图像超高密度椒盐噪声的降除方法
【技术领域】
[0001] 本发明属于图像处理技术领域，特别设及一种可用于工业图像、农业图像、医学图 像，天文图像等领域的图像超高密度椒盐噪声的降除方法。
【背景技术】
[0002] 高椒盐噪声图像中50%W上的像素受到了椒盐噪声污染，噪声水平超过机器视觉 中常规滤波算法所能处理的范围。传统的观点认为:作为一种非线性滤波器，中值滤波具有 滤除椒盐噪声并保留图像细节的能力，是常规滤波算法中最适合于高椒盐噪声图像滤波的 算法之一，一些学者在中值滤波的基础上，提出了一些高椒盐噪声图像的中值滤波算法。 Esa化irajan S等人提出了一种改进的决策非对称裁剪中值滤波MD脚TMF化sakkirajan S， Veerakumar T, Subramanyam, AN, et al. Removal of high density salt and pepper noise through modified decision based unsymmetric trimmed median filter. IE邸 Si即al Processing Letters, 2011,18(5): 287-290.)方法，I^iadouria V S等人提出了一种决策禪合窗的中值滤波DBCWMF(Bhadouria V S, (ihoshal D, Siddiqi A H. A new approach for high density saturated impulse noise removal using decision-based coupled window median filter. Signal Image and Video Processing, 2014，8:71-84.)方法，VIbrahim H等人提出了一种简单自适应中值滤波 SAMF(VIbrahim H, Kang N S P, Ng T F. Simple adaptive median filter for the removal of impulse noise from highly corrupted images. IEEE Transactions on Consumer Electronics, 2008, 54(4): 1920-1927.)方法。运些改进的方法提高除去椒盐 噪声的效果，但实验结果表明：对于90%W上的像素受到了椒盐噪声污染的超高密度椒盐噪 声，运些方法去噪的效果不理想。其它常见的去噪方法有基于马尔科夫场模型和基于偏微 分方程的方法、小波域方法、主成分分量法和几何尺度分析方法等，但运些方法在处理超高 密度噪声时，有的失效，有的计算复杂度极高，难W应用。
【发明内容】
[0003] 本发明的目的在于克服上述已有技术的不足，提出了一种图像超高密度(噪声密 度为0.9-0.99)椒盐噪声的降除方法。本发明方法融合了开关滤波、裁剪滤波、递归滤波、自 适应滤波和迭代滤波等技术，能有效抑制超高密度噪声，同时运行速度快捷。
[0004] 本发明的目的是运样实现的： 一种图像超高密度椒盐噪声的降除方法，包括如下步骤： 步骤1)输入大小为mXn，灰度级为0至化之间的含噪声图像I，其中L在图像数据类型为 Uin巧时取255; 步骤2)用最大值和最小值方法判断噪声，生成噪声0-1二值映射矩阵Ni,即当像素值为 最小值0或者为最大值L时，该像素为噪声点Ni(i，j)=0，否则为非噪声点Ni(i，j )=1:
步骤4)设R为恢复图像，其对应的噪声O-1二值映射矩阵妒，令R=I，NK=Ni; 步骤5)3X3四点窗口递归均值滤波3次，每次滤波结束，检查噪声点是否处理完;如果 噪声点处理完，则终止，并输出去噪结果； 步骤6)3X3十字窗口递归均值滤波3次，每次滤波结束，检查噪声点是否处理完;如果 噪声点处理完，则终止，并输出去噪结果，否则增大窗口为5X5,继续进行递归均值滤波； 步骤7)5X5四点窗口递归均值滤波3次，每次滤波结束，检查噪声点是否处理完;如果 噪声点处理完，则终止，并输出去噪结果； 步骤8)5 X 5十字窗口递归均值滤波3次，每次滤波结束，检查噪声点是否处理完;如果 噪声点处理完，则终止，并输出去噪结果，否则增大窗口为7X7,进行如上所述的7X7四点 递归均值滤波和7 X 7十字窗口递归均值滤波，一直到窗口为11 X 11结束； 步骤9)如果P大于或等于0.85并小于0.9,用十字窗Sij=[0 1 0;1 1 1;0 1 0]对所获 得的去噪结果Rt进行均值滤波：
-1 1]对所获得的去噪结果Rt 进行
[0005]进一步的，上述步骤5)所述的3X3四点窗口递归均值滤波3次，每次滤波结束，检 查噪声点是否处理完，按如下步骤进行：
