decision-based coupled window median filter. Signal Image and Video Processing, 2014，8:71-84.)方法，VIbrahim H等人提出了一種簡(jiǎn)單自適應(yīng)中值濾波 SAMF(VIbrahim H, Kang N S P, Ng T F. Simple adaptive median filter for the removal of impulse noise from highly corrupted images. IEEE Transactions on Consumer Electronics, 2008, 54(4): 1920-1927.)方法。運(yùn)些改進(jìn)的方法提高除去椒鹽 噪聲的效果，但實(shí)驗(yàn)結(jié)果表明：對(duì)于90%W上的像素受到了椒鹽噪聲污染的超高密度椒鹽噪 聲，運(yùn)些方法去噪的效果不理想。其它常見的去噪方法有基于馬爾科夫場(chǎng)模型和基于偏微 分方程的方法、小波域方法、主成分分量法和幾何尺度分析方法等，但運(yùn)些方法在處理超高 密度噪聲時(shí)，有的失效，有的計(jì)算復(fù)雜度極高，難W應(yīng)用。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出了一種圖像超高密度(噪聲密 度為0.9-0.99)椒鹽噪聲的降除方法。本發(fā)明方法融合了開關(guān)濾波、裁剪濾波、遞歸濾波、自 適應(yīng)濾波和迭代濾波等技術(shù)，能有效抑制超高密度噪聲，同時(shí)運(yùn)行速度快捷。
[0004] 本發(fā)明的目的是運(yùn)樣實(shí)現(xiàn)的： 一種圖像超高密度椒鹽噪聲的降除方法，包括如下步驟： 步驟1)輸入大小為mXn，灰度級(jí)為0至化之間的含噪聲圖像I，其中L在圖像數(shù)據(jù)類型為 Uin巧時(shí)取255; 步驟2)用最大值和最小值方法判斷噪聲，生成噪聲0-1二值映射矩陣Ni,即當(dāng)像素值為 最小值0或者為最大值L時(shí)，該像素為噪聲點(diǎn)Ni(i，j)=0，否則為非噪聲點(diǎn)Ni(i，j )=1:
步驟4)設(shè)R為恢復(fù)圖像，其對(duì)應(yīng)的噪聲O-1二值映射矩陣妒，令R=I，NK=Ni; 步驟5)3X3四點(diǎn)窗口遞歸均值濾波3次，每次濾波結(jié)束，檢查噪聲點(diǎn)是否處理完;如果 噪聲點(diǎn)處理完，則終止，并輸出去噪結(jié)果； 步驟6)3X3十字窗口遞歸均值濾波3次，每次濾波結(jié)束，檢查噪聲點(diǎn)是否處理完;如果 噪聲點(diǎn)處理完，則終止，并輸出去噪結(jié)果，否則增大窗口為5X5,繼續(xù)進(jìn)行遞歸均值濾波； 步驟7)5X5四點(diǎn)窗口遞歸均值濾波3次，每次濾波結(jié)束，檢查噪聲點(diǎn)是否處理完;如果 噪聲點(diǎn)處理完，則終止，并輸出去噪結(jié)果； 步驟8)5 X 5十字窗口遞歸均值濾波3次，每次濾波結(jié)束，檢查噪聲點(diǎn)是否處理完;如果 噪聲點(diǎn)處理完，則終止，并輸出去噪結(jié)果，否則增大窗口為7X7,進(jìn)行如上所述的7X7四點(diǎn) 遞歸均值濾波和7 X 7十字窗口遞歸均值濾波，一直到窗口為11 X 11結(jié)束； 步驟9)如果P大于或等于0.85并小于0.9,用十字窗Sij=[0 1 0;1 1 1;0 1 0]對(duì)所獲 得的去噪結(jié)果Rt進(jìn)行均值濾波：
-1 1]對(duì)所獲得的去噪結(jié)果Rt 進(jìn)行
[0005]進(jìn)一步的，上述步驟5)所述的3X3四點(diǎn)窗口遞歸均值濾波3次，每次濾波結(jié)束，檢 查噪聲點(diǎn)是否處理完，按如下步驟進(jìn)行：
步驟5.1)對(duì)于R中的每一個(gè)像素（i，j )，采用3 X 3四點(diǎn)窗口均值濾波，3 X 3四點(diǎn)窗口對(duì) 應(yīng)的點(diǎn)為 ，獲得濾波結(jié)義Ki:
如J
，現(xiàn)JR=Ri，算法終止，輸出濾波結(jié)果； 步驟5.2)對(duì)于Ri中的每一個(gè)像素（ij)，采用3X3四點(diǎn)窗口均值濾波，其對(duì)應(yīng)的點(diǎn)為：
，獲得濾 k結(jié)巧K2:
去終止，輸出濾波結(jié)果； 巧值濾波，其對(duì)應(yīng)的點(diǎn)為： 玄 ：('/ + !,/))'，獲得濾波 結(jié) 仁R3,算法終止，輸出濾波 結(jié)果； 所述步驟5.1)、步驟5.2)、步驟5.3)中的mean表示取均值，i=l，2,…，m，j=l，2,…， n； 進(jìn)一步的，上述步驟6)所述的3 X 3十字窗口遞歸均值濾波3次，每次濾波結(jié)束，檢查噪 聲點(diǎn)是否處理完，按如下步驟進(jìn)行： 步驟6.1)用R3替換R，更新N哺護(hù)，即：及=&，恥J:=：部本，評(píng)=護(hù)； 步驟6.2)對(duì)于R中的每一個(gè)像素（i，j)，采用3X3十字窗口均值濾波，其對(duì)應(yīng)的點(diǎn)為： ，獲得濾
