[发明专利]一种局部结构自适应的图像扩散去噪方法

摘要

本发明提供一种局部结构自适应的图像扩散去噪方法。特别涉及一种图像局部结构的分类方法、以及一种根据局部结构确定扩散传导系数的方法。图像扩散是指模拟物理学的热扩散形式，对图像像素值进行扩散平滑处理，达到去除噪声的目的。各向异性扩散能够在平滑图像的同时保持边缘、线条等细节信息。本发明所提出的是一种能够根据图像局部细小结构调整不同方向扩散强度的各向异性扩散方法。首先根据局部结构将像素分类，对不同类型定义不同的传导系数函数，再由这些函数根据梯度计算出扩散流量，进而实现保持边缘信息的图像扩散去噪。

主权项

1、一种局部结构自适应的图像扩散去噪方法，其特征在于，方法包括以下计算机可实现的步骤：步骤一、确定用于图像像素分类的局部结构：局部结构是选取图像中当前处理的像素及其周围8邻域，其计9个像素所组成的像素集中像素灰度值的分布形式；步骤二、提取用于图像像素分类的局部结构的分类特征值，局部结构的分类特征值包括像素的局部结构中其他像素与它的灰度最大距离、最小距离、最小绝对距离，以及绝对距离值差；所述的像素分类方法根据局部结构的分类特征值将像素分为3类：孤立点、图像结构、平坦或缓变区；用于进行像素分类的特征量包括以下几个变量：a)邻域灰度距离：D_i＝f(P_i)-f(O)(i＝1，2，...，8)b)最大距离：D_max＝max(D_i)(i＝1，2，...，8)c)最小距离：D_min＝min(D_i)(i＝1，2，...，8)d)最小绝对距离：AD_min＝min(abs(D_i))(i＝1，2，...，8)e)绝对距离值差：AD_min max＝max(abs(D_i))-min(abs(D_i))(i＝1，2，...，8)；步骤三、根据图像某个像素的分类特征值对像素进行分类；根据上述分类特征将每个像素分为孤立点用Type I表示，图像结构用Type II表示、平坦或缓变区用Type III表示三种类别之一，像素分类规则如下：if D_min＞T or D_max＜-TTypeIelse if AD_min＜T and AD_min max＞TTypeIIelseTypeIIIT为分类阈值，物理意义上表示我们识别图像细节信息的最小灰度差异；步骤四、对不同类别的像素设置不同类型的传导系数函数；传导系数函数，包括3种类型，对应于3种像素类别，分别是最小最大函数、指数函数的幂函数、以及指数函数；根据上述分类结果，对三种不同类别的像素，分别定义其传导系数函数f(s)如下：TypeIf(s)=min(s),Dmin>Tmax(s),Dmax<-T]]>TypeIIf(s)=(c(s))2,Di≥Tf(s)=c(s),Di<T]]>TypeIIIf(s)＝c(s)其中c(s)=11+(s/k)2,]]>或c(s)=e-(s/k)2]]>对于孤立点，将传导系数定义为该点与周围像素的最小绝对差值；对于包含图像细节信息的图像结构，当D_i≥T为较强的边缘采用较小的扩散系数，当D_i＜T为较弱的边缘采用较大的扩散系数；对平坦或缓变区，当前像素处于平坦或缓变区域，选择与P-M算法相同的扩散系数；步骤五、根据传导系数函数计算扩散流量并对图像进行图像扩散平滑，扩散流量，根据确定的传导系数函数计算，利用图像梯度值计算任意一个像素与其8-邻域像素的扩散流量对图像进行图像扩散平滑，包括3种类型，对应于3种像素类别，分别是最小最大函数、指数函数的幂函数、以及指数函数；图像扩散平滑，根据确定的邻域各个方向的扩散流量，修改当前像素的灰度值，以达到在保持边缘的情况下平滑去噪的目的；扩散方程的形式定义为：It=div(f(▿I)▿I)]]>其中f(s)为步骤(4)中定义的传导系数函数，具体的数字实现过程如下：表示图像8个方向的梯度值，记(x，y)点的8方向边缘为E(x，y，i)，i＝1，...，8，在离散坐标的数字图像中分别如下：E(x，y，1)＝I(x，y-1)-I(x，y)E(x，y，2)＝I(x，y+1)-I(x，y)E(x，y，3)＝I(x-1，y)-I(x，y)E(x，y，4)＝I(x+1，y)-I(x，y)E(x，y，5)＝I(x-1，y-1)-I(x，y)E(x，y，6)＝I(x-1，y+1)-I(x，y)E(x，y，7)＝I(x+1，y-1)-I(x，y)E(x，y，8)＝I(x+1，y+1)-I(x，y)div表示散度，在离散坐标的数字图像中，平滑扩散流量计算公式为：It=Σi=18f(E(x,y,i))·E(x,y,i)]]>其中c(s)函数中的系数k为各方向边缘绝对值均值乘以某个[1～5]之间的常数；根据流量对图像进行平滑的随迭代时间演化公式为：Iⁿ⁺¹＝Iⁿ+λI_tλ(≤0.125)是一个控制扩散速度的常数。