噪声像素自适应滤波方法及噪声像素自适应滤波系统的制作方法
【专利摘要】本发明实施例公开了一种噪声像素自适应滤波方法及一种噪声像素自适应滤波系统。该方法包括：采集标准图像的图像信号；将标准图像的图像信号转换为矩阵信号；创建噪声干扰信号模型，通过噪声干扰信号模型计算所述标准图像的噪声信号；将矩阵信号和噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果；将滤波系统的输出结果与标准图像作差，得到误差；重复上述各个步骤，得到多个误差，计算多个误差的绝对误差，当绝对误差最小时，将得到最佳的滤波权值结束本次滤波。本发明的技术方案可以解决滤波收敛速度和滤波时变跟踪能力与稳态误差之间的矛盾，并且能够快速有效地处理图像，在有效快速滤除噪声的同时，减小稳态误差，更能够保留图像的主要信息，提高算法的执行效率。
【专利说明】
噪声像素自适应滤波方法及噪声像素自适应滤波系统
技术领域
[0001] 本发明涉及计算机应用技术领域，特别是涉及一种噪声像素自适应滤波方法及自 适应滤波系统。
【背景技术】
[0002] 在图像处理的计算机应用技术领域当中，例如电视视讯信号处理的领域，时常需 要面对的问题之一即各种的噪声(noise)效应对于图像质量的干扰。众所周知，所述噪声效 应对于图像信号的干扰有业界所熟知的脉冲噪声（impulse noise)、空间噪声（spatial noise)、时域噪声、或者其它类型的噪声问题。一般而言，在处理这些噪声时，通常采用的方 法视针对每一种噪声特性会使用一个特定的电路来检测并抑制该噪声。
[0003] 但是，现有的图像滤波方法存在的主要缺陷有以下几个方面:处理速度不够快、算 法执行效率不高、图像噪声滤波跟踪速度与稳态误差方面的矛盾，上述的各个缺陷在现有 的图像滤波方法中一直得不到很好的解决。
[0004] 有鉴于此，本发明实施例有必要提供一种可以解决拍照过程中滤波收敛速度和滤 波时变跟踪能力与稳态误差之间矛盾的噪声像素自适应滤波方法及噪声像素自适应滤波 系统。
【发明内容】
[0005] 为了克服上述【背景技术】的缺陷，本发明实施例提供一种噪声像素自适应滤波方法 及自适应滤波系统，可以解决滤波收敛速度和滤波时变跟踪能力与稳态误差之间的矛盾， 并且能够快速有效地处理图像，在有效快速滤除噪声的同时，减小稳态误差，更能够保留图 像的主要信息，同时提高算法的执行效率。
[0006] 为了解决上述技术问题本发明实施例的所采用的技术方案为：
[0007] -种噪声像素自适应滤波方法，包括：
[0008] 采集标准图像的图像信号；
[0009] 将所述标准图像的图像信号转换为矩阵信号；
[0010] 创建噪声干扰信号模型，通过所述噪声干扰信号模型计算所述标准图像的噪声信 号；
[0011]将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结 果；
[0012] 将所述滤波系统的输出结果与标准图像作差，得到误差；
[0013] 重复上述各个步骤得到多个误差，计算所述多个误差的绝对误差，当所述绝对误 差最小时，所述将得到最佳的滤波权值结束本次滤波。
[0014] 进一步地，所述标准图像用R表示，所述矩阵信号如公式(1)所示：
[0015]
[0016] 公式（1)中，g，k分别为所述标准图像R的高度和宽度；像令C
[rij ]为以像素 rij为中心的大小为N的滤波窗口。
[0017] 进一步地，所述创建噪声干扰信号模型包括：
[0018] (1)采用二阶的自适应滤波器；
[0019] (2)W* = [0.8,0.5]7为有限长单位冲击想应滤波器FIR的系数；
[0020] (3)x(n)是方差为1、均值为0的高斯模拟输入信号；
[0021] (4)v(n)是方差为0.04、均值为0的高斯白噪声，且v(n)与x(n)不相关。
[0022]进一步地，在第五百个采样点时刻，时变系统发生突变，FIR权矢量系数变成W* = [0·4,0·2]τ。
