[发明专利]一种基于具有图像细节保护能力的非局部双边滤波的椒盐噪声去除方法

权利要求书

1.一种两步去除具有图像细节保护能力的非局部双边滤波图像椒盐噪声的方法，其特征在于，包括步骤如下：

S1、遍历图像，利用mask矩阵记录噪声点位置；

S2、利用NASMF算法和mask矩阵对噪声点的定位，对噪声点进行中值滤波将椒盐噪声转化为高斯噪声；

所述步骤S2，包括：

(3)计算滤波窗口的中值，并计算噪声点的估计值：

当M(i,j)＝0时，相应的图像像素点(i,j)要进行滤波处理，选取(2s+1)×(2s+1)的滤波窗口，s为预先设定的窗口参数；

滤波窗口形式化的表示为：W_2s+1(i,j)＝{I(i+m,j+n)|m,n∈(-s,...,0,,,s)}，W_2s+1(i,j)表示以(i,j)位置为中心的、边长为2s+1的窗口；m,n分别表示距离当前窗口中心点(i,j)的行、列距离；I(i+m,j+n)表示图像I中(i+m,j+n)处的像素值；

记：

T_2s+1(i,j)表示蒙版矩阵M中以(i,j)位置为中心的、边长为2s+1的窗口内部非噪声点的数量，M(i+m,j+n)表示蒙版矩阵M中(i+m,j+n)处的值；

预先设定区域内非噪声点数量的阈值t，若T_2s+1(i,j)t，说明以(i,j)为中心，(2s+1)×(2s+1)区域内的非噪声点具有足够的数量，则使用式(II)计算噪声点的所在区域的中值即滤波窗口的中值并将结果保存到I_med中，图像I_med的尺寸与含噪图像I的尺寸一致：

I_med(i,j)＝median{I(i+m,j+n)|m,n∈(-s,...,0...,s)} (II)

式(II)中，median{}指的是将图像内以(i,j)为中心，边长为2s+1的窗口内部所有的点从小到大排列，记录中间数的值，并记录到图像I_med(i,j)位置上；

若T_2s+1(i,j)t，则扩展滤波窗口，即s→s+1，重新利用公式(II)计算滤波窗口的中值，并记录到I_med中；

当遍历完矩阵M中所有值为0的点后，利用式(Ⅲ)计算噪声点的估计值：

I_final＝(1-F(i,j))I(i,j)+F(i,j)I_med(i,j) (Ⅲ)

式(Ⅲ)中，I_final指的是去噪之后的图像；

D(i,j)为滤波窗口内局部灰度变化最大值：

D(i,j)＝max{|I(i+k,j+l)-I(i,j)|,k,l∈(-2,2),(i+k,j+l)≠(i,j)}；

max{}返回的是集合中的最大值，并记录在D(i,j)中；T₁和T₂为预先设定的阈值；

(4)将若干副原始不含噪图像I_original分别加入椒盐噪声，加入的椒盐噪声的强度为60％～90％，得到对应的若干副含噪图像I，通过步骤(3)得到对应的噪声点的估计值I_final，对含噪图像I和原始不含噪图像I_original做逐点的差值运算，利用式(Ⅳ)得到误差图像I_err：

I_err＝I_original-I_final (Ⅳ)

对误差图像I_err进行直方图统计，差值结果服从统计意义上均值为0的高斯分布，并对这些直方图进行拟合，得到一个均值为0的高斯分布，如式(Ⅴ)所示：

式(Ⅴ)中，表示定义为，即将n_Gauss定义为Gauss(0,σ²)，Gauss(0,σ²)表示均值为0，方差为σ²的高斯分布，将式(Ⅴ)带入式(Ⅳ)中，得到式(Ⅵ)：

I_original＝I_final+n_Gauss (Ⅵ)

由此，将原椒盐噪声去噪问题转化为高斯噪声去除问题，即通过图像I_final获取原始图像I_original；

S3、利用自适应非局部双边滤波方法对图像进行二次滤波，去除噪声；

所述步骤S3，包括：

(5)度量像素间差异性，求取不同的a_{p，q，r，s}值，如式(Ⅶ)所示：

式(Ⅶ)中，y(p,q)和y(r,s)分别表示以(i,j)和(k,l)为中心的图像块中的像素点的灰度值，ε是一个极小数；

(6)计算空间临近度度量函数ω_d(i,j,k,l)及块像素值相似度度量函数ω_r(i,j,k,l)，分别如式(Ⅷ)、式(Ⅸ)所示：

式(Ⅷ)、式(Ⅸ)中,σ_d和σ_r为平滑系数，Θ(i,j)表示以(i,j)为中心、大小为3×3的图像块，y(p,q)表示Θ(i,j)中的点,Θ(k,l)表示以(k,l)为中心、大小为3×3的图像块，y(r,s)表示Θ(k,l)中的点，且a_p,q,r,s0，exp()表示指数函数，即exp(·)＝e^(·)；

(7)通过非局部双边滤波公式对图像进行二次滤波，去除噪声，得到输出图像I_output，用来替换噪声点的估计值I_final，非局部双边滤波公式如式(X)所示：

式(Ⅶ)中,I_output(i,j)表示在(i,j)位置上的输出估计,I_final(k,l)表示图像I_final中(k,l)的像素值,B(i,j)表示I_final图像中以(i,j)为中心点图像块，图像块的尺寸为奇数，该图像块区域内的点记为(k,l)，即(k,l)∈B(i,j)。