專利名稱：一種自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像噪聲濾波方法，更具體地說是一種自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法。
背景技術(shù)：
椒鹽噪聲是圖像在傳輸和處理過程中由于多種原因常引入的一種噪聲，它使得圖像的質(zhì)量下降，影響圖像的后續(xù)處理。目前，中值濾波是最常用的處理方法，運(yùn)算簡(jiǎn)單而且速度快，其濾波效果受到濾波窗口大小的影響，可能會(huì)造成圖像的模糊，丟失重要的細(xì)節(jié)。 開關(guān)中值濾波方法的思想是先判斷某一點(diǎn)是否可能為噪聲點(diǎn)，若是則進(jìn)行相應(yīng)的中值濾波處理，若不是則保持原值不變，以此減少圖像的失真，其優(yōu)點(diǎn)在于噪聲的預(yù)先判斷，但未提出一個(gè)較好的噪聲點(diǎn)判斷過程和濾波方法。極值中值法(EM)提出根據(jù)窗口極值和中值關(guān)系檢測(cè)噪聲點(diǎn)，但像素誤判率較高。遞進(jìn)開關(guān)中值濾波(PSM)可以檢測(cè)出較大塊狀中的噪聲，但是不同的圖像需要設(shè)置適合的參數(shù)，通用性不夠強(qiáng)。自適應(yīng)中值濾波(AMF)的方法無(wú)需人為設(shè)置太多參數(shù)，并且在濾波性能上取得令人滿意的效果，其主要缺點(diǎn)就是當(dāng)噪聲密度變大時(shí)，由于檢測(cè)和濾波的迭代計(jì)算使得運(yùn)算時(shí)間也隨之加大。選擇性濾波對(duì)噪聲檢測(cè)的性能提出了較高的要求。近幾年，人們引入了神經(jīng)網(wǎng)絡(luò)，濾波性能得到了一定改善，其效果仍不理想。ROLD (Rank Ordered Logarithmic Difference)因子是目前最先進(jìn)的噪聲檢測(cè)器，其特點(diǎn)是檢測(cè)性能很好，但是需要設(shè)置其判斷閾值，且如果想要得到更好的檢測(cè)效果的話，需要根據(jù)噪聲密度來(lái)設(shè)置參數(shù)。目前，缺乏一種能夠全自動(dòng)的自適應(yīng)噪聲密度的椒鹽噪聲濾波方法。

發(fā)明內(nèi)容
本發(fā)明解決的技術(shù)問題是提供一種無(wú)人工干擾真正實(shí)現(xiàn)自動(dòng)濾噪的自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法。為解決背景技術(shù)中存在的技術(shù)問題，本發(fā)明提供的一種自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法，包括以下步驟步驟一、使用不同噪聲密度的訓(xùn)練圖像訓(xùn)練出能夠適應(yīng)在一定噪聲密度下精確檢測(cè)噪聲位置的多個(gè)神經(jīng)網(wǎng)絡(luò)，具體為設(shè)置一個(gè)噪聲密度閾值Tl，所述閾值屬于0到1之間，對(duì)噪聲密度低于該閾值的訓(xùn)練圖像的訓(xùn)練時(shí)，使用3*3的窗口，對(duì)高于等于該閾值的訓(xùn)練圖像的訓(xùn)練時(shí)，使用5*5的窗口，獲得窗口中心的像素值、窗口中所有像素的中值、ROLD 統(tǒng)計(jì)量作為神經(jīng)網(wǎng)絡(luò)的輸入端，計(jì)算訓(xùn)練圖像中每個(gè)像素是噪聲點(diǎn)的可能性y(i，j)；設(shè)置噪聲點(diǎn)的閾值T2，其中T2屬于0到1之間，如公式(1)所示，當(dāng)噪聲點(diǎn)的可能性大于等于 T2的點(diǎn)判定為噪聲點(diǎn)，低于T2的像素判定為非噪聲點(diǎn)，然后把噪聲點(diǎn)的位置作為神經(jīng)網(wǎng)絡(luò)的輸出端，這樣訓(xùn)練出兩個(gè)神經(jīng)網(wǎng)絡(luò)，當(dāng)噪聲點(diǎn)的可能性大于等于T2的點(diǎn)判定為噪聲點(diǎn)， 低于T2的像素判定為非噪聲點(diǎn)，然后把噪聲點(diǎn)的位置作為神經(jīng)網(wǎng)絡(luò)的輸出端，這樣訓(xùn)練出兩個(gè)神經(jīng)網(wǎng)絡(luò)，
權(quán)利要求
1.一種自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法，其特征在于，包括以下幾個(gè)步驟 步驟一、訓(xùn)練神經(jīng)網(wǎng)絡(luò)使用不同噪聲密度的訓(xùn)練圖像訓(xùn)練出能夠適應(yīng)在一定噪聲密度下精確檢測(cè)噪聲位置的多個(gè)神經(jīng)網(wǎng)絡(luò)。步驟二、快速粗略的評(píng)估圖像的椒鹽噪聲密度。步驟三、根據(jù)步驟二中評(píng)估的椒鹽噪聲密度選擇相應(yīng)的神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行精確的噪聲檢測(cè)。步驟四、根據(jù)步驟三的結(jié)果對(duì)圖像進(jìn)行自適應(yīng)窗口的開關(guān)加權(quán)均值濾波。
