基于局部均值差值的自适应伪球滤波方法
【技术领域】
[0001] 本发明涉及计算机视觉中的图像增强领域，特别是数字图像中自适应的滤波方 法。
【背景技术】
[0002] 作为图像预处理的一个步骤，图像滤波的结果对后续的图像处理和计算机视觉 任务具有重要的影响。最快最直接的方法是使用线性滤波，该方法对整幅图像使用固定大 小和固定权重的模板，但该方法一个明显的缺点是在滤除噪音的同时，造成边缘等细节的 模糊。因此，能够同时实现噪音抑制和边缘保持的自适应滤波技术被广泛的提出。
[0003] 自适应滤波技术主要有两种[1]:自适应权重方法[2]和自适应窗口方法[3]。自 适应权重方法使用固定窗口，窗口中的权重值依赖于图像的局部统计特征。自适应窗口方 法中滤波器的窗口大小随图像特征的变化而改变。本发明的自适应伪球滤波方法，属于自 适应权重方法。
[0004] Cornsweet 和 Yellot [4]提出了 Intensity-Dependent-Spread 模型，该模型使 用像素灰度值的倒数作为自适应高斯滤波器的方差。Vaezi和Bavarian [5]提出了混合 尺度（composite-scale)高斯滤波器，点（x，y)处的方差被定义为：
【主权项】
1. 一种基于局部均值差值的自适应伪球滤波方法，其特征在于，包括步骤： 步骤S1 ;获取图像并将其转化为灰度图像； 步骤S2 :定义连续伪球函数；具体方式为：对于伪球函数
使用二次曲面 = ^ &与伪球函数进行拼接，获得连续伪球函数为：
其中S为连续伪球函数的 尺度参数，￡为连续伪球函数的边缘保持参数，系数a、5的计算公式为：
步骤S3 ;定义伪球滤波器模板；具体方式为；根据步骤S2定义的连续伪球函数，对于 (2左+1) X (2知1)大小的伪球滤波模板/巧其（i，处的权重值定义为：
其中i=l，…，2知1，7^1，…，2知1，护知1且础勺取值范围为1?5 ; 步骤S4 ;计算图像中各点处的均值差值；具体方式为；对于图像中任一位置XU，_F)，将 中也为XU，_F)、大小为（2知1)X(2知1)的方形区域确定为XU，_F)的支撑区域并记为口巧） ，计算0狂)内各像素点灰度值的平均值和标准差，并分别记为W;脚和5;巧)，然后计算巧巧 内去掉点XU _7)后各像素点灰度值的平均值并记为m:(巧，将;》巧)=的巧)-巧巧)|定义为 点XU，_F)处的均值差值； 步骤S5;计算图像中各点处的加权均值差值；具体方式为；对于图像中任一位置 XU _7)，定义?C(巧= 風为点XU _7)处的加权均值差值，其中前为〇風内灰度 值位于区间[化r)-c-5沁y)，j口r)-c-siOT]的像素点个数，jpr)表示点XU_F)的灰度值，C 的取值范围为1?5; 步骤S6 ;计算伪球滤波器在图像中各点处的尺度参数；具体方式为；对于图像中任一
位置XU _F)，伪球滤波器在点XU _F)处的尺度参数为9= '说^IIIIIIIIII^，其中比例系数a 的取值为1?4,哪S表示一个小于1(T8的正数； 步骤S7 ;计算伪球滤波器在图像中各点处的边缘保持参数；具体方式为；对于图像中 任一位置X U _7)，伪球滤波器在点X U _7)处的边缘保持参数为处巧=哪(-矿听(巧），比例 系数^的取值为1?4; 步骤S8 ;计算图像中各点处归一化的伪球滤波模板；具体方式为；对于图像中的任一 位置XU，_7)，由步骤S6和步骤S7分别获得该点处的尺度参数和边缘保持参数<X) ，然后根据步骤S3获得点XU，_7)处的伪球滤波模板皿i.，定义归一化的伪球滤波模板为
步骤S9 ;使用归一化的伪球滤波模板对图像进行滤波，输出滤波后的图像；具体方式 为：对于图像中的任一位置XU 7)，将n〇￡)内各点处的像素灰度值与归一化伪球滤波模板 P&?对应位置处的权重值相乘，然后求和即可获得点XU，_F)处滤波后的输出值。
【专利摘要】本发明涉及一种基于局部均值差值的自适应伪球滤波方法，包括：获取图像并将其转化为灰度图像、定义连续伪球函数、定义伪球滤波器模板、计算图像中各点处的均值差值、计算图像中各点处的加权均值差值、计算伪球滤波器在图像中各点处的尺度参数、计算伪球滤波器在图像中各点处的边缘保持参数、计算图像中各点处归一化的伪球滤波模板，最后使用归一化的伪球滤波模板对图像进行滤波，输出滤波后的图像。本发明提供的方法较固定参数的图像滤波能更好的保留图像的边缘等细节信息，较自适应的维纳滤波具有更好的噪音抑制能力。
【IPC分类】G06T5-00
【公开号】CN104599250
【申请号】CN201510034546
【发明人】刘红敏, 司增艳, 汤永利, 王静, 贾利琴, 王志衡, 霍占强, 邓超, 姜国权
【申请人】河南理工大学
【公开日】2015年5月6日
【申请日】2015年1月23日