[發明專利]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

• 申請號: 201310081823.7
• 申請日: 2013-03-14
• 公開（公告）號: CN103198455A
• 公開（公告）日: 2013-07-10
• 發明（設計）人: 袁贛南;韓自發;張杰;董靜;趙玉新;李濤;宋成業;李強;郭瑞亮
• 申請（專利權）人: 哈爾濱工程大學
• 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

技術領域

本發明涉及的是一種圖像處理方法。

背景技術

在圖像成像及傳輸過程中，難免會受到各種噪聲的干擾，給圖像的后續使用和解析帶來很多不利影響。因此，圖像去噪是數字圖像處理的基本任務之一，是圖像特征提取、分割和模式識別等圖像操作的前提。

近年來，RUDIN等人提出的基于全變差最小化的圖像去噪方法因其在去噪的同時能夠有效地保護圖像邊緣而在圖像去噪領域得到廣泛的研究及應用，受到越來越多研究者的重視。通常含噪圖像的全變差比不含噪圖像的全變差明顯大，全變差最小化去噪的基本思想就是通過減少圖像的全變差以達到去噪的目的。其實質是先將圖像去噪問題轉化為一個泛函求極值問題，再使用變分法導出一個歐拉-拉格朗日方程。然后在給定初始條件和邊界條件下，通過數值計算求解出去噪圖像。但該去噪模型易將噪聲所在位置當做圖像邊緣的來處理，在圖像平滑區域產生階梯效應。

為了解決全變差最小化去噪模型的不足，很多學者對該模型提出了許多改進方法。Chambolle提出一種自適應全變差去噪模型，通過比較梯度模值和給定閾值之間的大小關系來判斷是使用全變差最小化模型還是各項同性擴散模型來對圖像進行去噪處理。其實質是在利用全變差最小化去噪模型能夠保護圖像邊緣性質的同時，在圖像非邊緣區域使用各項同性擴散去噪模型抑制噪聲，取得了不錯的去噪效果。但是，該模型對閾值的選取較為敏感，而且使用梯度模值來判斷圖像邊緣的位置精度不高，容易誤判。

因此，如何利用含噪圖像自身的信息，找到一種切實有效的方法來檢測圖像邊緣等紋理信息，將含噪圖像的紋理區域和平滑區域區分開，并使用一定的技術手段在含噪圖像上兩種不同區域上自適應的選擇全變差最小化去噪方法或各項同性擴散去噪方法來進行處理，是很多研究人員不斷努力的目標。

發明內容

本發明的目的在于提供在盡可能不破壞圖像原始有用信息和完整性的前提下，在去除噪聲的同時很好地保護邊緣，減少或者消除階梯效應的影響的一種利用全變差最小化和灰度共生矩陣的圖像去噪方法。

本發明的目的是這樣實現的：

本發明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）對原始含噪圖像進行高斯濾波：

設含噪圖像為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進行預處理，去掉非邊緣區域孤立的噪聲點，其中高斯濾波器的窗口大小為G×G、方差為σ，經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′的灰度值范圍變為[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(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、右側、頂部和底部四個方向分別依次擴展行和列：

在頂部和底部：

在左側和右側：

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′的大小變為

3）計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的點到灰度值為n的點的概率，其中灰度值為m，n兩點間距離為d，兩點連線與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：