[发明专利]一种高斯-脉冲混合图像噪声去除方法

说明书

本发明公开了一种高斯‑脉冲混合图像噪声去除方法，包括在目标图像上检测随机脉冲噪声的位置并滤波，得到滤波处理后的图像，且用概率矩阵记录随机脉冲噪声的位置；将滤波处理后的图像分解成多个图像块，并在目标图像上找到相应的图像子块叠成张量形式并建立相应的张量低秩‑稀疏分解模型；求解每一个张量低秩‑稀疏分解模型中的优化问题，并采用交替方向法实现分解迭代优化直到收敛；获取每一个张量低秩‑稀疏分解模型的低秩张量并展开成矩阵形式，得到每一个图像子块的去噪结果并对重叠区域求均值，得到最终去噪结果。实施本发明，有效融合图像局部和非局部的统计特性，克服自适应中值滤波器检测精确度不够的问题，能够同时滤除高斯‑脉冲混合噪声，实现信噪比更高的去噪效果。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种高斯-脉冲混合图像噪声去除方法。

背景技术

图像信号在获取和传输过程中，常因各种外界噪声的干扰导致质量下降，从而严重影响到图像的后续处理，如边缘检测、目标识别、特征提取、图像分割等，因此图像去噪成为图像处理过程中最基础和重要的环节，并且引起了广泛的关注。然而，现有的图像去噪方法大多是面向零均值高斯噪声，如传统的各向异性扩散、非线性扩散、双边滤波、非局部均值及其相关的去噪方法。其实在实际应用中，图像的噪声是多样化的，部分学者认为图像成像过程中产生的噪声可以被零均值高斯噪声和脉冲噪声所形成的混合噪声较好的近似表示。因此，如何处理高斯-脉冲所形成的混合噪声受到了广泛的关注。

近年来，研究者们提出了很多处理高斯-脉冲混合噪声的方法。例如，许光宇采用极值压缩顺序阶绝对差(ECROAD)的统计方法来检测脉冲噪声，并联合ECROAD结果与非局部滤波框架，提出了一种基于非局部均值的通用图像脉冲噪声滤波器。例如，孟樊等人通过定义稳健矩阵填充，即从非完全且存在稀疏误差的采样矩阵元中精确恢复出原始低秩矩阵，并通过最小化核范数与L1-范数的组合构建了相应的凸优化模型，然后将其应用于混合高斯与椒盐噪声去除的问题中，提出一种基于低秩矩阵重建的图像混合噪声去除算法。例如，Yu Xiao等人基于字典学习，提出一种通过L1-L0范数最小化的图像高斯-脉冲混合噪声去除算法。Jielin Jiang等人基于非局部自相似性先验和自适应正则化，提出一种基于稀疏非局部先验的混合噪声去除两相法。例如，赵井坤等人在现有加权编码算法的基础上，提出一种将图像的稀疏表示和非局部相似先验融合的改进算法。例如，Roman Garnett等人引入一个图像的局部统计量来检测图像的脉冲噪声，并将其应用于一个去除加性高斯噪声的滤波器，提出一种基于脉冲检测器的通用噪声去除算法。

在现有的高斯-脉冲混合噪声的处理方法中，该方法首先检测脉冲噪声的位置，并利用中值滤波器对脉冲噪声进行滤波，得到只剩高斯噪声污染的过渡图像，最后对过渡图像进行高斯噪声滤波得到最终去噪后的图像，但是发明人发现上述方法具有如下缺点：一、只能处理椒盐噪声，而椒盐噪声的值只有0或255，因此不符合实际情况；二、通过自适应中值滤波器检测哪些元素受脉冲噪声污染，在实际应用当中这是非常困难，也是不可能实现；三、将图像块展开成向量时，容易丢失图像的空间分布信息。

发明内容

本发明实施例的目的在于提供一种高斯-脉冲混合图像噪声去除方法，能够面向的噪声点可在0-255之间，并克服自适应中值滤波器在检测脉冲噪声时精确度不够的问题，有效融合图像局部和非局部的统计特性，实现信噪比更高的去噪效果。

为了解决上述技术问题，本发明实施例提供了一种高斯-脉冲混合图像噪声去除方法，所述方法包括：

S1、在目标图像上采用自适应中心加权中值滤波器检测随机脉冲噪声的位置并滤波，得到滤波处理后的图像，且进一步用一概率矩阵记录随机脉冲噪声的位置；