[發明專利]一種基于置信相似度的遞歸高斯極大似然估計的沖激噪聲抑制方法

無效

• 申請號: 201410291248.8
• 申請日: 2014-06-25
• 公開（公告）號: CN104077752A
• 公開（公告）日: 2014-10-01
• 發明（設計）人: 陳陽;袁文龍;石路遙;羅立民;鮑旭東
• 申請（專利權）人: 東南大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 江蘇永衡昭輝律師事務所 32250
• 代理人: 王斌

技術領域

本發明涉及計算機圖像處理領域，具體涉及一種基于置信相似度的遞歸高斯極大似然估計的沖激噪聲抑制方法。

背景技術

沖激噪聲由于在信號獲取過程中傳感器損壞、故障或者時間錯誤所導致。中值濾波器就是一種用來處理沖激噪聲的有效方法。抑制沖激噪聲通常包含兩個步驟——噪聲檢測和噪聲去除。標準的中值濾波器(Standard?Median?Filter,SMF)在沖激噪聲密度很高的情況下并不是很有效，并且當沖激噪聲密度大于50％時，經過中值濾波器處理過的圖像經常會由于細節丟失和新引入的偽影導致復原圖像嚴重的退化。

至今人們發明了很多方法來克服標準中值濾波器的缺點。自適應的中值濾波器(Adaptive?Median?Filter,AMF)通過只用中值替代那些被噪聲污染的像素同時不改變沒有被污染的像素值從而提升中值濾波器的效果。此外，自適應的中值濾波器遞歸的擴大濾波窗口直到確認到一個未被污染的中值。基于決策的算法(Decision?Based?Algorithm,DBA)和自適應中值濾波器相似除了當中值被標記為一個被污染的像素時DBA是用一個鄰域像素值來替代被污染的像素。改進的基于決策的非對稱的中值濾波器(Modified?Decision?Based?Unsymmetric?Trimmed?Median?Filter,MDBUTMF)能提高DBA的效果，它在中值估算時去除未被污染的像素并且當窗口中所有的像素都被污染的時候將被污染的像素值設成所選窗口的平均值。為了在抑制噪聲的同時達到保存邊緣的效果，提出了一個二階段算法，它包含一個基于中值檢測的濾波器和一個規格最優化的保存邊緣的項。還有人提出多尺度的自適應中值濾波器來抑制椒鹽噪聲。

在抑制沖激噪聲方面，中值方法易產生細節模糊和階梯偽影從而導致圖像退化。這個問題對于高密度噪聲情況和結構模糊情況更為嚴重。原因可能歸結于中值方法只是把從一個窗口像素得到的中值信息作為中值濾波并且沒有利用到結構連續性信息。

發明內容

針對現有技術的不足，本發明在假設灰度值符合高斯分布的基礎上，通過遞歸的高斯極大似然估計方法(Recursive?Gaussian?Maximum?Likelihood?Estimation，RGMLE)，在RGMLE算法的框架下，使用合并的確定性和相似性(certainty&similarity)信息來估計方差，提出了基于置信相似度的遞歸高斯極大似然估計的沖激噪聲抑制方法(RGMLE-CS)，是一種新的沖激噪聲抑制方法。本發明專注于噪聲去除方面，只考慮已知灰度的椒鹽噪聲，通過遞歸計算像素的高斯極大似然估計值來復原圖像。通過分析未被噪聲污染的像素的估計誤差可以得到一個控制遞歸次數的魯棒算法。

為了實現上述目的，本發明采用以下技術方案：

本發明基于置信相似度的遞歸高斯極大似然估計的沖激噪聲抑制方法，包括以下步驟：

步驟1、掃描大小為(m×n)的噪聲圖像x，檢測椒鹽噪聲，得到掩膜圖像M^o；

步驟2、由M^o計算噪聲密度ρ，定義M^u為遞歸中標記未被噪聲污染像素的位置的矩陣，并將M^u初始化為M^o；定義PSNR_U為噪聲圖像中未被噪聲污染的像素對應位置處估計的像素值關于未被污染像素的峰值信噪比，初始化為0；定義Γ為第k次迭代的PSNR_U(k)與第k-1次迭代的PSNR_U(k-1)的差值，并初始化為無窮大，其中k＝1,2，…,50；

步驟3、若Γ大于0且ρ<＝70％，或者ρ>＝70％，則依次對噪聲圖像x中每個像素x_j(j＝1,2,3,…m×n)按照步驟4和步驟5進行處理；