基于生物视觉感受野机制的图像去噪方法
【技术领域】
[0001] 本发明属于计算机视觉技术领域，特别设及一种图像去噪方法。
【背景技术】
[0002] 图像是人们获取信息的重要来源，然而，在获取图像时由于多种原因，图像中会混 入噪声，进而导致图像质量的衰退，该就给图像的后续处理带来很大的麻烦，如会对图像的 "边缘检测"、"图像分割"、"特征提取"、"模式识别"等处理产生严重的影响。因此，图像去噪 是图像处理非常重要的一个环节，是后续图像处理的基础。
[0003] 目前图像去噪的算法有很多，主要分为两大类；一类方法是传统的图像去噪算 法，比较典型的算法为高斯滤波。但是使用该种方法进行图像去噪，会造成图像边缘信息 的模糊。另一类算法是根据图像自身的信息进行去噪，如图像的结构信息。比较典型的 算法为Buades等人于2005年又提出的方法，参见文献；A.Buades,B.Coll,J. -M.Morel. Anon-localalgorithmforimagedenoising. 2005ComputerVisionandPattern Recognition, 2005.CVPR2005.IE邸ComputerSocietyConferenceon,Vol. 2:60-65,该算 法是根据图像的结构信息，利用分块匹配的思想进行图像去噪。首先在噪声图像中确定一 个半径为r的图像块，然后再确定一个更大的捜索范围，在捜索范围内的每一点，计算半径 为r的块与确定块之间的绝对差值，W此绝对差值计算权重进行滤波。但该算法的主要缺 陷在于计算量大、计算复杂，并且也会造成图像边缘信息的模糊。
【发明内容】
[0004] 本发明的目的是为了解决现有的图像去噪算法存在的上述缺陷，提出的一种基于 生物视觉感受野机制的图像去噪方法。
[0005] 为了实现上述目的，本发明的技术方案是：一种基于生物视觉感受野机制的图像 去噪方法，包括如下步骤：
[0006] S1.判断噪声；将待处理噪声图像经过感受野模板，判断出噪声的位置与大小；
[0007] S2.噪声处理：根据步骤S1判断出的噪声，选择感受野模板抑制噪声，获得结果图 像：
[000引如果判断噪声值大于零，选用ON感受野模板进行抑制；如果判断噪声值小于零， 选用OFF感受野模板进行抑制，并且根据判断噪声值的大小，自适应调节相应感受野模板 的大小；
[0009] 本步骤中，噪声处理的计算过程如下：根据判断噪声选择相应的ON和OFF型感受 野模板，分别和噪声图像相卷积，该样噪声就会被抑制。
[0010] 本步骤中，ON和OFF型感受野模板尺度大小参数，可W根据判断噪声绝对值大小 自适应变化，使不同的噪声值被抑制的强度不同。
[0011] S3.结果图像亮度校正；对步骤S2得到的结果图像进行亮度校正处理；
[0012] S4.迭代处理：将S3处理后的结果图作为噪声图依次进行步骤S1、S2、S3处理，直 至结果图像达到最优效果。
[0013] 上述步骤S1所述的噪声的计算过程如下：噪声图像与感受野模板相卷积，即可得 到噪声的位置与大小。
[0014] 上述步骤S3所述的亮度校正的计算过程如下：
[0015] 计算步骤S1噪声图的平均亮度和步骤S2获得的结果图像的平均亮度之差，然后 将所述亮度之差与结果图像相加；
[0016] 或者，将结果图像乘W-个系数，使结果图像的信噪比最大。
[0017] 本发明的有益效果；本发明的图像去噪方法，计算简单、去噪效果很好，不但能取 得良好主观效果，而且能够获得较高的信噪比W及很好地保留图像的边缘信息和结构信 息。本发明的方法将视觉神经信息机制引入到图像去噪领域，主要是从模拟视觉机制该一 最贴近人类视觉感知过程的角度，尝试解决目前图像去噪中高频去噪与边缘保真不能兼容 的问题等。
【附图说明】
[0018] 图1是本发明的基于视觉感受野机制的图像去噪算法流程示意图。
[0019] 图2是实施例采用本发明算法对噪声图像进行去噪的结果图。
【具体实施方式】
[0020] 下面结合附图和具体的实施例对本发明做进一步的阐述。
[0021] 人类视觉系统处理信息的能力，远超想象，视觉系统神经元的感受野作为视觉处 理信息的基本单元，具有"中屯、一外周"括抗特性，而且不同尺度的感受野模板具有不同的 作用，基于此提出了本发明的图像去噪方法。
[0022] 本发明的方法首先将相关的视觉机制引入到图像去噪研究领域，噪声图像经过感 受野模板后可W判断出噪声的位置与大小，该一步称为判断噪声处理；根据判断噪声，利用 相应的感受野模型自适应抑制噪声，该一步称为噪声处理；然后再根据噪声图像的亮度校 正结果图的亮度，结果图亮度修正后的图像作为迭代处理的噪声图像，进行迭代处理，直至 达到最优的去噪效果。
[0023] 下面通过实施例进行具体说明。
[0024] 本实施例中，具体选用一幅灰度图像为例进行说明，图像中分别混入高斯加性噪 声，高斯方差为0.05。
[0025] 本实施例所用的感受野数学模型为
简写为 dog(〇i，〇2，Ai，A2)，其中，
表示为感受野中的任意一点到感受野中屯、的距离， 曰1曰2表示高斯核函数的尺度参数，A1，A,代表权重系数。具体的图像去噪算法的流程图如 图1所示，具体过程如下；
[0026]S1.判断噪声；噪声图像经过参数为dog(0. 1，0. 08, 1，1)感受野模板后，可W判断 出噪声的位置与大小。
[0027] 上述步骤S1所述的感受野模板尺度大小参数根据噪声图中噪声的情况而变化。
[002引S2.噪声处理；根据判断噪声，选择相应的感受野模板抑制噪声。如果判断噪声值 大于零，就选用ON感受野模板进行抑制。如果判断噪声值小于零，就选用OFF感受野模板 进行抑制，并且根据判断噪声值的大小，自适应调节相应感受野模板的大小，使不同噪声值 被抑制的强度也不同，最终使处理后的像素值接近原图像像素值。如果判断噪声为零的话， 则不需要处理。
[0029] 本实施例中所用的ON型感受野模板参数为dog(1，2. 6, 1，0.化0. 2*sin (X-0. 04))，所用的OFF型感受野模板参数为dog(- (-1. 2