法律状态公告日
法律状态信息
法律状态
2018-10-12
授权
授权
2016-07-27
实质审查的生效 IPC(主分类):G06T5/00 申请日:20160128
实质审查的生效
2016-06-29
公开
公开
技术领域
本发明属于图像处理技术领域，特别涉及一种可用于航空航天、工业、农业、医学， 军事等领域的数字图像处理的最小十字窗中值与均值迭代滤波的图像噪声滤除方法。
背景技术
图像在景物成像、空间采样和量化等过程中经常受外界各种噪声干扰，使图像质 量下降。而图像噪声是影响人眼观察最直接、最有害和最关键的问题。为尽可能减小噪声影 响，对噪声污染的图像必须进行去噪处理。1971年，著名学者Tukey在他的开拓性论文中，提 出了一种非线性滤波器－中值滤波器。研究表明，中值滤波在一定的条件下可以克服线性 滤波所带来的图像模糊，而且是消除图像脉冲噪声的最佳办法。其原理是一个含有奇数像 素的滑动窗口，窗口中心的像素灰度值用窗口内像素灰度值的中值代替。然而正如众多文 献指出，中值滤波从一维信号扩展到多维信号处理，尽管中值滤波具有良好的窄脉干扰抑 制能力，但在二维图像中的点、细线、尖锐顶角，经中值滤波后，可能丢失；另外其去噪效果 与窗口大小有关，窗口小，去噪效果差一点，保护细节好一点，运行速度快一点，反之，窗口 大，去噪效果好些，运行速度慢些，保护细节差些。因为标准中值滤波的缺陷，各种中值滤波 的改进算法应运而生，例如自适应中值滤波算法、开关中值滤波算法、加权中值滤波算法、 三态中值滤波算法、软切换中值滤波等等，这些算法在去噪和保护细节方面都有较好的改 进效果，但处理速度并不理想，不能满足实时要求。如传统的中值滤波算法对每个窗口内的 像素进行排序求中值，其复杂度（以比较次数来衡量）均正比于排序对象个数之平方，且当 窗口尺寸增大时，计算量将按四次方增大，很难满足数字图像处理的实时性要求。基于此， 张新明等人提出了一种基于十字滑动窗口的快速自适应图像中值滤波方法(张新明，党留 群，徐久成.基于十字滑动窗口的快速自适应图像中值滤波.计算机工程与应用,2007, 43(27)：37-39.)，提高了细节保护能力和运行速度，但这种方法由于图像非噪声点的信息 利用率不高，且采用是非裁剪中值滤波等原因，所以去噪效果有限。
发明内容
本发明的目的在于克服上述已有技术的不足，提出了一种最小十字窗中值与均值 迭代滤波的图像噪声滤除方法。本发明不仅是因为最小十字窗口是最少像素排序窗口，能 提高滤波速度，而且能很好地保护图像细节。
本发明的目的是这样实现的：
一种最小十字窗中值与均值迭代滤波的图像噪声滤除方法，包括如下步骤：
步骤1：输入大小为m×n，灰度级为0到L之间的含噪声图像I，其中最小灰度级为0，最大 灰度级为L，它常取255；
步骤2：用极值方法判断噪声像素点，产生噪声0-1二值映射矩阵NI，即： ，x=1,2,…,m，y=1,2,…,n；
步骤3：计算噪声密度p：；
步骤4：比较噪声密度p与参数c的大小，依据比较结果采用最小十字窗口迭代中值滤波 或者最小十字窗口迭代均值滤波，其中，c取0.525。设R为恢复图像，其对应的噪声0-1二值 映射矩阵NR，令R=I，NR=NI；
步骤5：如果p小于或等于c，采用最小十字窗口迭代中值滤波，具体步骤如下：
步骤5.1：对于R中的每一个像素(x,y)，采用最小十字窗口中值滤波，最小十字窗口对 应的点为：，获得滤波结果 R1：
；
以上采用了开关滤波技术，即对噪声点(NI(x,y)=0)作中值滤波，非噪声点(NI(x,y)= 1)保持不变；也采用了裁剪滤波技术，即只对Sxy中为1的点(非噪声点)排序取中值，以下类 同，
如果Sxy为零矩阵，则R1(x,y)=0，其噪声0-1二值映射矩阵为：
；
如果，则R=R1，算法结束，输出去噪结果；
