[发明专利]一种RBF插值椒盐噪声图像修复方法

说明书

技术领域

本发明涉及数字图像处理技术领域，特指一种RBF插值椒盐噪声图像修复方法。

背景技术

数字成像传感器CCD或CMOS等被广泛应用于工业、娱乐、民用等领域，在实际使用过程中，受制造缺陷、器件老化、传输错误等因素影响，在获得的成像图像中存在着椒盐噪声污染。椒盐噪声常表现为恒定的极亮或极暗像素，以取值范围为0-255的灰度图像为例，椒盐噪声像素的取值通常为255或0。这种噪声会显著降低图像质量，严重降低视觉效果。如图1所示，1是原始图像，2是30%椒盐噪声污染图像。椒盐噪声对图像质量影响最大，一些非线性滤波方法被用于椒盐噪声图像去噪。中值滤波最早被用于椒盐噪声图像去噪，它以像素邻域内中值代替当前像素，进行图像滤波，图3是2的中值滤波结果。由于中值滤波会将未污染像素错误地用邻域内像素中值取代，而使滤波后图像产生失真。为此，Sun等（[Sun, T, Neuvo, Y., 1994. Detail-preserving median based filters in image processing. Pattern Recognition Lett. 15 (4), 341–347.）首次提出开关中值滤波（Switching Median Filter, SMF)。SMF的基本思想是：先在受污染图像中标记出污染像素（比如像素值为255或0的像素即为污染像素）和未污染像素（像素值介于0-255之间的像素）；在图像修复过程中，只对污染像素进行处理，未污染像素保持不变。这样就可保证未污染像素不被邻域内像素中值替代，而具有更高保真度。4是2的开关中值滤波结果，可以看出，开关中值滤波结果明显优于传统中值滤波方法。但是，当椒盐噪声污染密度较大时，比如80%以上，图1中5，中值滤波和开关中值滤波都难以得到较理想的修复图像。如图1所示，6是5的中值滤波结果， 7是5的选择中值滤波结果。

高密度（椒盐噪声污染比率在50%以上）椒盐噪声污染图像去噪问题受到了国内外学者广泛关注。比如，Esakkirajan (2011)等（Esakkirajan S, Veerakumar T, Subramanyam AN, PremChand CH. Removal of high density salt and pepper noise through modified decision based unsymmetric trimmed median filter. IEEE Signal Process Lett 2011;18(5):287–90.）提出非对称三态滤波用于修复高度密度椒盐噪声污染图像。Lu（2012）等（Lu C.-T, Chou T.-C. Denoising of salt-and-pepper noise corrupted image using modified directional-weighted-median filter, Pattern Recognition Letters, vol. 33, no. 10, pp.1287–1295,2012.）提出改进的方向加权中值滤波算法，可用于修复80%椒盐噪声污染图像。Mu（2013）等（Mu H H, Fan C C, et al. Fast and efficient median filter for removing 1-99% levels of salt-and-pepper noise in images. Engineering Applications of Artificial Intelligence.26 (2013) 1333-1338）根据不同的噪声密度等级，改进SMF算法搜索窗口大小和方向，提出了一种快速、高密度椒盐噪声消除算法，可实现99%椒盐噪声污染图像修复。Vijaykumar（2014）等（V.R.Vijaykumar, G.Santhana, et al. Fast switching based median-mean filter for high density salt and pepper noise removal. International Journal of Electronics and Communications.p:1145–1155,2014）提出了一种选择均值中值滤波算法，通过加大搜索窗口的尺寸，可实现90%椒盐噪声污染图像修复。Zhang（2014）等（Zhang C, Wang K. et al. Removal of high-density impulse noise based on switching morphology-mean filter.International Journal of Electronics and Communications.2014）将形态学与选择滤波融合，提出选择形态学滤波，通过2层选择开、闭形态学滤波，可实现90%椒盐噪声污染图像修复。但是，这类基于局部窗口内中值、均值、极值（最大值或最小值）的选择滤波方法，在进行高密度椒盐噪声图像修复时，较大的滤波窗口容易使图像产生模糊，进而降低修复后图像信噪比。此外，现有方法一般采用检测图像中像素最亮或最暗像素的方式，检测椒盐噪声。这种检测方式，容易将位于较亮或较暗区域中的未污染像素误判为噪声污染像素。