如果Sij為零矩陣，則R3(i，j )=0，其噪聲0-1二值映射矩陣為： 鋪果； 立的點(diǎn)為： ，獲得濾 皮結(jié)果； 立的點(diǎn)為： < ，獲得濾 R3,算法終止，輸出去噪
結(jié) 2,...，m，j_l，2,...，n〇
[0 巧次，每次濾波結(jié)束，檢 查 I濾波，5 X 5四點(diǎn)窗口對(duì) 應(yīng) ），A^;:(n.'2j)}，獲 得 終止，輸出濾波結(jié)果； 值濾波，其對(duì)應(yīng)的點(diǎn)為： 2。/)}，獲得濾波 結(jié) 去終止，輸出濾波結(jié)果；
值濾波，其對(duì)應(yīng)的點(diǎn)為： (y.、h'2j)}，獲得濾 步驟7.5 )如I
，則R=Rs，算法終止，輸出去噪 結(jié)果； 所述步驟7.2)、步驟7.3)、步驟7.4)中的mean表示取均值，i=l，2，…，m，j=l，2，…，n。 [0007]進(jìn)一步的，上述步驟8)所述的5X5十字窗口遞歸均值濾波3次，每次濾波結(jié)束，檢 查噪聲點(diǎn)是否處理完，按如下步驟進(jìn)行： 步驟8.1)用R3替換R，更新N哺護(hù)，即：另=/?，恥''=恥^，妒=護(hù)； 步驟8.2)對(duì)于R中的每一個(gè)像素（i，j )，采用5 X 5十字窗口均值濾波，其對(duì)應(yīng)的點(diǎn)為：
，獲濾波結(jié)果化： I輸出濾波結(jié)果； 步驟8.3)對(duì)于Ri中的每一個(gè)像素（i，j)，采用5 X 5十字窗口均值濾波，其對(duì)應(yīng)的點(diǎn)為： ，獲得濾波結(jié)果
出濾波結(jié)果； 其對(duì)應(yīng)的點(diǎn)為： ，獲得濾波結(jié) 終止，輸出去噪 結(jié)果； 所述步驟8.2)、步驟8.3)、步驟8.4)中的mean表示取均值，i=l，2，…，m，j=l，2，…，n。 [000引本發(fā)明具有W下優(yōu)點(diǎn)： 第一、本發(fā)明首次采用四點(diǎn)窗口和十字窗口交替濾波，并將開關(guān)濾波、遞歸濾波、自適 應(yīng)濾波和裁剪濾波等技術(shù)融合起來，提高了去噪性能。由于采用開關(guān)濾波，即僅對(duì)噪聲點(diǎn)做 均值計(jì)算，而非噪聲點(diǎn)保留，所W能避免細(xì)節(jié)模糊； 第二、由于采用遞歸濾波，即下一次濾波是針對(duì)上次濾波的結(jié)果進(jìn)行，所W能提高去噪 效率； 第=、由于采用裁剪濾波，即僅采用非噪聲點(diǎn)值進(jìn)行均值計(jì)算，故既能提高去噪效果， 又能降低計(jì)算復(fù)雜度； 第四、由于采用自適應(yīng)濾波，即如果在小窗口未處理完噪聲點(diǎn)，則逐漸增大窗口進(jìn)行處 理，保證總是先用最近鄰域的非噪聲點(diǎn)的均值替代噪聲點(diǎn)的值，故能有效提高細(xì)節(jié)的保持 度； 第五、由于從小窗口到大窗口進(jìn)行，且每個(gè)窗口用四點(diǎn)窗口和十字窗口進(jìn)行遞歸開關(guān) 裁剪均值濾波3次，充分利用了最近鄰域的有用信息，故能夠有效抑制超高密度的椒鹽噪 聲； 第六、本發(fā)明采用均值濾波，顛覆了傳統(tǒng)的觀點(diǎn)：只有中值濾波才能有效消除椒鹽噪 聲。由于采用均值濾波非中值濾波，即對(duì)鄰域中的非噪聲點(diǎn)進(jìn)行算術(shù)運(yùn)算，無排序操作，故 能降低復(fù)雜度，另外由于采用四點(diǎn)模板和十字模板中的像素而不是采用整個(gè)窗口中的像 素，運(yùn)也降低了計(jì)算復(fù)雜度，所W濾除噪聲的運(yùn)行時(shí)間短，運(yùn)行速度快，可應(yīng)用到實(shí)時(shí)處理 的場(chǎng)合； 第屯、本發(fā)明方法不僅能夠降除超高密度的噪聲，而且對(duì)低密度噪聲也有效，也就是說 降噪范圍廣，可W濾除0.1到0.99大范圍的椒鹽噪聲。
【附圖說明】
[0009] 圖1是本發(fā)明提供的圖像超高密度椒鹽噪聲的降除方法的流程圖。
[0010] 圖2是本發(fā)明提供的圖像超高密度椒鹽噪聲的降除方法中設(shè)及到的3X3窗口的結(jié) 構(gòu)示意圖，其中圖2(a)為3X3四點(diǎn)窗(黑色實(shí)屯、點(diǎn)），圖2(b)為3X3十字窗(兩條垂直線段）。
[0011] 圖3是本發(fā)明提供的圖像超高密度椒鹽噪聲的降除方法中設(shè)及到的5X5窗口的結(jié) 構(gòu)示意圖，其中圖3(a)為5X5四點(diǎn)窗(黑色實(shí)屯、點(diǎn)），圖3(b)為5X5十字窗(兩條垂直線段）。
[0012] 圖4是本發(fā)明提供的圖像超高密度椒鹽噪聲的降除方法中設(shè)及到的7X7窗口的結(jié) 構(gòu)示意圖，其中圖4(a)為7X7四點(diǎn)窗(黑色