[0023] 进一步地，将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系 统的输出结果，包括:将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，通过公式 (2)、（3)和(4)计算得到滤波系统的输出结果，所述公式(2)、（3)和(4)如下所示；
[0024] e(n) =d(n)-xT(n)ff(n) (2)
[0025] μ(η) =β( l_exp(_a I e(n) |m)) (3)
[0026] ff(n+l)=ff(n)+2y(n)e(n)x(n) (4)
[0027] 其中，所述W(n) = [w(n)，w(n-l)，w(n-2)，· · ·，w(n-L+l)]T为滤波器在时刻n的权 重矢量，所述X(n)为输入激励矢量，d(n)为期望响应值，v(n)为干扰噪声，e(n)为误差。
[0028] 所述比较模块进一步用于使用所述多个误差通过公式(5)分别计算所述滤波系统 的权值；
[0029] μ(η) =β( l_exp(_a I e(n) 13)) (5)
[0030] 其中，所述m为误差e(n)的指数系数，所述m = 3为最佳的权值更新方法。
[0031 ]所述方法进一步包括将所述滤波系统清零。
[0032] 一种噪声像素自适应滤波系统，包括：
[0033]采集模块，用于采集标准图像的图像信号并将所述标准图像的图像信号转换为矩 阵信号；
[0034]处理模块，用于创建噪声干扰信号模型，通过所述噪声干扰信号模型计算所述标 准图像的噪声信号、用于将所述矩阵信号和所述噪声信号叠加作为滤波输入信号得到滤波 系统的输出结果；
[0035] 比较模块，用于将所述滤波系统的输出结果与标准作差，得到误差;并重复上述各 个步骤得到多个误差，计算所述多个误差的绝对误差，当所述绝对误差最小时，所述滤波结 束。
[0036] 进一步地，所述标准图像用R表示，所述矩阵信号如公式(1)所示：
[0037]
[0038] 公式(1)中，g，k分别为所述标准图像R的高度和宽度;像I
为以像素 rij为中心的大小为N的滤波窗口。
[0039]进一步地，所述处理模块创建噪声干扰信号模型包括：
[0040] (1)采用二阶的自适应滤波器；
[00411 (2)W* = [0.8,0.5]7为有限长单位冲击想应滤波器FIR的系数；
[0042] (3)x(n)是方差为1、均值为0的高斯模拟输入信号；
[0043] (4)v(n)是方差为0.04、均值为0的高斯白噪声，且v(n)与x(n)不相关。
[0044] 进一步地，在第五百个采样点时刻，时变系统发生突变，FIR权矢量系数变成W* = [0·4,0·2]τ。
[0045] 进一步地，所述处理模块将所述矩阵信号和所述噪声信号叠加作为滤波输入信 号，得到滤波系统的输出结果，包括:所述处理模块将所述矩阵信号和所述噪声信号叠加作 为滤波输入信号，通过公式(2)、（3)和(4)计算得到滤波系统的输出结果，所述公式(2)、（3) 和(4)如下所示；
[0046] e(n) =d(n)-xT(n)ff(n) (2)
[0047] μ(η) =β( l_exp(_a I e(n) |m)) (3)
[0048] ff(n+l)=ff(n)+2y(n)e(n)x(n) (4)
[0049] 其中，所述W(n) = [w(n)，w(n-l)，w(n-2)，· · ·，w(n-L+l)]T为滤波器在时刻n的权 重矢量，所述X(n)为输入激励矢量，d(n)为期望响应值，v(n)为干扰噪声，e(n)为误差噪声， L为滤波器的阶数。
[0050] 所述比较模块进一步用于使用所述多个误差通过公式(5)分别计算所述滤波系统 的权值；
[0051] μ(η) =β( l_exp(_a I e(n) 13)) (5)
[0052] 其中，所述m为误差e(n)的指数系数，所述m = 3为最佳的权值更新方法。
[0053]所述比较模块进一步用于将所述滤波系统清零。
