[发明专利]一种去除高斯噪声和脉冲噪声的混合噪声滤波方法

说明书

技术领域

本发明属于数字图像滤波技术领域，特别是一种去除高斯噪声和脉冲噪声的混合噪声滤波方法。

背景技术

图像在产生和传输过程中常常会受到各种噪声的污染，致使图像的质量下降。在应用中，有两种噪声可以充分代表大部分图像中的噪音，即高斯噪声和脉冲噪声，这两种噪声和混合噪声在实际中也是难以避免的，对这种混合噪声的去除是图像处理中重要而又富有挑战性的课题。

随着图像处理技术的不断发展，混合噪声滤波问题一直是国内外学者关注的问题。方先成等针对高斯-脉冲混合噪声滤波问题提出了基于BM3D的两种不同去噪方法，当高斯噪声的方差和脉冲噪声浓度变化时，两种方法呈现出不同的优势。吴德刚先根据脉冲噪声的特点和局部能量信息提取出脉冲噪声，采用中值滤波加以去除，然后采用均值滤波对高斯噪声进行去噪。肖孟强等针对医学图像中的混合噪声滤除问题,综合考虑中值滤波算法和均值滤波算法的各自优点,提出了一种针对混合噪声的滤波算法，更完整的保存了图像细节信息。Liu等提出一个加权范数能量最小化模型以去除图像中的混合噪声，并通过实验结果验证该方法的可行性。Camarena等针对彩色图像引入一种基于模糊加权向量中值滤波器(FWMF)模型来检测和去除噪声，试验结果表明该方法能够有效地去除噪声并保留边缘信息。上述方法都能在一定程度上滤除图像中的混合噪声，但原理复杂，算法复杂度较高，图像处理速度较慢。

发明内容

本发明的目的在于提供一种简单方便、效果显著的去除高斯噪声和脉冲噪声的混合噪声滤波方法，针对高斯噪声和脉冲噪声，实现数字图像的混和噪声去噪。

实现本发明目的的技术解决方案是：一种去除高斯噪声和脉冲噪声的混合噪声滤波方法，步骤如下：

步骤1，对于受电弓图像中高斯噪声和脉冲噪声的混合噪声，采用先进边界区分噪声检测算法即ABDND算法对脉冲噪声进行抑制；

步骤2，针对步骤1中对脉冲噪声进行抑制后的图像，采用均值滤波算法对高斯噪声进行抑制；

步骤3，重复步骤1～2中两种算法进行递进滤波，最终滤除受电弓图像中的混合噪声。

进一步地，步骤1所述ABDND算法为基于自适应开关中值滤波算法ASMF的改进算法，包含噪声像素检测、噪声像素核实、噪声像素滤除三个阶段，具体步骤如下：

(1.1)噪声像素检测阶段：通过直方图处理得到噪声像素的范围，并以此为依据初步判断噪声像素和非噪声像素；

(1.2)噪声像素核实阶段：对临时噪声像素点附近的像素点进行局部信息统计，判断该像素点是否噪声像素点；

(1.3)噪声像素滤除阶段：采用ASMF算法滤除噪声像素，实现图像的脉冲噪声滤除。

进一步地，步骤(1.1)所述噪声像素检测阶段：通过直方图处理得到噪声像素的范围，并以此为依据初步判断噪声像素和非噪声像素，具体如下：

1)获取图像的全局灰度直方图，对相邻灰度值的直方图数值做差值处理，得到差值序列ΔH：

ΔH_i＝H_i+1-H_i，i＝MIN,MIN+1,…,MAX-1(1)

其中，H_i是灰度值i对应的直方图数值，ΔH_i是灰度值i的前向差分值，MIN、MAX分别为灰度值的最小值、最大值；

2)根据差值序列ΔH，得到差值中的正最大值和负最大值，根据式(2)得到噪声像素的两个边界T₁和T₂：

其中，Index2、Index1分别是正、负最大值在差值序列ΔH中的索引值；

3)采用大小为W×W的滤波窗口对图像像素点进行遍历，滤波窗口的中心点与待检测像素点重合，并统计该窗口内像素点的最大灰度值s_max和最小灰度值s_min，根据式(3)得到滤波图像的噪声标识矩阵r(i,j)，初步判断该像素点是否是噪声像素：

其中，s_i,j是图像中点(i，j)的像素灰度值，r(i,j)＝1则该点为临时噪声像素点，r(i,j)＝0则该点不是噪声像素点。

进一步地，步骤(1.2)所述噪声像素核实阶段：对临时噪声像素点附近的像素点进行局部信息统计，判断该像素点是否噪声像素点，具体如下：

对于临时噪声像素做以下算法处理：