步骤5.2：对于R1中的每一个像素(x,y)，采用最小十字窗口中值滤波，最小十字窗口对 应的点为：，获得滤 波结果R2：
；
以上采用递归滤波技术，即对前一次滤波结果R1再作中值滤波，以下类同。
如果Sxy为零矩阵，则R2(x,y)=0，其噪声0-1二值映射矩阵为：
；
如果，则R=R2，算法结束，输出去噪结果；
步骤5.3：对于R2中的每一个像素(x,y)，采用最小十字窗口中值滤波，最小十字窗口对 应的点为：，获得 滤波结果R3：
；
如果Sxy为零矩阵，则R3(x,y)=0；
其中，步骤5.1到步骤5.3中的median表示排序后取中值，以上x=1,2,…,m，y=1,2, …,n，以下类同；
步骤5.4：用R3替换R，并更新NI和NR，即：
，，NI=NR；
步骤5.5：如果，则输出去噪结果R，否则转到步 骤5.1进行最小十字窗口迭代中值滤波；
步骤6：如果p大于c，采用最小十字窗口迭代均值滤波，具体步骤如下：
步骤6.1：对于R中的每一个像素(x,y)，采用最小十字窗口均值滤波，最小十字窗口对 应的点为：， 获得滤波结果R1：
；
如果Sxy为零矩阵，则R1(x,y)=0，其噪声0-1二值映射矩阵为：
如果，则R=R1，算法结束，输出去噪结果；
步骤6.2：对于R1中的每一个像素(x,y)，采用最小十字窗口均值滤波，最小十字窗口对 应的点为：，获得 滤波结果R2：
；
如果Sxy为零矩阵，则R2(x,y)=0，其噪声0-1二值映射矩阵为：
；
如果，则R=R2，算法结束，输出去噪结果；
步骤6.3：对于R2中的每一个像素(x,y)，采用最小十字窗口均值滤波，最小十字窗口对 应的点为：，获得 滤波结果R3：
；
如果Sxy为零矩阵，则R3(x,y)=0；
其中，步骤6.1到步骤6.3中的mean表示取均值；
步骤6.4：用R3替换R，并更新NI和NR，即：
，，NI=NR；
步骤6.5：如果，则输出去噪结果R，否则转到 步骤6.1进行最小十字窗口迭代均值滤波；
步骤7如果噪声已处理完，则输出去噪结果。
本发明具有以下优点：
第一、本发明首次使用最小十字模板将开关滤波、递归滤波、裁剪滤波、中值滤波和均 值滤波等技术融合在一起，大幅度提高去噪性能和图像细节保持度。由于采用开关滤波，即 仅对噪声点作均值滤波或中值滤波，而非噪声点保留，因此能避免细节模糊；
第二、由于采用递归滤波，即下一次滤波是针对上次滤波的结果进行，本发明中用1次 普通滤波和2次递归滤波的值取代噪声点的值，因此能提高了去噪效果；
第三、由于采用裁剪滤波，即仅采用非噪声点值进行均值计算或排序取中值，故既能提 高去噪效果，又能降低计算复杂度；
第四、由于最小十字窗口是最少像素窗口，不仅能提高滤波速度，而且它能很好地保护 图像细节，尤其可应用到高保真恢复图像的场合，另外也无需考虑设置窗口大小的问题；
第五、中值滤波在有效数据较多的情况下效果好(在低噪声密度情况下，去噪效果好)， 但排序操作增加计算复杂度；而均值滤波在有效数据较少的情况下有效(在高噪声密度情 况下，去噪效果好)，且计算复杂度低。本发明由于将中值滤波与均值滤波有机结合，即在低 密度噪声时采用最小十字窗中值滤波，而在高密度噪声时，采用最小十字窗均值滤波，不仅 能发挥中值滤波与均值滤波的各自优势，又能弥补二者不足，故能够提高去噪效率；
第六、本发明首次采用最小十字模板迭代中值滤波和迭代均值滤波，由于采用最小十 字模板的少数像素点而不是采用整个窗口中像素点，降低了计算复杂度，所以滤除噪声的 运行速度快，可应用到实时处理的场合。
附图说明
图1是本发明提供的最小十字窗中值与均值迭代滤波的图像噪声滤除方法的流 程图。
图2是本发明提供的最小十字窗中值与均值迭代滤波的图像噪声滤除方法中采用 的最小十字窗(黑色菱形组成的图案)和测试使用的自然图像。