[0054]本发明实施例所提供的技术方案的有益效果在于：由于将所采集标准图像的图像 信号转换为矩阵信号;通过创建噪声干扰信号模型并计算所述标准图像的噪声信号;将所 述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果;将所述滤 波系统的输出结果与标准图像作差，得到误差;使用所述误差计算所述滤波系统的权值;并 且取所述绝对误差最小时滤波系统的权值。由此，根据本发明实施例所公开的技术方案，可 以解决滤波收敛速度和滤波时变跟踪能力与稳态误差之间的矛盾，并且当迭代次数相同 时，根据本发明实施例所公开的技术方案的稳态误差是最小的；同时，要取得相同的稳态误 差值，本发明实施例所述的技术方案的迭代次数是最少的；并且，在发生断裂时，本发明实 施例所述的技术方案是最快恢复到原来的稳态误差的，即本发明所述的技术方案的时变跟 踪能力是最快的。总之，本发明实施例所述的技术方案，能够快速有效地处理图像，在有效 快速滤除噪声的同时，减小稳态误差，更能够保留图像的主要信息，同时提高算法的执行效 率。
【附图说明】
[0055] 图1为本发明一种噪声像素自适应滤波方法实施例的流程图；
[0056] 图2为本发明一种噪声像素自适应滤波方法实施例的稳态误差对比图；
[0057]图3为本发明一种噪声像素自适应滤波方法实施例的收敛速度和时变跟踪能力与 稳态误差对比图；
[0058] 图4为本发明一种噪声像素自适应滤波系统实施例的模块结构示意图；
[0059] 图5为本发明一种噪声像素自适应滤波系统的模块结构示意图。
【具体实施方式】
[0060] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照【附图说明】 本发明的【具体实施方式】。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图，并获得其他的实施方式。
[0061] 为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表 其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的 部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，"一个"不仅表示 "仅此一个"，也可以表示"多于一个"的情形。
[0062] 请参考图1，本发明的一实施例提供一种噪声像素自适应滤波方法。所述一种噪声 像素自适应滤波方法，包括如下步骤：
[0063] 步骤11，采集标准图像的图像信号;此时图像的采集可以是手机等移动终端拍照。 [0064]步骤12,将所述标准图像的图像信号转换为矩阵信号;所述标准图像的采集可以 是通过手机移动终端拍照得来的，将所述图像信号转换为矩阵信号可以参考现有技术进行 转换，例如将所述获取的图像的高度和宽度转换为矩阵信号的像素形式，提取主要像素采 用Mat Iab软件进行转化。
[0065] 步骤13,创建噪声干扰信号模型，通过所述噪声干扰信号模型计算所述标准图像 的噪声信号;所述的噪声可以是手机拍照时的噪声像素的干扰。
[0066] 步骤14,将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统 的输出结果；
[0067] 步骤15,将所述滤波系统的输出结果与标准图像作差，得到误差；
[0068] 步骤16,重复上述各个步骤，得到多个误差，计算所述多个误差的绝对误差，当所 述绝对误差最小时，所述将得到最佳的滤波权值结束本次滤波。当所述多个误差的绝对值 的平均值保持不变时，即可视为该误差为最小误差。
[0069] 本发明实施例所提供的技术方案中，由于将所采集标准图像的图像信号转换为矩 阵信号;通过创建噪声干扰信号模型并计算所述标准图像的噪声信号;将所述矩阵信号和 所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果;将所述滤波系统的输出 结果与标准图像作差，得到误差;使用所述误差计算所述滤波系统的权值;并且取所述绝对 误差最小时滤波系统的权值。由此，根据本发明实施例所公开的技术方案，可以解决滤波收 敛速度和滤波时变跟踪能力与稳态误差之间的矛盾，并且当迭代次数相同时，根据本发明 实施例所公开的技术方案的稳态误差是最小的；同时，要取得相同的稳态误差值，本发明实 施例所述的技术方案的迭代次数是最少的;并且，在发生断裂时，本发明实施例所述的技术 方案是最快恢复到原来的稳态误差的，即本发明所述的技术方案的时变跟踪能力是最快 的。总之，本发明实施例所述的技术方案，能够快速有效地处理图像，在有效快速滤除噪声 的同时，减小稳态误差，更能够保留图像的主要信息，同时提高算法的执行效率。
