[發(fā)明專利]一種基于極限學(xué)習(xí)機(jī)的改進(jìn)自適應(yīng)加權(quán)平均圖像去噪方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611154268.6
• 申請(qǐng)日: 2016-12-14
• 公開(kāi)（公告）號(hào): CN106803237B
• 公開(kāi)（公告）日: 2019-12-20
• 發(fā)明（設(shè)計(jì)）人: 李丹;吳越;李建元;錢智剛;于海龍;劉興田;劉飛黃;劉祥
• 申請(qǐng)（專利權(quán)）人: 銀江股份有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 33216 杭州之江專利事務(wù)所(普通合伙)
• 代理人: 張慧英

本發(fā)明涉及一種基于極限學(xué)習(xí)機(jī)的改進(jìn)自適應(yīng)加權(quán)平均圖像去噪方法，包括如下步驟：1)輸入訓(xùn)練圖像集和待去噪處理的目標(biāo)圖像；2)利用極限學(xué)習(xí)機(jī)結(jié)合像素值和像素的位階邏輯差對(duì)訓(xùn)練圖像集進(jìn)行訓(xùn)練得到極限學(xué)習(xí)機(jī)模型；3)通過(guò)極限學(xué)習(xí)機(jī)模型對(duì)目標(biāo)圖像進(jìn)行檢測(cè)，得到圖像噪聲位置；4)采用自適應(yīng)加權(quán)平均算法進(jìn)行圖像去噪處理；5)輸出去噪處理后的目標(biāo)圖像，并對(duì)去噪效果進(jìn)行評(píng)估。本發(fā)明方法適用性強(qiáng)、可行性高、計(jì)算速度快、實(shí)效性高、實(shí)用價(jià)值高，同時(shí)能達(dá)到較好的圖像去噪效果。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理和機(jī)器學(xué)習(xí)領(lǐng)域，尤其涉及一種基于極限學(xué)習(xí)機(jī)的改進(jìn)自適應(yīng)加權(quán)平均圖像去噪方法。

背景技術(shù)

隨著各種數(shù)字儀器和數(shù)碼產(chǎn)品的普及，數(shù)字圖像成為人類生活中最常用的信息載體之一，廣泛應(yīng)用于交通、醫(yī)療、航空航天、海事等領(lǐng)域。在數(shù)字圖像的形成、傳輸、存儲(chǔ)、轉(zhuǎn)換過(guò)程中，不可避免會(huì)受到各種噪聲的影響，導(dǎo)致圖像質(zhì)量下降。圖像去噪指改善圖像質(zhì)量，剔除或降低圖像中的噪聲影響，增大圖像信噪比，保留圖像完整性。作為數(shù)字圖像處理中的重要環(huán)節(jié)和關(guān)鍵步驟，圖像去噪結(jié)果的好壞直接影響到后續(xù)的圖像處理工作如圖像分割、邊緣檢測(cè)、目標(biāo)定位等。因此，為了獲取高質(zhì)量數(shù)字圖像，對(duì)圖像進(jìn)行去噪處理是十分必要的。

目前主要的圖像去噪算法主要有以下三類：1)空間域?yàn)V波，直接在原圖像上對(duì)圖像灰度值進(jìn)行處理，常見(jiàn)有鄰域平均法、中值濾波法等。該類方法實(shí)現(xiàn)簡(jiǎn)單，但不適用于高密度噪聲圖像，且去掉圖像細(xì)節(jié)較多容易引起圖像模糊。2)變換域方法，將圖像從空間域轉(zhuǎn)換到變換域，再對(duì)變換域中的變換系數(shù)進(jìn)行處理，最后反變換到空間域，常見(jiàn)有傅立葉變換、余弦變換、小波變換。該類方法一定程度上會(huì)降低圖像平滑性或?qū)е聢D像變模糊。3)偏微分方程，該類方法能較好保留圖像細(xì)節(jié)信息，但不適用于高密度噪聲圖像，處理時(shí)間復(fù)雜性高。

發(fā)明內(nèi)容

本發(fā)明為克服上述的不足之處，目的在于提供一種基于極限學(xué)習(xí)機(jī)的改進(jìn)自適應(yīng)加權(quán)平均圖像去噪方法，本方法通過(guò)極限學(xué)習(xí)機(jī)訓(xùn)練噪聲檢測(cè)器對(duì)噪聲位置進(jìn)行檢測(cè)，再根據(jù)基于中值濾波法改進(jìn)的自適應(yīng)加權(quán)平均法對(duì)圖像進(jìn)行去噪處理，得到恢復(fù)的圖像，達(dá)到了較好的圖像去噪效果。

本發(fā)明是通過(guò)以下技術(shù)方案達(dá)到上述目的：一種基于極限學(xué)習(xí)機(jī)的改進(jìn)自適應(yīng)加權(quán)平均圖像去噪方法，包括如下步驟：

(1)輸入訓(xùn)練圖像集和待去噪處理的目標(biāo)圖像；

(2)利用極限學(xué)習(xí)機(jī)結(jié)合像素值和像素的位階邏輯差對(duì)訓(xùn)練圖像集進(jìn)行訓(xùn)練得到極限學(xué)習(xí)機(jī)模型；

(3)通過(guò)極限學(xué)習(xí)機(jī)模型對(duì)目標(biāo)圖像進(jìn)行檢測(cè)，得到圖像噪聲位置；

(4)采用自適應(yīng)加權(quán)平均算法進(jìn)行圖像去噪處理：計(jì)算非噪聲像素的鄰域加權(quán)曲波變換作為噪聲像素窗口的曲波變換，并通過(guò)曲波反變換得到重構(gòu)像素，完成去噪；其中權(quán)重采用鄰域重建偏差進(jìn)行獲取；

(5)輸出去噪處理后的目標(biāo)圖像，并對(duì)去噪效果進(jìn)行評(píng)估。

作為優(yōu)選，所述的像素的位階邏輯差定義及獲取方法如下：

(i)設(shè)圖像I像素(x,y)的像素值為a(x,y)，以(x,y)為中心的(2s+1)*(2s+1)窗口為W，s為正整數(shù)，(x+x′，y+y′)為窗口W中不為(x,y)的像素，像素值為a(x+x′，y+y′)；

(ii)a(x,y)與a(x+x′，y+y′)的邏輯差為：

其中，d_x′y′為邏輯差，t為控制邏輯函數(shù)形狀的正整數(shù)，對(duì)t>1，d_x′y′取值為(-∞，0]；

(iii)采用如下線性變換公式將d_x′y′值轉(zhuǎn)換到[0,1]區(qū)間：