专利名称：一种利用全变差最小化和灰度共生矩阵的图像去噪方法
技术领域：
本发明涉及的是一种图像处理方法。
背景技术：
在图像成像及传输过程中，难免会受到各种噪声的干扰，给图像的后续使用和解析带来很多不利影响。因此，图像去噪是数字图像处理的基本任务之一，是图像特征提取、分割和模式识别等图像操作的前提。近年来，RUDIN等人提出的基于全变差最小化的图像去噪方法因其在去噪的同时能够有效地保护图像边缘而在图像去噪领域得到广泛的研究及应用，受到越来越多研究者的重视。通常含噪图像的全变差比不含噪图像的全变差明显大，全变差最小化去噪的基本思想就是通过减少图像的全变差以达到去噪的目的。其实质是先将图像去噪问题转化为一个泛函求极值问题，再使用变分法导出一个欧拉-拉格朗日方程。然后在给定初始条件和边界条件下，通过数值计算求解出去噪图像。但该去噪模型易将噪声所在位置当做图像边缘的来处理，在图像平滑区域产生阶梯效应。为了解决全变差最小化去噪模型的不足，很多学者对该模型提出了许多改进方法。Chambolle提出一种自适应全变差去噪模型,通过比较梯度模值和给定阈值之间的大小关系来判断是使用全变差最小化模型还是各项同性扩散模型来对图像进行去噪处理。其实质是在利用全变差最小化去噪模型能够保护图像边缘性质的同时，在图像非边缘区域使用各项同性扩散去噪模型抑制噪声，取得了不错的去噪效果。但是，该模型对阈值的选取较为敏感，而且使用梯度模值来判断图像边缘的位置精度不高，容易误判。因此，如何利用含噪图像自身的信息，找到一种切实有效的方法来检测图像边缘等纹理信息，将含噪图像的纹理区域 和平滑区域区分开，并使用一定的技术手段在含噪图像上两种不同区域上自适应的选择全变差最小化去噪方法或各项同性扩散去噪方法来进行处理，是很多研究人员不断努力的目标。
发明内容
本发明的目的在于提供在尽可能不破坏图像原始有用信息和完整性的前提下，在去除噪声的同时很好地保护边缘，减少或者消除阶梯效应的影响的一种利用全变差最小化和灰度共生矩阵的图像去噪方法。本发明的目的是这样实现的:本发明一种利用全变差最小化和灰度共生矩阵的图像去噪方法，其特征是:( I)对原始含噪图像进行高斯滤波:设含噪图像为X，其大小为MXN，灰度级范围为
，用高斯滤波器对图像X进行预处理，去掉非边缘区域孤立的噪声点，其中高斯滤波器的窗口大小为GXG、方差为σ，经过高斯滤波后的得到的图像记为Γ ；(2)使用检测窗遍历由步骤(I)得到的图像，求出每个检测窗内子图像块的四个灰度共生矩阵:I)将图像X'的灰度级由256降为32:
权利要求
1.一种利用全变差最小化和灰度共生矩阵的图像去噪方法，其特征是: (1)对原始含噪图像进行高斯滤波: 设含噪图像为X，其大小为MXN，灰度级范围为[O，255]，用高斯滤波器对图像X进行预处理，去掉非边缘区域孤立的噪声点，其中高斯滤波器的窗口大小为GXG、方差为σ，经过高斯滤波后的得到的图像记为Γ ； (2)使用检测窗遍历由步骤(I)得到的图像，求出每个检测窗内子图像块的四个灰度共生矩阵: 1)将图像Γ的灰度级由256降为32:
全文摘要
本发明的目的在于提供一种利用全变差最小化和灰度共生矩阵的图像去噪方法，包括以下步骤对原始含噪图像进行高斯滤波，使用检测窗遍历得到的图像，求出每个检测窗内子图像块的四个灰度共生矩阵，由得到的灰度共生矩阵求对比度图像，利用得到的对比度图像，并结合全变差最小化模型及各项扩散模型去除原始含噪图像中的噪声干扰。本发明提高了对边缘等纹理信息位置的检测精度，且使用对比度图像来自适应的在全变差最小化去噪方法和各项同性扩散去噪方法之间过渡，兼顾了二者在去噪和保护边缘的方面优点，并能有效地减少阶梯效应的影响。
文档编号G06T5/00GK103198455SQ20131008182
公开日2013年7月10日 申请日期2013年3月14日 优先权日2013年3月14日
发明者袁赣南, 韩自发, 张 杰, 董静, 赵玉新, 李涛, 宋成业, 李强, 郭瑞亮 申请人:哈尔滨工程大学