[0070] 进一步地，所述标准图像用R表示，所述矩阵信号如公式(1)所示：
[0071] (1)
[0072] 公式（1)中，g，k分别为所述标准图像R的高度和宽度;像1 为以像素 rij为中心的大小为N的滤波窗口。
[0073] 进一步地，所述创建噪声干扰信号模型包括：
[0074] (1)采用二阶的自适应滤波器；
[0075] (2)W* = [0.8,0.5]TS有限长单位冲击想应滤波器FIR的系数；
[0076] (3) X (η)是方差为1、均值为0的高斯模拟输入信号；
[0077] (4 Mn)是方差为0.04、均值为0的高斯白噪声，且ν(η)与X (η)不相关。进一步地， 根据本发明实施例所述的技术方案，当在第五百个采样点时刻，时变系统会发生突变，所述 有限长单位冲击想应滤波器FIR权矢量系数变成W*= [0.4，0.2]τ。
[0078] 进一步地，将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系 统的输出结果，包括:将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，通过公式 (2)、（3)和(4)计算得到滤波系统的输出结果，所述公式(2)、（3)和(4)如下所示；
[0079] e(n) =d(n)-xT(n)ff(n) (2)
[0080] μ(η) =β( l_exp(_a I e(n) |m)) (3)
[0081] ff(n+l)=ff(n)+2y(n)e(n)x(n) (4)
[0082] 其中，所述W(n) = [w(n)，w(n-l)，w(n-2)，. . .，w(n-L+l)]T为滤波器在时刻n的权 重矢量，所述X(n)为输入激励矢量，d(n)为期望响应值，v(n)为干扰噪声，e(n)为误差。
[0083] 进一步地，所述方法包括使用所述多个误差通过公式(5)分别计算所述滤波系统 的权值；
[0084] μ(η) =β( l_exp(_a I e(n) 13)) (5)
[0085] 其中，所述m为误差e(n)的指数系数，所述m = 3为最佳的权值更新方法。根据本发 明实施例所述的技术方案，将作差后得到的误差作为滤波系统权值变化的激励因子，当绝 对误差达到最小时所取得的滤波系统的权值使得滤波系统具有最优的滤波效果。
[0086] 所述方法进一步包括将所述滤波系统清零。当滤波过程中，每次滤波时需要将上 一次的滤波结果清零，以免再次使用时造成系统的滤波迭代干扰，同时控制系统的外部强 干扰时的复位。采用本发明实施例所述的清零方案可以增加系统的稳定性与可靠性。
[0087] 请参考图2,本发明实施例所述的一种噪声像素自适应滤波方法实施例的稳态误 差对比图。图2的横轴表示迭代次数n，纵轴表示稳态误差即噪声误差e(n)的绝对值Ie(n)I。 图2中的三条曲线从下到上分别为m取值为3、2.75和2时的Ie(n) I的值的变化曲线。当迭代 次数，并且当迭代次数η取值相同时，根据本发明实施例所公开的技术方案，当m取值为3时 的稳态误差Ie (η) I是最小的。
[0088] 请参考图3,本发明实施例所述的一种噪声像素自适应滤波方法实施例的收敛速 度和时变跟踪能力与稳态误差对比图。图3的横轴表示迭代次数n，纵轴表示稳态误差即噪 声误差e(n)的绝对值Ie(n)I。图3中的三条曲线1、2和3分别为采用本发明实施例所述的方 法、变步长调整规则的自适应滤波算法(SVSLMS)、及改进的SVSLMS所得出的Ie(η) I的值的 变化曲线。从图3的曲线可以看出，要取得相同的稳态误差值，本发明实施例所述的技术方 案的迭代次数是最少的；并且，在发生断裂时（即η取值500时，时变系统会发生突变），本发 明实施例所述的技术方案是最快恢复到原来的稳态误差的，即本发明所述的技术方案的时 变跟踪能力是最快的。
