[发明专利]一种基于噪声空间特性的非线性滤波去噪方法

说明书

技术领域

本发明属于数字图像处理技术领域，具体涉及一种基于噪声空间特性的非线性滤波去噪方法。

背景技术

图像在形成、传输和存储过程中都往往会被噪声污染。噪声的强度一般采用信噪比(snr)或分贝数(dB)来定义。信噪比即是图像中信号和噪声的功率比值，信噪比和分贝数的转换关系为：

dB＝10log₁₀snr

一般地，噪声随机的分布在图像中，而且支撑域很小。因此传统的去噪方法是利用一种非线性的中值滤波器对图像进行滤波，去除图像中支撑域很小的噪声，从而实现对图像的去噪。

对于一般情况下的弱噪声，传统的滤波去噪方法可以很好地实现图像去噪。但是，在动平台条件下成像，成像积分时间很短，从而导致了传感器噪声很强；而某些时候，由于成像条件太差，或者目标距离成像太远，目标辐射强度很低，导致了噪声相对较强。面对这类强噪声的恶劣条件，传统的滤波去噪方法常常无能为力。

其次传统的非线性滤波去噪方法(如中值滤波去噪、最大值滤波去噪、最小值滤波去噪、中点滤波去噪等方法)都没有考虑目标图像中噪声和目标的空间特征，噪声的空间特性：(1)无方向性；(2)空间局部性，支撑域很小；形状目标的空间特性：(1)目标有较大的支撑域，具有空间多尺度特性；(2)目标的各个部件具有空间方向性。仅仅盲目的在一个模板(如3×3)内求平均值、最大值、最小值、中点值等来实现图像去噪。然而空间目标图像具有很强的结构性，去噪时其某些模板应该是求中值，一些模板是求最大值或最小值，而其他的模板却是求中点值。利用传统的非线性滤波去噪方法对空间目标图像进行去噪，会在去除噪声的同时丢失图像的细节，使得图像更加模糊，增加了后续处理工作(如图像校正、目标识别等)的难度。

综上所述，需要研究有效的图像去噪方法，使得在图像去噪的同时保留图像的细节和图像的边缘，降低图像预处理和后续处理的难度。

发明内容

本发明的目的在于提供一种基于噪声空间特性的非线性滤波去噪方法，该方法弥补了传统非线性滤波去噪方法去噪时的盲目性，充分利用噪声空间特性和目标空间特性的差异，从而能在去噪的同时较好的保留图像的细节和图像的边缘。

本发明提供的一种基于噪声空间特性的非线性滤波去噪方法，其特征在于，该方法步骤包括：

(1)输入红外成像探测器探测到的图像f；

(2)创建一幅与图像f大小相同，灰度值却全为0的图像g；

(3)对带噪声的图像f进行单点去噪：若图像f中存在某一像素点(i，j)的灰度值大于其周围8个像素点的灰度值中的最大值，或者小于其周围8个像素点的灰度值中的最小值，则判定该点为噪声点；令图像g在像素点(i，j)的灰度值g(i，j)等于图像f中像素点(i，j)周围8个像素点的灰度值的平均值；

(4)对带噪声的图像f进行两点去噪：

(4.1)若图像f中存在相邻两像素点的灰度值大于该两点周围10个像素点的灰度值中的最大值，或小于该两点周围10个像素点的灰度值中的最小值，则判定该两点为噪声点；计算此相邻两点周围10个像素点的灰度值的平均值为Temp，如果图像g中该相邻两点中存在某点的灰度值非零，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则就直接令图像g中该点的灰度值为Temp；

(4.2)若图像f中存在相邻两像素点的灰度值大于该两点周围14个像素的灰度值中的最大值，或小于该两点周围14个像素的灰度值中的最小值，则判定该两点为噪声点；计算此相邻两点周围14个像素灰度值的平均值为Temp，如果图像g中该相邻两点中存在某点的灰度值非零，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则就直接令图像g中该点的灰度值为Temp；

(5)对带噪声的图像f进行三点去噪：

若图像f中存在相邻3像素的灰度值都大于该3点周围13个像素的灰度值中的最大值，或小于该3点周围13个像素的灰度值中的最小值，则判定该3点均为噪声点；计算此相邻三点周围13个像素灰度值的平均值为Temp，如果图像g中该相邻三点中存在某点的灰度值非零，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则就直接令图像g中该点的灰度值为Temp；

(6)令图像g中灰度值为零的像素的灰度值为图像f该点的灰度值。