[发明专利]一种自适应密度的图像椒盐噪声开关滤波方法

权利要求书

1.一种自适应密度的图像椒盐噪声开关滤波方法，其特征在于，包括以下几个步骤：

步骤一、训练神经网络：使用不同噪声密度的训练图像训练出能够适应在一定噪声密度下精确检测噪声位置的多个神经网络。

步骤二、快速粗略的评估图像的椒盐噪声密度。

步骤三、根据步骤二中评估的椒盐噪声密度选择相应的神经网络对图像进行精确的噪声检测。

步骤四、根据步骤三的结果对图像进行自适应窗口的开关加权均值滤波。

2.根据权利要求1所述的一种自适应密度的图像椒盐噪声开关滤波方法，其特征在于：所述步骤一中训练神经网络，具体为：设置一个噪声密度阈值T1，所述阈值属于0到1之间，对噪声密度小于该阈值的训练图像的训练时，使用3*3的窗口，对大于等于该阈值的训练图像的训练时，使用5*5的窗口，获得窗口中心的像素值、窗口中所有像素的中值、ROLD统计量作为神经网络的输入端，计算训练图像中每个像素是噪声点的可能性y(i，j)；设置噪声点的阈值T2，其中T2属于0到1之间，如公式(1)所示，当噪声点的可能性大于等于T2的点判定为噪声点，低于T2的像素判定为非噪声点，然后把噪声点的位置作为神经网络的输出端，这样训练出两个神经网络，

Y(i,j)=1ify(i,j)≥T20ify(i,j)<T2---(1)]]>

其中，y(i，j)为位置在横向坐标为i纵向坐标为j的像素点为噪声点的可能性，Y(i，j)为位置在i、j的像素是否为噪声点。

3.根据权利要求1所述的一种自适应密度的图像椒盐噪声开关滤波方法，其特征在于，所述步骤二中快速粗略的评估图像的椒盐噪声密度，具体为：对图像进行一次中值滤波后，把前后两张图像中变化了的极值作为噪声点估计值，计算出其数量N，根据公式(2)获得图像中椒盐噪声密度σ_s的粗略值，

σs=NC×K×100%---(2)]]>

其中，N为图像中噪声点的像素的个数；C代表图像中的纵向的像素个数，K代表图像中横向的像素的个数；C×K代表图像中的像素总和。