[发明专利]基于迭代非局部均值抑制图像脉冲噪声的方法

说明书

技术领域

本发明属于数字图像处理技术领域，具体涉及抑制图像脉冲噪声方法，可用于实现从高密度脉冲噪声污染的噪声图像中恢复出清晰图像。

背景技术

脉冲噪声是由非连续的、持续时间短和幅度大的不规则脉冲或噪声尖峰组成。许多因素可产生脉冲噪声，例如电磁干扰，通信系统的故障缺陷，通信系统的电气开关和继电器的状态改变等。在数字图像处理，如在获取和传输的过程中，图像都避免不了受到脉冲噪声的干扰，脉冲噪声导致图像出现随机分布的黑白相间的噪声点，极大的降低了图像质量，导致后续传输和处理的过程中出现了严重的错误。比如图像在编码和传输过程中被电子感应噪声污染或者经过含脉冲噪声的线路时，严重的降低了图像的质量，给后续的图像解译和识别带来巨大困难。因此，如何从被高密度脉冲噪声污染的噪声图像中去除噪声，恢复出清晰图像，一直在图像处理中占有非常重要的地位。

迄今为止，国内外专家已经提出很多抑制脉冲噪声算法，其中最经典、应用最广泛的方法是中值滤波器MF。它的优点是简单高效，在噪声密度较低的情况下可以得到较好的去噪结果，但是，中值滤波算法有其自身固有的缺点，由于其对图像中的所有像素点进行统一处理，滤波之后，图像中所有像素点均发生改变，造成了图像原有信息的丢失。针对这一缺点，人们提出了许多改进的中值滤波算法，如选择开关中值滤波SSMF和边界检测方法BDND。这类方法首先检测出噪声图像中受噪声污染的像素点，只改变这些检测出的像素点的灰度值，而未检测出的像素点的灰度值则保持不变。开关中值滤波器在很大程度上提高了去噪效果，但在实际应用中，中值滤波和开关中值滤波均存在一定程度的缺陷：

其一，这两种方法在滤波过程中均把图像的边缘和细节像素点当成噪声点进行滤波处理，造成了过度平滑，损失了图像的细节信息。

其二，当噪声密度增大时，用这两种方法恢复的图像准确度和精度急剧下降，无法满足人眼的视觉要求和计算机的处理要求。

发明内容

本发明旨在针对现有技术的缺点，提出一种基于迭代非局部均值抑制图像脉冲噪声的方法，以保持去噪后图像的细节信息，提高图像恢复的精度和准确度。

实现本发明的技术思路是，对待处理的脉冲噪声图像进行噪声检测,将噪声图像中受噪声污染的像素点进行预滤波操作,通过迭代非局部平均滤波恢复出有效抑制脉冲噪声的清晰图像。具体技术方案包括如下步骤：

(1)对待处理的噪声图像I进行噪声检测，标记受噪声污染的像素点的位置；

(2)对噪声图像I进行滤波操作,对受噪声污染的像素点进行初始化估计，得到预滤波图像R；

(3)对预滤波图像R进行迭代非局部均值滤波,得到清晰图像C：

(3a)初始化参数：根据迭代非局部均值算法，设置搜索窗S的大小为(2n₀+1)×(2n₀+1)，被匹配块B的大小为(2n₁+1)×(2n₁+1)，以及滤波参数h三个初始化参数，其中n₀＝5，n₁＝2，h＝2；

(3b)以预滤波图像R中受噪声污染的像素点为中心，对预滤波图像R加两个不同大小的窗，分别作为搜索窗S(i,j)和被匹配块B(i,j)：

S(i,j)＝{R(i+s,j+t)|-n₀≤s,t≤n₀}，

B(i,j)＝{R(i+s,j+t)|-n₁≤s,t≤n₁}，

其中，(i,j)为受噪声污染的像素点的坐标，i＝1,2，…M，j＝1,2，…N，M×N为噪声图像I的大小，S(i,j)为以坐标(i,j)为中心的搜索窗，B(i,j)为以坐标(i,j)为中心的被匹配块，R(i+s,j+t)为预滤波图像R中位于坐标(i+s,j+t)处像素点的灰度值；

(3c)在搜索窗S(i,j)中利用滑窗搜索方法寻找被匹配块B(i,j)的相似块：

将被匹配块与相似块的灰度值差值的平方和作为衡量相似性的标准，将这些平方和聚集成一个列向量D₀，同时将列向量D₀在搜索窗S(i,j)中对应位置处的相似块的中心像素点的灰度值聚集成一个列向量G₀：

D₀＝{d₁,d₂,…,d_k,…,d_L}，