[发明专利]一种基于改进双边滤波的图像去噪方法

说明书

技术领域

本发明涉及一种图像去噪方法，尤其是涉及一种基于改进双边滤波的图像去噪方法。

背景技术

在获取、传输和处理过程中，图像通常会因为噪声的干扰而导致质量的下降，从而严重影响图像的后续处理如：图像特征提取、图像识别和图像检索等的性能。因此图像去噪作为图像处理的基本技术，一直是人们关注的重点。经典的图像去噪算法有：高斯滤波、中值滤波、小波变换、维纳滤波等等。其中，高斯滤波器由于具有各向同性，而对边缘和细节不加区分，因此该方法容易造成图像边缘和细节模糊；中值滤波虽然能有效地保持图像的边缘信息，但对图像的细节和纹理部分过于平滑，且中值滤波和小波变换在计算量上劣势明显；维纳滤波是一种基于最小均方误差估计准则设计的最优滤波器。双边滤波(Bilateral filter，简称BF)将高斯滤波和保特征权函数结合起来，相对于传统的高斯滤波和均值滤波来说，在去噪的同时有效地保护了图像的边界特征，但是同时存在以下问题：

1)经典的双边滤波算法是基于像素的，因而亮度加权系数的计算因噪声的干扰有失准确，从而造成滤波后某些区域存在剩余噪声并且结构保持效果没有明显提高；

2)典型的双边滤波算法采用的权值函数为高斯函数，公式如下：

存在高斯函数的无限拖尾效应，使得双边滤波算法在平滑图像的同时也可能模糊了图像的边缘。

而Geman-McClure函数(GM函数)在γ取值合适时，具有很好的断尾效应，比高斯函数更适合做权值函数，公式为：

图1为高斯函数和GM函数(GM函数的指数r＝1，2，3，4，5)的函数曲线，取h＝20。由于函数具有对称性，图中只分析位于x正半轴的曲线。从图1中可以看出，所有曲线函数值均能随着x值的增大而减小，不同之处如下：

1)GM函数在r＝1时，当x超过一定值时，函数值并没有马上降为零，该特点使其做为非局部均值算法的权值函数时，在平滑图像的同时也会模糊边缘。

2)GM函数在r＝2时，当x超过一定值时，其函数值比高斯函数降零的速度要缓慢一些，因此做为权值函数，应该比高斯函数效果更模糊。

3)GM函数在r＝3，4，5时，当x超过一定值时，函数值马上降为零，降零的速度比高斯函数快，因此做为权值函数，效果应该比高斯权值和GM函数(r＝1，2)时要好。此外r＝3，4，5这三条曲线之间相差不大。

另外随着r值的进一步增大，GM函数曲线更陡，即x取很小的值时，函数值就会马上降为零，这会造成在平滑区噪声消除效果很差。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种可对图像进行有效去噪，并提高图像质量的基于改进双边滤波的图像去噪方法，适用于军事领域或非军事领域的光学成像、目标检测和安全监控等系统中。

本发明的目的可以通过以下技术方案来实现：

一种基于改进双边滤波的图像去噪方法，该方法首先对输入的带噪图像采用维纳函数对邻域中心像素灰度值进行估算，然后采用GM函数计算亮度相似度权值，并采用高斯权值计算空间邻近度权值，将计算获得的两个权值相乘后对图像进行去噪。

该方法具体包括：

步骤S1：对原始图像I进行维纳滤波，i∈I，v(i)是原始图像各像素的灰度值，并利用维纳函数估计出

式中，σ_n是图像中噪声的方差，μ，σ分别是每个像素M×N邻域内像素的均值和方差：

式中，Ω是图像中像素i的M×N邻域，j∈Ω，v(j)是像素j的像素点值；

步骤S2：采用GM函数计算亮度相似度权值w₁(i，j)，公式为：

式中，r为GM函数的指数；

步骤S3：采用高斯函数计算空间邻近度权值w₂(i，j)，公式为：

式中，(x_i，y_i)是像素i的坐标，(x_j，y_j)是像素j的坐标，σ_d控制w₂(i，j)的衰减程度；

步骤S4：计算混合权值w(i，j)，公式为：

式中，K(i)是归一化权值；

步骤S5：根据获得的混合权值，对原始图像I进行去噪，得到BF[v](i)，公式为：