[發(fā)明專利]一種利用全變差最小化和灰度共生矩陣的圖像去噪方法

有效

• 申請?zhí)枺?/td>: 201310081823.7
• 申請日: 2013-03-14
• 公開（公告）號: CN103198455A
• 公開（公告）日: 2013-07-10
• 發(fā)明（設(shè)計(jì)）人: 袁贛南;韓自發(fā);張杰;董靜;趙玉新;李濤;宋成業(yè);李強(qiáng);郭瑞亮
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種利用全變差最小化和灰度共生矩陣的圖像去噪方法，其特征是：

（1）對原始含噪圖像進(jìn)行高斯濾波：

設(shè)含噪圖像為X，其大小為M×N，灰度級范圍為[0,255]，用高斯濾波器對圖像X進(jìn)行預(yù)處理，去掉非邊緣區(qū)域孤立的噪聲點(diǎn)，其中高斯濾波器的窗口大小為G×G、方差為σ，經(jīng)過高斯濾波后的得到的圖像記為X′；

（2）使用檢測窗遍歷由步驟（1）得到的圖像，求出每個檢測窗內(nèi)子圖像塊的四個灰度共生矩陣：

1）將圖像X′的灰度級由256降為32：

則X′的灰度值范圍變?yōu)閇1,32]；

2）選取大小為M_x×M_y的檢測窗口在圖像X′上沿水平和垂直方向上移動，每次移動1個像素距離，截取出大小為M_x×M_y的子圖像塊，并記在圖像X′上點(diǎn)(i，j)處截取的子圖像塊為X_i,j，(i＝1,...,M,j＝1,...,N)；

在使用檢測窗口移動前，將圖像在左側(cè)、右側(cè)、頂部和底部四個方向分別依次擴(kuò)展行和列：

在頂部和底部：

在左側(cè)和右側(cè)：

其中表示向下取整，M、N表示原始圖像的行和列，M_x、M_y表示檢測窗口的行和列，得到新的X′，有X′＝X′′′，X′的大小變?yōu)?/p>

3）計(jì)算上述每個子圖像塊四個方向上的灰度共生矩陣：子圖像塊X_i,j生成的灰度共生矩陣記為表示從灰度值為m的點(diǎn)到灰度值為n的點(diǎn)的概率，其中灰度值為m，n兩點(diǎn)間距離為d，兩點(diǎn)連線與x軸的夾角為θ，取θ=0°,45°,90°,135°四個方向，則得到子圖像塊X_i,j的四個灰度共生矩陣；

（3）由步驟（2）中得到的灰度共生矩陣求對比度圖像：

定義一個大小為M×N的零矩陣CON，對以上求出的每個圖像子塊X_i,j(i＝1,...,M,j＝1,...,N)的四個方向上的灰度共生矩陣θ=0°,45°,90°,135°，分別計(jì)算其對比度，記為Con1(i,j),Con2(i,j),Con3(i,j),Con4(i,j)，其中對比度定義為：

Con=Σm=1L-1Σn=1L-1(m-n)2Pdθ(m,n)]]>

其中L＝32為子圖像塊的灰度級，然后求出四個對比度的平均值并賦值給CON矩陣中相應(yīng)的位置，即：

CON(i,j)＝(Con1(i,j)+Con2(i,j)+Con3(i,j)+Con4(i,j))/4

求出的矩陣CON即為由灰度共生矩陣得到對比度特征圖像；

（4）利用步驟（3）得到的對比度圖像，并結(jié)合全變差最小化模型及各項(xiàng)擴(kuò)散模型去除原始含噪圖像中的噪聲干擾：

去噪模型為：

minu∈BV(Ω)(1-φ(X))∫∫Ω|▿u|dxdy+φ(X)∫∫Ω|▿u|2dxdy+λ2∫∫Ω(u-X)2dxdy]]>

其中u為清晰的原始信號，Ω為信號的積分區(qū)域，BV代表有界變差空間，λ表示用以平衡去噪模型前兩項(xiàng)和第三項(xiàng)權(quán)重的拉格朗日乘子，φ(X)＝11+CON，▽u＝(u_x,u_y)，表示u的梯度模值；

去噪模型的歐拉-拉格朗日方程可表示為：

-(1-φ(X))div(▿u|▿u|)-2φ(X)▿u+λ(u-X)=0]]>

其中表示散度算子，表示拉普拉斯算子；

采用人工時間演化方法對歐拉-拉格朗日方程進(jìn)行求解，其數(shù)值計(jì)算形式為：

un+1=un+dt(1-φ(X))uxxn(uyn)2+uyyn(uxn)2-uxnuynuxyn-uxnuynuyxn((uxn)2+(uyn)2)32+2φ(X)(uxxn-uyyn)-λ(un-X)]]>

其中d_t表示時間迭代步長；

將上式中的u⁰初始化為X并按上式迭代，即可得到去噪后的圖像。