[发明专利]一种图像去噪方法

说明书

技术领域

本发明涉及图像信息处理技术领域，尤其涉及一种图像去噪方法。

背景技术

随着信息高速公路、数字地球概念的提出以及Internet的广泛应用，信息传输中 的非话业务也急剧增长。其中，图像信息以其信息量大、传输速度快、作用距离远等一系列 优点成为人类获取信息的主要来源及利用信息的重要手段。但数字图像在采集和传输过程 中经常受到设备、环境等因素的影响，使图像质量变差，含有各种随机噪声。噪声的污染使 图像偏离了真实景况，极大地影响了人们从图像中提取信息的准确性，故有必要在利用图 像之前消除噪声。

图像噪声种类有很多，最常见的为脉冲噪声和高斯噪声。对于脉冲噪声采用中值 滤波可以取得理想的效果，同样对于高斯噪声采用小波去噪也具有很好的作用。但中值滤 波对高斯噪声的滤波效果不好，而小波图像去噪法也不能有效的去除脉冲噪声，而在很多 情况下，脉冲噪声与高斯噪声在图像中是同时出现的。

发明内容

针对上述技术问题，本发明的目的在于提供一种图像去噪方法，能够有效滤除图 像中的脉冲噪声和高斯噪声，保证图像传输过程中的真实性。

为达此目的，本发明采用以下技术方案：

一种图像去噪方法，其特征在于包括如下步骤：

A、检测图像的脉冲噪声点；

B、采用自适应中值滤波算法在空间域对脉冲噪声点进行中值滤波处理，滤除图像中的 脉冲噪声；

C、将滤除脉冲噪声的图像变换到小波域，采用基于高斯混合模型的小波去噪法滤除图 像中的高斯噪声。

特别地，所述步骤A包括：

A1、比较图像像素灰度值与其邻域点的灰度值的大小，判断该像素是否为准脉冲噪声 点；

A2、利用像素邻域的结构信息，检测出图像的脉冲噪声点。

特别地，所述步骤B包括：

B1、根据检测出的图像噪声点估计图像不同区域受污染的程度；

B2、根据受污染程度采用相应大小的窗口对脉冲噪声点进行中值滤波处理。

特别地，所述步骤C包括：

C1、建立高斯混合模型作为图像小波系数的模型；

C2、获得随像素自适应调整的模型参数；

C3、将处理后的小波系数利用小波逆变换进行重构，得到去噪后的有效图像信号。

本发明提出的一种图像去噪方法，对于同时含有脉冲噪声和高斯噪声的图像，通 过检测分离出脉冲噪声点，在空间域对被脉冲噪声污染的像素点进行中值滤波处理，然后 将处理后的图像变换到小波域，采用小波去噪法去除图像中的高斯噪声，使用该方法能够 有效去除图像中的脉冲噪声和高斯噪声，保证图像传输的真实性，提高了信噪比，突出了图 像的期望特征。

附图说明

图1是本发明实施例提供的图像去噪方法流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。可以理解的是，此处所描述的具 体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描 述，附图中仅示出了与本发明相关的部分而非全部内容，除非另有定义，本文所使用的所有 的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本 发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发 明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

实施例一

请参照图1所示，图1为本发明实施例提供的图像去噪方法流程图。

本实施例中，图像去噪方法具体包括如下步骤：

S101、比较图像像素灰度值与其邻域点的灰度值的大小，判断该像素是否为准脉冲噪 声点。

脉冲噪声是由于某些原因在图像中产生的一些灰度值很小或很大的污染点，这些 点在灰度特征上与其它像素点有较明显的区别，一般是其邻域中的灰度极值点。故比较图 像像素灰度值与其邻域点的灰度值的大小，能够判断该像素是否为脉冲噪声点。但不含噪 声点的图像灰度平滑区域或有强边界的区域中同样有极值点，故并不是所有的极值点都是 脉冲噪声点，从而通过比较灰度值判断的脉冲噪声点只能作为准脉冲噪声点，最终的结果 还需要经过S102做进一步判断。

S102、利用像素邻域的结构信息，检测出图像的脉冲噪声点。