[发明专利]基于生物视觉感受野机制的图像去噪方法

说明书

技术领域

本发明属于计算机视觉技术领域，特别涉及一种图像去噪方法。

背景技术

图像是人们获取信息的重要来源，然而，在获取图像时由于多种原因，图像中会混入噪声，进而导致图像质量的衰退，这就给图像的后续处理带来很大的麻烦，如会对图像的“边缘检测”、“图像分割”、“特征提取”、“模式识别”等处理产生严重的影响。因此，图像去噪是图像处理非常重要的一个环节，是后续图像处理的基础。

目前图像去噪的算法有很多，主要分为两大类：一类方法是传统的图像去噪算法，比较典型的算法为高斯滤波。但是使用这种方法进行图像去噪，会造成图像边缘信息的模糊。另一类算法是根据图像自身的信息进行去噪，如图像的结构信息。比较典型的算法为Buades等人于2005年又提出的方法，参见文献：A.Buades,B.Coll,J.-M.Morel.A non-local algorithm for image denoising.2005Computer Vision and Pattern Recognition,2005.CVPR2005.IEEE Computer Society Conference on,Vol.2:60-65，该算法是根据图像的结构信息，利用分块匹配的思想进行图像去噪。首先在噪声图像中确定一个半径为r的图像块，然后再确定一个更大的搜索范围，在搜索范围内的每一点，计算半径为r的块与确定块之间的绝对差值，以此绝对差值计算权重进行滤波。但该算法的主要缺陷在于计算量大、计算复杂，并且也会造成图像边缘信息的模糊。

发明内容

本发明的目的是为了解决现有的图像去噪算法存在的上述缺陷，提出的一种基于生物视觉感受野机制的图像去噪方法。

为了实现上述目的，本发明的技术方案是：一种基于生物视觉感受野机制的图像去噪方法，包括如下步骤：

S1.判断噪声：将待处理噪声图像经过感受野模板，判断出噪声的位置与大小；

S2.噪声处理：根据步骤S1判断出的噪声，选择感受野模板抑制噪声，获得结果图像：

如果判断噪声值大于零，选用ON感受野模板进行抑制；如果判断噪声值小于零，选用OFF感受野模板进行抑制，并且根据判断噪声值的大小，自适应调节相应感受野模板的大小；

本步骤中，噪声处理的计算过程如下：根据判断噪声选择相应的ON和OFF型感受野模板，分别和噪声图像相卷积，这样噪声就会被抑制。

本步骤中，ON和OFF型感受野模板尺度大小参数，可以根据判断噪声绝对值大小自适应变化，使不同的噪声值被抑制的强度不同。

S3.结果图像亮度校正：对步骤S2得到的结果图像进行亮度校正处理；

S4.迭代处理：将S3处理后的结果图作为噪声图依次进行步骤S1、S2、S3处理，直至结果图像达到最优效果。

上述步骤S1所述的噪声的计算过程如下：噪声图像与感受野模板相卷积，即可得到噪声的位置与大小。

上述步骤S3所述的亮度校正的计算过程如下：

计算步骤S1噪声图的平均亮度和步骤S2获得的结果图像的平均亮度之差，然后将所述亮度之差与结果图像相加；

或者，将结果图像乘以一个系数，使结果图像的信噪比最大。

本发明的有益效果：本发明的图像去噪方法，计算简单、去噪效果很好，不但能取得良好主观效果，而且能够获得较高的信噪比以及很好地保留图像的边缘信息和结构信息。本发明的方法将视觉神经信息机制引入到图像去噪领域，主要是从模拟视觉机制这一最贴近人类视觉感知过程的角度，尝试解决目前图像去噪中高频去噪与边缘保真不能兼容的问题等。

附图说明

图1是本发明的基于视觉感受野机制的图像去噪算法流程示意图。

图2是实施例采用本发明算法对噪声图像进行去噪的结果图。

具体实施方式

下面结合附图和具体的实施例对本发明做进一步的阐述。

人类视觉系统处理信息的能力，远超想象，视觉系统神经元的感受野作为视觉处理信息的基本单元，具有“中心—外周”拮抗特性，而且不同尺度的感受野模板具有不同的作用，基于此提出了本发明的图像去噪方法。