[發明專利]利用分塊排序檢測噪聲的圖像降噪方法

有效

• 申請號: 201610165931.6
• 申請日: 2016-03-22
• 公開（公告）號: CN105787902B
• 公開（公告）日: 2018-11-27
• 發明（設計）人: 史再峰;許澤昊;龐科;曹清潔;杜增權
• 申請（專利權）人: 天津大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/44
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

本發明涉及圖象處理領域，為依據不同噪聲對雙邊濾波算法進行改進，實現有效地降低非噪聲點的誤判概率，并且能夠更有效地去除圖像中的加性噪聲和脈沖噪聲，同時保留圖像的邊緣和細節，本發明：利用分塊排序檢測噪聲的圖像降噪方法，對圖像中每一個像素點周圍的像素進行處理，以被考察像素點為中心建立一個(2N+1)×(2N+1)的掩膜，從該掩模即窗口中提取出四個子窗口，子窗口分別占掩模一角，且被考察像素點占據子窗口角部位置；分別計算四個小窗口中所有像素點灰度值的中值并進行排序，排序后的結果記為m₁≤m₂≤m₃≤m₄,根據這四個灰度值的數值和排序粗略地確定這個掩膜中的邊緣和細節分布。本發明主要應用于圖象處理。

技術領域

本發明涉及圖象處理領域，尤其涉及在對圖像進行混合高斯噪聲和脈沖噪聲去除處理時，對于噪聲點的區分判定以及濾除問題。具體講,涉及利用分塊排序檢測噪聲的圖像降噪方法。

背景技術

圖像的噪聲主要來源于圖像的獲取和傳輸過程，在進行圖像處理的過程中一個重要的問題是如何有效地去除圖像中存在的噪聲,同時又能保留圖像的細節結構,譬如邊緣和紋理。然而,圖像去噪是一項比較困難的任務,因為所要處理的圖像中可能包含不同種類的噪聲，比如加性噪聲、脈沖噪聲等，而圖像去噪也依據不同類型的噪聲采用不同的方法。濾波按處理信號的性質分為線性濾波和非線性濾波，其中線性濾波方法既有數學方面的簡易性又能對加性高斯噪聲的去除產生令人滿意的效果，但是線性方法在去除噪聲的同時模糊了圖像的邊緣而且對非高斯噪聲的處理表現不盡人意，由于線性濾波方法有這些缺點，非線性濾波方法的使用顯得很有必要。雙邊濾波是一種非線性的濾波方法，既考慮到了圖像的空間鄰近度又考慮到了像素值的相似度，具有保邊去噪的效果，但是雙邊濾波不能有效地去除脈沖噪聲，所以對于混合高斯噪聲和脈沖噪聲點的判別并對其進行不同處理是圖象去噪的一個關鍵步驟。

發明內容

為克服現有技術的不足，提出一種新的高斯噪聲和脈沖噪聲混合噪聲點檢測方法，依據不同噪聲對雙邊濾波算法進行改進，實現有效地降低非噪聲點的誤判概率，并且能夠更有效地去除圖像中的加性噪聲和脈沖噪聲，同時保留了圖像的邊緣和細節。為此，本發明采取的技術方案是，利用分塊排序檢測噪聲的圖像降噪方法，對圖像中每一個像素點周圍的像素進行處理，以被考察像素點為中心建立一個(2N+1)×(2N+1)的掩膜，從該掩模即窗口中提取出四個子窗口，子窗口分別占掩模一角，且被考察像素點占據子窗口角部位置；分別計算四個小窗口中所有像素點灰度值的中值并進行排序，排序后的結果記為m₁≤m₂≤m₃≤m₄,根據這四個灰度值的數值和排序粗略地確定這個掩膜中的邊緣和細節分布；

令ΔM_E＝m₄-m₁,ΔM_I＝m₃-m₂，ΔM_E和ΔM_I提供這四個子窗口像素灰度整體差異的度量，ΔM_E和ΔM_I的取值分為三種情況，并據此判斷出這個中心像素周圍邊緣和細節的分布情況，其中在進行ΔM_E和ΔM_I的比較判定時分別取兩個閾值T₁，T₂，當ΔM_E≤T₁時，即可判斷這個窗口是平滑的，幾乎沒有圖像邊緣；當ΔM_E≥T₁，而ΔM_I≤T₂時，判斷這個窗口內有部分邊緣分布；當ΔM_E≥T₁，且ΔM_I≥T₂時，判斷這個窗口內有較強的細節或紋理分布；