图3是本发明提供的最小十字窗中值与均值迭代滤波的图像噪声滤除方法测试使 用的含噪声的图像，其中，图3(a)对图2(b)添加了强度为0.1的椒盐噪声图像，图3(b)对图2 (b)添加了强度为0.5的椒盐噪声图像，图3(c)对图2(b)添加了强度为0.9的椒盐噪声图像。
图4是采用本发明提供的最小十字窗中值与均值迭代滤波的图像噪声滤除方法针 对图3中的图像处理后得到的去噪结果图，其中图4(a)是对图3(a)的去噪结果，图4(b)是对 图3(b)的去噪结果，图4(c)是对图3(c)的去噪结果。
图5是MNMF方法、RAMF方法、SMMF1方法、IMF方法及本发明方法在Lena图像上的去 噪结果PSNR/IEF值对比图表。
具体实施方式
本发明的核心是提出了一种最小十字窗中值与均值迭代滤波的图像噪声滤除方 法。
下面结合附图对本发明的内容作进一步说明：
一种最小十字窗中值与均值迭代滤波的图像噪声滤除方法，如图1所示，包括如下步 骤：
步骤1：输入大小为m×n，灰度级为0到L之间的含噪声图像I，其中最小灰度级为0，最大 灰度级为L，它常取255；
步骤2：用极值方法判断噪声，产生噪声0-1二值映射矩阵NI，即：
，x=1,2,…,m，y=1,2,…,n；
步骤3：计算噪声密度p：；
步骤4：比较噪声密度p与参数c的大小，依据比较结果采用最小十字窗口迭代中值滤波 或者最小十字窗口迭代均值滤波。其中，参数c取0.525。设R为恢复图像，其对应的噪声0-1 二值映射矩阵NR，令R=I，NR=NI；
步骤5：如果p小于或等于c，采用最小十字窗口迭代中值滤波，具体步骤如下：
步骤5.1：对于R中的每一个像素(x,y)，采用最小十字窗口中值滤波，最小十字窗口对 应的点为：，获得 滤波结果R1：
；
如果Sxy为零矩阵，则R1(x,y)=0，其噪声0-1二值映射矩阵为：
；
如果，则R=R1，算法结束，输出去噪结果；
步骤5.2：对于R1中的每一个像素(x,y)，采用最小十字窗口中值滤波，最小十字窗口对 应的点为：，获得滤 波结果R2：
；
如果Sxy为零矩阵，则R2(x,y)=0，其噪声0-1二值映射矩阵为：
；
如果，则R=R2，算法结束，输出去噪结果；
步骤5.3：对于R2中的每一个像素(x,y)，采用最小十字窗口中值滤波，最小十字窗口对 应的点为：，获得滤波 结果R3：
；
如果Sxy为零矩阵，则R3(x,y)=0；
其中，步骤5.1到步骤5.3中的median表示排序后取中值，以上x=1,2,…,m，y=1,2, …,n，以下类同；
步骤5.4：用R3替换R，并更新NI和NR，即：
，，NI=NR；
步骤5.5：如果，则输出去噪结果R，否则转到步骤 5.1进行最小十字窗口迭代中值滤波；
步骤6：如果p大于c，采用最小十字窗口迭代均值滤波，具体步骤如下：
步骤6.1：对于R中的每一个像素(x,y)，采用最小十字窗口均值滤波，最小十字窗口对 应的点为：，获得 滤波结果R1：
；
如果Sxy为零矩阵，则R1(x,y)=0，其噪声0-1二值映射矩阵为：
；
如果，则R=R1，算法结束，输出去噪结果；
步骤6.2：对于R1中的每一个像素(x,y)，采用最小十字窗口均值滤波，最小十字窗口对 应的点为：，获 得滤波结果R2：
；
如果Sxy为零矩阵，则R2(x,y)=0，其噪声0-1二值映射矩阵为：
；
如果，则R=R2，算法结束，输出去噪结果；
步骤6.3：对于R2中的每一个像素(x,y)，采用最小十字窗口均值滤波，最小十字窗口对 应的点为：，获得滤波 结果R3：
；
如果Sxy为零矩阵，则R3(x,y)=0；
其中，步骤6.1到步骤6.3中的mean表示取均值；
步骤6.4：用R3替换R，并更新NI和NR，即：
，，NI=NR；
