[发明专利]一种基于置信相似度的递归高斯极大似然估计的冲激噪声抑制方法

摘要

本发明公开了一种基于置信相似度的递归高斯极大似然估计的冲激噪声抑制方法。首先假设灰度值为0和255的像素是被噪声污染的像素，得到掩膜图像，计算噪声密度；然后循环确定每个像素的复原值，若是噪声点则将带权估计值赋给目标复原图像，否则直接将当前像素值赋值给目标复原图像，并计算当前像素为窗口权值矩阵，通过高斯极大似然估计计算出当前像素的估计值，每次迭代过程都重新计算图像中未被噪声污染的像素灰度值，并计算其对于噪声图像中对应位置像素灰度值的峰值信噪比，如果该峰值信噪比不再增大，则迭代停止。本发明在有效抑制冲激噪声的同时保存局部细节，使得局部结构有更好的对比度，取得更好的图像复原效果。

主权项

一种基于置信相似度的递归高斯极大似然估计的冲激噪声抑制方法，其特征在于，包括以下步骤：步骤1、扫描大小为(m×n)的噪声图像x，检测椒盐噪声，得到掩膜图像M^o；步骤2、由M^o计算噪声密度ρ，定义M^u为递归中标记未被噪声污染像素的位置的矩阵，并将M^u初始化为M^o；定义PSNR_U为噪声图像中未被噪声污染的像素对应位置处估计的像素值关于未被污染像素的峰值信噪比，初始化为0；定义Γ为第k次迭代的PSNR_U(k)与第k‑1次迭代的PSNR_U(k‑1)的差值，并初始化为无穷大，其中k＝1,2，…,50；步骤3、若Γ大于0且ρ<＝70％，或者ρ>＝70％，则依次对噪声图像x中每个像素x_j(j＝1,2,3,…m×n)按照步骤4和步骤5进行处理；步骤4、若像素x_j对应M^o中相同位置的值为0，则判断该像素x_j为被噪声污染的像素，定义像素x_ij为以x_j为中心的窗口N_j范围内的任意一个像素，计算以像素x_ij为中心的像素块与以像素x_j为中心的像素块之间的距离d_ij，然后由d_ij计算x_ij对应的权值w_ij，用窗口中所有的像素x_ij和所述w_ij通过高斯极大似然估计来计算目标复原图像μ中的像素值μ_j，然后将M^u中相应位置的元素置为1；步骤5、若像素x_j对应M^o中相同位置的值为1，则判断该像素x_j为未被噪声污染的像素，直接将x_j赋给目标复原图像μ中的像素值μ_j；同理，在以像素xj为中心的窗口N_j范围内，计算以像素x_ij为中心的像素块与以x_j为中心的像素块之间的距离然后由计算x_ij对应的权值用窗口中所有的像素x_ij和所述的通过高斯极大似然估计来计算图像复原值然后将M^u中相应位置的元素置为1；步骤6、将x更新为图像μ，求步骤5中所有估计的关于原噪声图像中相应位置的像素值x_j的信噪比PSNR_U；由此计算Γ，若Γ大于0，转到步骤3，若Γ小于0，转到步骤7；步骤7、迭代停止，得到最终复原图像。