步骤5.1)对于R中的每一个像素（i，j )，采用3 X 3四点窗口均值滤波，3 X 3四点窗口对 应的点为 ，获得滤波结义Ki:
如J
，现JR=Ri，算法终止，输出滤波结果； 步骤5.2)对于Ri中的每一个像素（ij)，采用3X3四点窗口均值滤波，其对应的点为：
，获得滤 k结巧K2:
去终止，输出滤波结果； 巧值滤波，其对应的点为： 玄 ：('/ + !,/))'，获得滤波 结 仁R3,算法终止，输出滤波 结果； 所述步骤5.1)、步骤5.2)、步骤5.3)中的mean表示取均值，i=l，2,…，m，j=l，2,…， n； 进一步的，上述步骤6)所述的3 X 3十字窗口递归均值滤波3次，每次滤波结束，检查噪 声点是否处理完，按如下步骤进行： 步骤6.1)用R3替换R，更新N哺护，即：及=&，耻J:=：部本，评=护； 步骤6.2)对于R中的每一个像素（i，j)，采用3X3十字窗口均值滤波，其对应的点为： ，获得滤
如果Sij为零矩阵，则R3(i，j )=0，其噪声0-1二值映射矩阵为： 鋪果； 立的点为： ，获得滤 皮结果； 立的点为： < ，获得滤 R3,算法终止，输出去噪
结 2,...，m，j_l，2,...，n〇
[0 巧次，每次滤波结束，检 查 I滤波，5 X 5四点窗口对 应 ），A^;:(n.'2j)}，获 得 终止，输出滤波结果； 值滤波，其对应的点为： 2。/)}，获得滤波 结 去终止，输出滤波结果；
值滤波，其对应的点为： (y.、h'2j)}，获得滤 步骤7.5 )如I
，则R=Rs，算法终止，输出去噪 结果； 所述步骤7.2)、步骤7.3)、步骤7.4)中的mean表示取均值，i=l，2，…，m，j=l，2，…，n。 [0007]进一步的，上述步骤8)所述的5X5十字窗口递归均值滤波3次，每次滤波结束，检 查噪声点是否处理完，按如下步骤进行： 步骤8.1)用R3替换R，更新N哺护，即：另=/?，恥''=耻^，妒=护； 步骤8.2)对于R中的每一个像素（i，j )，采用5 X 5十字窗口均值滤波，其对应的点为：
，获滤波结果化： I输出滤波结果； 步骤8.3)对于Ri中的每一个像素（i，j)，采用5 X 5十字窗口均值滤波，其对应的点为： ，获得滤波结果
出滤波结果； 其对应的点为： ，获得滤波结 终止，输出去噪 结果； 所述步骤8.2)、步骤8.3)、步骤8.4)中的mean表示取均值，i=l，2，…，m，j=l，2，…，n。 [000引本发明具有W下优点： 第一、本发明首次采用四点窗口和十字窗口交替滤波，并将开关滤波、递归滤波、自适 应滤波和裁剪滤波等技术融合起来，提高了去噪性能。由于采用开关滤波，即仅对噪声点做 均值计算，而非噪声点保留，所W能避免细节模糊； 第二、由于采用递归滤波，即下一次滤波是针对上次滤波的结果进行，所W能提高去噪 效率； 第=、由于采用裁剪滤波，即仅采用非噪声点值进行均值计算，故既能提高去噪效果， 又能降低计算复杂度； 第四、由于采用自适应滤波，即如果在小窗口未处理完噪声点，则逐渐增大窗口进行处 理，保证总是先用最近邻域的非噪声点的均值替代噪声点的值，故能有效提高细节的保持 度； 第五、由于从小窗口到大窗口进行，且每个窗口用四点窗口和十字窗口进行递归开关 裁剪均值滤波3次，充分利用了最近邻域的有用信息，故能够有效抑制超高密度的椒盐噪 声； 第六、本发明采用均值滤波，颠覆了传统的观点：只有中值滤波才能有效消除椒盐噪 声。由于采用均值滤波非中值滤波，即对邻域中的非噪声点进行算术运算，无排序操作，故 能降低复杂度，另外由于采用四点模板和十字模板中的像素而不是采用整个窗口中的像 素，运也降低了计算复杂度，所W滤除噪声的运行时间短，运行速度快，可应用到实时处理 的场合； 第屯、本发明方法不仅能够降除超高密度的噪声，而且对低密度噪声也有效，也就是说 降噪范围广，可W滤除0.1到0.99大范围的椒盐噪声。
【附图说明】
[0009] 图1是本发明提供的图像超高密度椒盐噪声的降除方法的流程图。
[0010] 图2是本发明提供的图像超高密度椒盐噪声的降除方法中设及到的3X3窗口的结 构示意图，其中图2(a)为3X3四点窗(黑色实屯、点），图2(b)为3X3十字窗(两条垂直线段）。
[0011] 图3是本发明提供的图像超高密度椒盐噪声的降除方法中设及到的5X5窗口的结 构示意图，其中图3(a)为5X5四点窗(黑色实屯、点），图3(b)为5X5十字窗(两条垂直线段）。
[0012] 图4是本发明提供的图像超高密度椒盐噪声的降除方法中设及到的7X7窗口的结 构示意图，其中图4(a)为7X7四点窗(黑色