步骤6.5：如果，则输出去噪结果R，否则转到 步骤6.1进行最小十字窗口迭代均值滤波；
步骤7如果噪声已处理完，则输出去噪结果。
本发明的效果通过以下仿真进一步说明：
1、仿真环境及对比方法
本发明采用图2(b)所示的图像作为测试图像，仿真在Intel(R)Core(TM)i5-4210U CPU1.7GHz和内存4GB笔记本上进行，操作系统为Windows7.0，软件平台为MATLAB2014A，对 比方法有：邻域均值滤波MNMF(何一鸣,张刚兵,钱显毅.基于邻域均值的去椒盐噪声 算法.南京理工大学学报,2011,35(6):764-785.)方法，递归自适应中值滤波RAMF (MeherSK,SinghawatB.Animprovedrecursiveandadaptivemedianfilterfor highdensityimpulsenoise.InternationalJournalofElectronicsand Communications,2014,68:1173-1179.)方法，开关均值-中值滤波SMMF1(ZhangCB, WangKF.Aswitchingmedian-meanfilterforremovalofhigh-densityimpulse noisefromdigitalimages.Optik,2015,126:956-961.)方法，迭代均值滤波IMF (KalirajG,BaskarS.Anefficientapproachfortheremovalofimpulsenoise fromthecorruptedimageusingneuralnetworkbasedimpulsenoise.Imageand VisionComputing,2010,28:458-466.)方法。这四种方法都是比较优秀的去噪方法，在 相应的文献中，它们的去噪效果大幅度优于传统的去噪方法。
对图2(b)所示的测试图分别加上18种噪声强度，即从0.01到0.9如图5所示，本发 明的方法去噪结果如图4所示。
用峰值信噪比PSNR及图像增强因子IEF作为去噪效果的评价标准，其中PSNR单位 为分贝(dB)。因为椒盐噪声是一种随机噪声，每次运行结果会不同，为公平起见，每种方法 运行30次取PSNR和IEF平均结果见图5所示。其中，最后一行是前18种结果的平均值，以便从 整体上查看各种方法的优劣。另外，专门选用了低密度噪声0.01至0.1噪声强度主要考察本 发明方法在低密度噪声恢复的高保真情况。其中，对比方法中的相应参数设置见相应的参 考文献。
2、仿真结果
从图4可以看出，本发明方法能够有效抑制图像噪声，并且图像细节的保持度比较高。
从图5可以看出本发明方法无论从PSNR还是IEF在18种噪声强度情况下都能获得 最高值，PSNR和IEF越高，表示去噪效果和细节保持度越好；如在噪声强度为0.9的情况下， 本发明方法的PSNR和IEF分别是25.9477和102.4494，高于其它四种方法的PSNR和IEF；在在 噪声强度为0.1的情况下，本发明方法的PSNR是45.6790，与四种对比方法中最好的MNMF方 法相比，要高2.5以上，此时本发明方法的IEF是1072.9405，高于MNMF方法IEF(590.1756)近 一半；另外从整体情况看见图5最后一行，本发明方法的PSNR和IEF都大幅度领先四种对比 方法，其中IEF是四种对比方法中最好的方法近两倍。这说明本发明方法去噪效果好，且保 真度极好，尤其在低密度噪声的情况下。
综上，现有的方法虽然能够在一定程度上消除噪声，但去噪效果和图像细节部分 的保护远不及本发明方法。
机译： 地震数据处理的迭代浸入式中值滤波器
机译： 迭代垂向转向中值滤波器，用于地震数据处理
机译： 地震数据处理的迭代浸入式中值滤波器
