[发明专利]基于迭代非局部均值抑制图像脉冲噪声的方法

摘要

本发明公开一种基于迭代非局部均值抑制图像脉冲噪声的方法，主要用于解决现有方法无法在去噪过程中保留图像细节信息，及在高噪声密度下无法恢复清晰图像的问题。其实现步骤为：(1)对噪声图像使用直方图方法检测噪声位置；(2)通过选择开关中值滤波器对噪声图像进行预滤波；(3)在预滤波后的图像上使用迭代非局部均值方法，得到有效抑制脉冲噪声的清晰图像。仿真实验表明，在受不同程度脉冲噪声的情况下，本发明在主观视觉效果和客观评价结果上均优于现有算法，可用于抑制高密度脉冲噪声，恢复清晰图像。

主权项

一种基于迭代非局部均值抑制图像脉冲噪声的方法,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}，d_k＝||v_i,j‑v_k||²，G₀＝{g₁,g₂,…,g_k,…,g_L}，其中，d_k为被匹配块B(i,j)与第k个相似块灰度值差值的平方和，k＝1,2,…,L，L为列向量D₀的长度，v_i,j表示去掉被匹配块B(i,j)中心像素点的其他像素点灰度值拉成的列向量，v_k为去掉与被匹配块B(i,j)相似的第k个相似块中心像素点的其他像素点灰度值拉成的列向量，||·||²为向量的二范数，g_k为被匹配块B(i,j)的第k个相似块中心像素点的灰度值；(3d)将列向量D₀中选择出的元素聚集成一个列向量D，同时将列向量D在列向量G₀中对应位置处的元素聚集成一个列向量G：$D=\left\{d_k\right|d_k\<\stackrel{\‾}{d},k=1,2,...L\},$$G=\left\{g_k\right|d_k\<\stackrel{\‾}{d},k=1,2,...L\},$$\stackrel{\‾}{d}=\frac{sum\left(D_0\right)}{L},$其中，d_k为列向量D₀的第k个元素，g_k为列向量G₀的第k个元素，L为列向量D₀的长度，为列向量D₀的平均值，sum(·)为向量的求和；(3e)对列向量D和列向量G中的元素采用加权平均方法，估计去噪图像O中受噪声污染像素点的灰度值O(i,j)：(3e1)对列向量D中的元素结合滤波参数h，计算列向量G中对应位置处的元素在恢复去噪图像时选用的权重ω_p：${\mathrm{\ω}}_p=e^{-\frac{d_p}{h}},p=1,2,...,Q,d_p\∈D,$其中，d_p为列向量D中的第p个元素，p＝1,2,…,Q，Q为列向量D的长度；(3e2)用列向量G中Q个元素选用的权重ω_p聚集成一个列向量集W：W＝{ω₁,ω₂,…,ω_p,…,ω_Q},其中，ω_p为列向量集W中的第p个元素，p＝1,2,…,Q；(3e3)对列向量G和列向量集W中的元素加权平均，得到去噪图像O受噪声污染像素点的灰度值O(i,j)：$O(i,j)=\underset{p=1}{\overset{Q}{\Σ}}{\mathrm{\ω}}_p*g_p,$其中，(i,j)为受噪声污染像素点的坐标，i＝1,2，…M，j＝1,2，…N，M×N为噪声图像O的大小，g_p为列向量G中的第p个元素；(3f)用噪声图像I中未受噪声污染的像素点修正去噪图像O对应位置处的像素点，得到恢复图像C₁的像素点的灰度值C₁(i,j)：其中，(i,j)为恢复图像C₁中像素点的坐标，i＝1,2，…M，j＝1,2，…N，M×N为恢复图像C₁的大小，I(i,j)为噪声图像I位于坐标(i,j)处的像素点的灰度值；(3g)根据恢复图像C₁像素点的灰度值C₁(i,j)，得到恢复图像C₁＝{C₁(i,j)}，计算恢复图像C₁与预滤波图像R之间的均方误差MSE：$MSE=\frac{1}{M\×N}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{\left(C_1\right(i,j)-R(i,j\left)\right)}^2,$其中，C₁(i,j)为恢复图像C₁位于坐标(i,j)处像素点的灰度值，R(i,j)为预滤波图像R位于坐标(i,j)处像素点的灰度值；(3h)当均方误差MSE>T时，其中T＝40，将恢复图像C₁作为新的预滤波图像R＝C₁，返回步骤(3a)，当均方误差MSE≤T，或迭代次数大于5时，输出清晰图像C＝C₁。