[发明专利]一种基于开关非局部全变分的椒盐噪声污染图像滤波方法

说明书

技术领域

本发明属于图像去噪领域，更具体地，涉及一种椒盐噪声污染图像的开关非局部全变分滤波方法。

背景技术

在图像获取或传输的过程中，由于电磁或机械误差，图像不可避免地会受到脉冲噪声的污染。椒盐噪声是一种常见的脉冲噪声，它会严重影响图像的质量，给图像分割、特征提取等图像后续处理过程带来了极大的困难。研究有效的椒盐噪声消除方法，实现在图像降噪的同时有效保护图像的边缘和纹理等细节信息具有重要理论价值和实际意义。

针对图像中的椒盐噪声，目前主流的降噪技术是基于决策的滤波方法，即先采用噪声检测算法检测图像中的噪声，然后对检测出的噪声污染像素进行滤波，而未被污染的像素则保留其恢复值。典型的基于决策的滤波方法包括开关自适应加权均值(switching adaptive weighted mean,简称SAWM)滤波方法、基于拉普拉斯噪声检测的开关中值（Laplacian detector-based switching median,简称LDSM）滤波方法及噪声自适应模糊开关中值(noisy adaptive fuzzy switching median,简称NAFSM)滤波方法等。这些方法在对某一噪声像素进行处理时，通过选定其邻域内像素点的加权或非加权平均来恢复其灰度值。由于只利用了较小的局部邻域内像素点的统计信息，上述方法往往会导致细节模糊和失真，尤其是在图像中噪声水平较高的时候。和上述方法不同，非局部均值（non-local mean，简称NLM）方法利用两个像素点邻域（也称为图像块）之间的欧式距离来度量像素间的相似度，并利基于相似度的权系数来对图像的所有像素点进行加权平均得到恢复图像。受该思想的启发，研究人员通过引入加权非局部梯度函数，将传统的全变分扩展为非局部全变分（non-local total variation,简称NLTV）方法。虽然NLM方法和NLTV方法可以复原受高斯噪声污染的图像，但无法有效恢复受脉冲噪声污染的图像。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于开关非局部全变分的椒盐噪声污染图像滤波方法，其目的在于通过结合基于形态学的噪声检测方法和改进的NLTV方法，达到在有效抑制椒盐噪声的同时有效保护图像的边缘和纹理等细节信息。

为实现上述目的，按照本发明的一个方面，提供了一种基于开关非局部全变分的椒盐噪声污染图像滤波方法，包括以下步骤：

第1步通过一个二阶段的形态学检测算子对椒盐噪声污染的图像进行预处理，以得到参考图像和噪声标志位，具体包括以下子步骤：

（1.1）获得椒盐噪声污染的图像f的形态学腐蚀算子(fΘb)(i,j)与膨胀算子(f⊕b)(i，j)，图像f的大小为P×Q，其中：

(fΘb)(i,j)＝min{f(i+s,j+t)-b(s,t)|(i+s,j+t)∈D_f,(s,t)∈D_b}      (1)