[發明專利]一種基于人工智能的數字全息圖像去噪方法

有效

• 申請號: 201911156812.4
• 申請日: 2019-11-22
• 公開（公告）號: CN110930332B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 王華英
• 申請（專利權）人: 河北工程大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/62
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 李興林

1.一種基于人工智能的數字全息圖像去噪方法，其特征在于包括以下步驟：

A、對待處理數字全息圖像進行分塊；

A1、遍歷數字全息圖像，選擇分割區域，分割區域為，區域內灰度標準差小于第一設定閾值，區域邊緣內側灰度與外側灰度的變化不連續；

A2、使用分割區域擬合分割線段，分割線段全部位于分割區域內，且位于同一分割區域內的分割線段上的灰度變化連續；

A3、使用分割線段對數字全息圖像進行分塊；

每個圖像塊的邊緣與相鄰圖像塊具有重合區域，重合區域的面積小于所述圖像塊面積的5％；

B、以每個圖像塊為基準圖層，分別進行上采樣和下采樣，得到對應的圖層集合；

對圖像進行上采樣包括以下步驟，

B11、選擇基準圖層若干個非邊緣像素點，以此類像素點為中心向外擴展采樣區域，使所有采樣區域的組合包含基準圖層的全部區域；

B12、以此類像素點為起始點標記扇形區域，扇形區域的外側邊緣位于采樣區域的外側；

B13、使用扇形區域位于采樣區域內部的部分對扇形區域位于采樣區域外部的部分進行擬合，待擬合像素點的灰度和亮度為扇形區域位于采樣區域內部的全部像素點的加權平均值，采樣區域內部像素點的權重值與其和待擬合像素點的歐氏距離成正比；

B14、使用擬合出的區域對原采樣區域進行擴充，使用新的采樣區域組成擴大面積后的圖層；

B15、重復上述步驟，直至得到全部上采樣圖層；

C、每個圖層集合建立對應的噪聲提取模型，使用噪聲提取模型對集合中每個圖層的噪聲特征進行提取；

D、將噪聲特征進行特征融合，使用融合后的噪聲特征對圖像塊進行去噪處理；對圖像塊進行去噪處理包括以下步驟，

D1、將不同圖層中提取的線性相關的噪聲特征進行標記；

D2、特征融合時使用被標記特征生成第一特征集合，使用其它特征生成第二特征集合；

D3、若圖像塊中出現與第一特征集合線性相關的圖像分量時，直接作為噪聲進行刪除，若圖像塊中出現與第二特征集合線性相關的圖像分量時，對圖像分量的灰度和亮度進行減弱，減弱幅度與圖像分量和距離最近的噪聲分量的距離成反比；

E、噪聲提取模塊根據特征融合結果進行自動更新；

F、使用去噪處理后的圖像塊進行圖像重構。

2.根據權利要求1所述的基于人工智能的數字全息圖像去噪方法，其特征在于：步驟B中，對圖像進行下采樣包括以下步驟，

B21、以步驟B11中選擇的非邊緣像素點為中心點，使用以中心點為圓心的圓形區域內的像素點灰度和亮度進行平均計算，使用計算結果替代中心點上的像素點，圓形區域的面積小于采樣區域的面積；

B22、保留代替后的像素點，將圓形區域的其它部分刪除，使用保留的像素點組成新的下采樣圖層；

B23、重復上述步驟，直至得到全部下采樣圖層。

3.根據權利要求2所述的基于人工智能的數字全息圖像去噪方法，其特征在于：步驟C中，噪聲提取模型為，

其中，Ω為圖層區域，p為圖層區域內的任意點，q為參考點，D_p為以p為 自變量的修正函數，f_p為以p點灰度值為自變量的高斯函數，g_p為以p點亮度值為自變量的高斯函數，‖p-q‖為p點和q點之間的歐氏距離；

q的選擇方法為，

選擇不同圖層之間相似度最高的區域，對所選區域的灰度值和亮度值進行歸一化處理，使用歸一化處理后灰度值和亮度值之和最大的點作為q。

4.根據權利要求1所述的基于人工智能的數字全息圖像去噪方法，其特征在于：步驟E中，噪聲提取模塊的更新方法為，

根據第二特征集合中的噪聲特征對修正函數D_p進行迭代更新，使第二特征集合中的噪聲特征數量保持最少。