自适应正斜双十字窗均值滤波的脉冲噪声消除方法
【技术领域】
[0001] 本发明属于图像处理技术领域，特别涉及一种可用于航空航天、军事、医学、天文 等诸多领域的数字图像处理的自适应正斜双十字窗均值滤波的脉冲噪声消除方法。
【背景技术】
[0002] (1)脉冲噪声及其模型 随着模式识别和计算机视觉技术的不断发展，人们对图像质量的要求越来越高。但是 图像在采集和传输过程中不可避免地受到外界诸多因素的干扰，致使获取图像的质量不 佳。脉冲噪声是其中重要的一种噪声类型，它是非连续的，由持续时间短和幅度大的不规则 脉冲或噪声尖峰组成。脉冲噪声可分为两大类:限范围随机值噪声和任意随机值噪声。限范 围随机噪声又分为五类，椒盐噪声是限范围随机随机噪声的一种特例，其随机值范围限制 只能取两个值:最小值和最大值。本发明仅仅针对限范围随机脉冲噪声，五种限范围随机脉 冲噪声模型如下： 脉冲噪声模型1
其中，？=?1+?2，且?1=?2，？、？ 1和?2分别为总噪声概率密度、盐噪声概率密度和椒噪声概 率密度。
[0003] 脉冲噪声模型2
其中，P=P1+P2，且pi 关 P2。
[0004] 脉冲噪声模型3
其中，ll和12分别为噪声暗灰度区间长度和亮灰度区间长度参数，且P=Pl+P2，Pl=P2和ll =工2 〇
[0005] 脉冲噪声模型4
其中，P=Pl+P2,且Pi 关 P2和ll=l2。
[0006] 脉冲噪声模型5
其中，P=P1+P2,且pi关P2和ll关12。
[0007] 从以上五种噪声模型可以看出：模型4是模型5的特例即模型5在h=l2时为模型4， 模型3是模型4的特例，模型2是模型3的特例，模型1是模型2的特例，即1 1=12=0且?1=?2，在?1 情况下Ixy=〇，在P2情况下Ixy=255，此时为椒盐噪声。
[0008] (2)研究现状 图像中的限范围脉冲噪声消除方法很多，其中，中值滤波因其算法简单，且能很好地保 持原有图像的细节，在众多领域得到了广泛的应用。然而传统中值滤波对所有的图像像素 进行统一处理，在滤波噪声的同时会改变非噪声像素的值，可能会模糊图像的边缘等细节 信息。为此有多种改进算法，如开关中值滤波方法:首先检测噪声点，然后对噪声点进行中 值滤波，对非噪声点不作处理。但噪声点的检测又成为一个新的难题，尤其是脉冲噪声点的 检测，如有些文献将窗口中所有像素点灰度值的中值与中心点灰度值的差值大于阈值的视 为噪声点，如PSM(progressive median)、TSM(tristate median)方法，这些方法都存在着 最优阈值难于选择的问题，因为最优阈值随着噪声概率密度和图像的变化而变化，难以确 定，且对图像细节结构的保护能力较弱。另外一些文献依据图像中某点灰度值与其邻域内 像素点灰度值的极大值与极小值的关系进行噪声检测，还有一些文献根据图像中某点灰度 值与其邻域内像素点灰度值的均值关系进行噪声检测，这些文献方法的弊端在于会将非噪 声点误判为噪声点。近年来，一些学者提出了一些新的噪声检测方法，如Ng等人提出了一种 边界检测方法(BDND方法）：首先对图像中的每个像素点采用21X21窗口获取邻域值经过排 序并采用相邻差值的最大值方法初步确定噪声边界，然后再用3 X 3窗口来精确确定边界， 最后用边界来确定噪声点;但这种方法不仅计算复杂度高，而且在噪声密度较大时，误检率 车交大。最近Horng等人(Horng S J, Hsu L Y, Li T R, et al. Using Sorted Switching Median Filter to remove high-density impulse noise.Journal of Visual communication and Image Representation, 2013, 24:956-967 ·)提出了一种图像直方 图检测噪声方法，虽然这种方法计算复杂度低，但在低噪声密度情况下失效。所以如果噪声 检测不准确，开关中值滤波效果不理想。