2.根據(jù)權(quán)利要求1所述的一種自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法，其特征在于所述步驟一中訓(xùn)練神經(jīng)網(wǎng)絡(luò)，具體為設(shè)置一個(gè)噪聲密度閾值Tl，所述閾值屬于0到1之間，對(duì)噪聲密度小于該閾值的訓(xùn)練圖像的訓(xùn)練時(shí)，使用3*3的窗口，對(duì)大于等于該閾值的訓(xùn)練圖像的訓(xùn)練時(shí)，使用5*5的窗口，獲得窗口中心的像素值、窗口中所有像素的中值、ROLD統(tǒng)計(jì)量作為神經(jīng)網(wǎng)絡(luò)的輸入端，計(jì)算訓(xùn)練圖像中每個(gè)像素是噪聲點(diǎn)的可能性y(i，j)；設(shè)置噪聲點(diǎn)的閾值T2，其中T2屬于0到1之間，如公式(1)所示，當(dāng)噪聲點(diǎn)的可能性大于等于T2的點(diǎn)判定為噪聲點(diǎn)，低于T2的像素判定為非噪聲點(diǎn)，然后把噪聲點(diǎn)的位置作為神經(jīng)網(wǎng)絡(luò)的輸出端，這樣訓(xùn)練出兩個(gè)神經(jīng)網(wǎng)絡(luò)，[1 ify(i,j)>T2,、7(/,7)=(1)[0 ify(iJ)<T2其中，y(i，j)為位置在橫向坐標(biāo)為i縱向坐標(biāo)為j的像素點(diǎn)為噪聲點(diǎn)的可能性，Y(i， j)為位置在i、j的像素是否為噪聲點(diǎn)。
3.根據(jù)權(quán)利要求1所述的一種自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法，其特征在于，所述步驟二中快速粗略的評(píng)估圖像的椒鹽噪聲密度，具體為對(duì)圖像進(jìn)行一次中值濾波后，把前后兩張圖像中變化了的極值作為噪聲點(diǎn)估計(jì)值，計(jì)算出其數(shù)量N，根據(jù)公式(2)獲得圖像中椒鹽噪聲密度的粗略值，σ =^—x\00%(2)s CxK其中，N為圖像中噪聲點(diǎn)的像素的個(gè)數(shù)；C代表圖像中的縱向的像素個(gè)數(shù)，K代表圖像中橫向的像素的個(gè)數(shù)；CXK代表圖像中的像素總和。
4.根據(jù)權(quán)利要求1所述的一種自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法，其特征在于，所述步驟四中對(duì)噪聲進(jìn)行窗口大小自適應(yīng)均值濾波，具體為步驟A、設(shè)窗口大小為Ws X Ws，其中Ws為大于等于3的奇數(shù)，初始窗口為3*3，根據(jù)檢測(cè)結(jié)果，若y(i，j) = O即非噪聲點(diǎn)則不進(jìn)行濾波，按原值輸出，否則執(zhí)行步驟B ；步驟B、根據(jù)步驟二中精確噪聲位置的檢測(cè)結(jié)果，使用窗口的總像素個(gè)數(shù)WsXWs減去窗口中噪聲點(diǎn)個(gè)數(shù)的方法，計(jì)算出窗口內(nèi)非噪聲點(diǎn)的個(gè)數(shù)M，其中M為正整數(shù)，當(dāng)M> 9或M > (階X，+ 1)時(shí)，則執(zhí)行步驟D，否則執(zhí)行步驟C ；步驟C、增加窗口大小，使Ws = Ws+2后執(zhí)行步驟B ；步驟D、以窗口中M個(gè)未污染信號(hào)點(diǎn)的像素的加權(quán)均值作為當(dāng)前噪聲像素的濾波輸出， 用公式⑶計(jì)算出來(lái)的L(i+s,j+t)代替原有圖像中坐標(biāo)為(i，j)的像素的像素值，
5.根據(jù)權(quán)利要求2所述的一種自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法，其特征在于所述噪聲密度閾值Tl為0. 25。
全文摘要
本發(fā)明公開了一種自適應(yīng)密度的圖像椒鹽噪聲開關(guān)濾波方法，通過使用不同噪聲密度的訓(xùn)練圖像訓(xùn)練出能夠適應(yīng)在一定噪聲密度下精確檢測(cè)噪聲位置的多個(gè)神經(jīng)網(wǎng)絡(luò)；快速粗略的評(píng)估圖像的椒鹽噪聲密度；再根據(jù)評(píng)估的椒鹽噪聲密度選擇相應(yīng)的神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行精確的噪聲檢測(cè)；最后根據(jù)精確檢測(cè)到的噪聲位置對(duì)圖像進(jìn)行自適應(yīng)窗口的開關(guān)加權(quán)均值濾波，采用上述方法可以自主判斷噪聲密度的高度，針對(duì)高低密度的不同采用相應(yīng)的神經(jīng)網(wǎng)絡(luò)進(jìn)行精確的噪聲檢測(cè)。
文檔編號(hào)H04N5/213GK102256048SQ201110201838
公開日2011年11月23日 申請(qǐng)日期2011年7月19日 優(yōu)先權(quán)日2011年7月19日
發(fā)明者曹晶晶, 胡凱, 陶瑞蓮 申請(qǐng)人:南京信息工程大學(xué)