[发明专利]一种自适应的图像椒盐噪声滤除方法

权利要求书

1.一种自适应的图像椒盐噪声滤除方法，其特征在于按照以下步骤进行：

步骤1，对图像的噪声密度进行计算，根据图像噪声密度检测出具有灰度极值的前K个像素；

步骤2，从前面K个像素点中选取出L个噪声点。我们采用检测点做为中心点，其灰度值与其3×3邻域中其余八个点的灰度均值之差的绝对值作为相关性ρ，按照ρ值从大到小排序，选取前L个像素点作为最终确定的噪声点；

步骤3，对步骤2得到的L个噪声点按照它们的3×3邻域中包含的噪声点数目从小到大进行排序，然后按照排序的顺序进行滤波，得到滤波后的图像。

2.按照权利要求1所述一种自适应的图像椒盐噪声滤除方法，其特征在于：所述步骤1中，对图像的噪声密度进行计算是采用《基于小波域的图像椒盐噪声密度估计》（北京航空航天大学学报2012年第38卷第2期）一文中提出的方法，对图像中噪声密度进行计算，从而判断出图像中总的噪声点数量；所述K个像素的选取是我们在图像全局范围内检测具有极大值与极小值的前L个像素。

3.按照权利要求1所述一种自适应的图像椒盐噪声滤除方法，其特征在于：所述步骤2中，选取前L个像素点作为最终确定的噪声点的过程为采用将这K个检测点做为中心点，每个检测点的灰度值与其3×3邻域中其余八个点的灰度均值之差的绝对值来代表这种相关性ρ，公式：

ρ=abs(f(m,n)-18Σ(x,y)∈Ωf(x,y)),]]>

式中abs(·)表示取绝对值，(m,n)为中心像素，f(m,n)代表中心像素的灰度值，f(x,y)代表像素(x,y)的灰度值，而Ω代表像素(m,n)的3×3邻域中其余八个像素组成的集合，ρ取值越小，则表示检测点与其邻域的相关性越大，反之，则相关性越小，K个像素分别计算它们与其邻域的相关性ρ，然后按计算出的ρ值将它们从大到小排序，选取排名前L的像素点作为最终确定的噪声点。

4.按照权利要求1所述一种自适应的图像椒盐噪声滤除方法，其特征在于：所述步骤3中，对L个噪声点滤波的过程为：将L个噪声点，分别计算它们的3×3邻域中包含的噪声点数目，然后，我们将这些噪声点，按照它们的邻域中噪声点的多少从小到大排序，如果噪声点数目相等，则排列顺序为行数小的排在前，行数大的排在后，处于同一行的，则列数小的排在前，列数大的排在后，然后按从前至后的排列顺序依次对这些噪声点进行滤波输出；

当噪声密度小于等于40%时，并且3×3邻域中除中心像素外噪声点数量小于5时，仅利用剩余的非噪声点计算滤波输出，否则，扩展至在这之前已经滤波的噪声点像素一起计算滤波输出；

当噪声密度小于等于80%且大于40%时，且3×3邻域中除中心像素外噪声点数量小于7时，仅利用剩余的非噪声点计算滤波输出，否则，扩展至在这之前已经滤波的噪声点像素一起计算滤波输出；

当噪声密度大于80%且小于100%时，且当3×3邻域中除中心像素外噪声点数量小于8时，仅利用剩余的非噪声点计算滤波输出，否则，扩展至在这之前已经滤波的噪声点像素一起计算滤波输出。