另外，中值滤波的效果还依赖滤波窗口的选择，窗 口小，去噪效果差，图像细节保护能力强;窗口大，去噪效果较佳，细节容易损失，图像模糊 加重，为此有学者提出了自适应中值滤波，改善了去噪效果，但窗口增大后不仅因中值滤波 需要排序数据增加导致计算成本增加，且细节保护能力变弱。基于此，张新明等人提出了一 种基于十字滑动窗口的快速自适应图像中值滤波方法(张新明，党留群，徐久成.基于十字 滑动窗口的快速自适应图像中值滤波.计算机工程与应用，2007, 43(27):37-39.),提高 了细节保护能力和运行速度，但这种方法是针对椒盐噪声提出的，另外由于图像非噪声点 的信息利用率不高，且采用是非裁剪中值滤波等原因，所以去噪效果有限。
【发明内容】
[0009] 本发明的目的在于克服上述已有技术的不足，提出了一种自适应正斜双十字窗均 值滤波的脉冲噪声消除方法。本发明不仅使用一种新颖的噪声检测方法较为准确检测噪 声，而且使用十字滑动窗口计算速度较方形窗口快，通过两个十字相交向量退化和推进，依 据噪声强度自动调整窗口大小来提高去噪效果。
[0010] 本发明的目的是这样实现的： 一种自适应正斜双十字窗均值滤波的脉冲噪声消除方法，包括如下步骤： 步骤1:输入大小为m X η，灰度级为0到L之间的含脉冲噪声图像I，其中L最大灰度级，常 取255; 步骤2:采用子块排序差分最大法和投票法确定限范围噪声上下边界，然后用此上下边 界判断噪声，产生噪声0-1二值映射矩阵Ν1，具体步骤如下： 步骤2.1:将含有脉冲噪声的图像分成s子块，s=mn/25/25;如果大小不够分块，以对称 方式扩展边界，保证每个子块大小都为25 X 25; 步骤2.2:对每个子块的像素值进行排序，获得一个排序向量； 步骤2.3:对排序向量相邻的分量进行差分计算，得到差分向量； 步骤2.4:求差分向量前半分量的最大分量对应的排序向量分量，此分量即为下边界 bi； 步骤2.5:求差分向量后半分量的最大分量对应的排序向量分量，此分量即为上边界 b2 ； 步骤2.6:用255减每个子块中的每个像素值； 步骤2.7:采用步骤2.2至步骤2.5方法得到差分向量前半分量的最大分量对应的排序 向量分量bs和差分向量后半分量的最大分量对应的排序向量分量b6;然后获得下边界b3和 上边界 b4: b3=255-b6，b4=255-b5; 步骤2.8:对每一个子块，bi和b3的最大值为子块的下边界bi，b2和b4的最小值为子块上 边界b2; 步骤2.9:集中每个子块的下边界值进行投票，在s个值中，得票最多的边界值为噪声最 终下边界匕，同理，得到噪声最终上边界b2; 步骤2.10:用b#Pb2产生噪声0-1二值映射矩阵N1:
其中，1代表非噪声点，〇代表噪声点； 步骤3:设R为恢复图像，其对应的噪声0-1二值映射矩阵NR，令R=I，#=妒； 步骤4:初选3 X 3滤波窗口，进行3 X 3正斜双十字窗递归均值滤波； 步骤4.1:对于R中的每一个像素（i，j )，采用3 X 3正十字窗口均值滤波，其窗口对应的 点为：馬二{Λ#(卜-1，九#(以--+ + ，获得滤波结果R1:
以上采用了开关滤波技术，即对噪声点(妒（1，」）=0)作均值滤波，非噪声点(NkiJh 1)保持不变;也采用了裁剪滤波技术，即只对31冲为1的点(非噪声点)取均值，以下类同。 [0011]如果Sij为零矩阵，则Ri( i，j)=0，其噪声0-1二值映射矩阵为：
步骤4.2:对于心中的每一个像素（i，j )，采用3 X 3正十字窗口均值滤波，其窗口对应的 点为：:焉二讲~-!'_^；^'广"、#(/'八#(./^^!),#^十1_/》，获得滤波结果1? 2:
以上采用递归滤波技术，即对前一次滤波结果办再作均值滤波，以下类同； 如果Sij为零矩阵，则R2(i，j )=0，其噪声0-1二值映射矩阵为：
步骤4.3:对于此中的每一个像素（i，j )，采用3 X 3正十字窗口均值滤波，其窗口对应的 点为:(I - i A # 节 i-优為#5 a/+i)f JV& $ 4'w
如果Sij为零矩阵，则R3(i，j )=0; 其中，步骤4.1至lj步骤4.3中的mean表示取均值，i=l, 2，