[0089] 本发明一实施例还提供一种噪声像素自适应滤波系统，请参考图4。本发明一实施 例所提供的一种噪声像素自适应滤波系统，包括采集模块41、处理模块42和比较模块43，其 中：
[0090] 所述采集模块41，用于采集标准图像的图像信号并将所述标准图像的图像信号转 换为矩阵信号；
[0091] 所述处理模块42,用于创建噪声干扰信号模型，通过所述噪声干扰信号模型计算 所述标准图像的噪声信号、用于将所述矩阵信号和所述噪声信号叠加作为滤波输入信号得 到滤波系统的输出结果；
[0092]所述比较模块43,用于将所述滤波系统的输出结果与标准图像作差，得到误差;并 重复上述各个步骤得到多个误差，计算所述多个误差的绝对误差，当所述绝对误差最小时， 所述滤波结束。
[0093]本发明实施例所提供的技术方案中，由于将所采集标准图像的图像信号转换为矩 阵信号;通过创建噪声干扰信号模型并计算所述标准图像的噪声信号;将所述矩阵信号和 所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果;将所述滤波系统的输出 结果与标准图像作差，得到误差;使用所述误差计算所述滤波系统的权值;并且取所述绝对 误差最小时滤波系统的权值。由此，根据本发明实施例所公开的技术方案，可以解决滤波收 敛速度和滤波时变跟踪能力与稳态误差之间的矛盾，并且当迭代次数相同时，根据本发明 实施例所公开的技术方案的稳态误差是最小的；同时，要取得相同的稳态误差值，本发明实 施例所述的技术方案的迭代次数是最少的;并且，在发生断裂时，本发明实施例所述的技术 方案是最快恢复到原来的稳态误差的，即本发明所述的技术方案的时变跟踪能力是最快 的。总之，本发明实施例所述的技术方案，能够快速有效地处理图像，在有效快速滤除噪声 的同时，减小稳态误差，更能够保留图像的主要信息，同时提高算法的执行效率。
[0094]进一步地，所述标准图像用R表示，所述矩阵信号如公式(1)所示：
[0095] t
CD
[0096] 公式(I)中，g，k分别为所述标准图像R的高度和宽度;像素 为以像素 rij为中心的大小为N的滤波窗口。
[0097]进一步地，所述处理模块创建噪声干扰信号模型包括：
[0098] (1)采用二阶的自适应滤波器；
[0099] (2)W* = [0.8,0.5]TS有限长单位冲击想应滤波器FIR的系数；
[0100] (3)x(n)是方差为1、均值为0的高斯模拟输入信号；
[0101] (4)v(n)是方差为0.04、均值为0的高斯白噪声，且v(n)与x(n)不相关。
[0102] 进一步地，在第五百个采样点时刻，时变系统发生突变，FIR权矢量系数变成W* = [0·4,0·2]τ。
[0103] 进一步地，所述处理模块将所述矩阵信号和所述噪声信号叠加作为滤波输入信 号，得到滤波系统的输出结果，包括:所述处理模块将所述矩阵信号和所述噪声信号叠加作 为滤波输入信号，通过公式(2)、（3)和(4)计算得到滤波系统的输出结果，所述公式(2)、（3) 和(4)如下所示；
[0104] e(n) =d(n)-xT(n)ff(n) (2)
[0105] μ(η) =β( l_exp(_a I e(n) |m)) (3)
[0106] ff(n+l)=ff(n)+2y(n)e(n)x(n) (4)
[0107] 其中，所述W(n) = [w(n)，w(n-l)，w(n-2)，. . .，w(n-L+l)]T为滤波器在时刻n的权 重矢量，所述X(n)为输入激励矢量，d(n)为期望响应值，v(n)为干扰噪声，e(n)为误差噪声， L为滤波器的阶数。
[0108] 进一步地，所述比较模块用于使用所述多个误差通过公式(5)分别计算所述滤波 系统的权值；
[0109] μ(η) =β( l_exp(_a I e(n) 13)) (5)
[0110] 其中，所述m为误差e(n)的指数系数，所述m = 3为最佳的权值更新方法。
[0111] 所述比较模块进一步用于将所述滤波系统清零。
[0112] 本发明实施例所述的技术方案，主要根据图像去噪技术为背景的一些图像噪声滤 波方法与智能算法进行数字图像的快速有效处理，不仅可以用于手机拍照时的噪声像素滤 波，可以用于音乐噪声滤波、手机通话噪声滤波及同声传译噪声滤波等应用。
[0113] 本发明一实施例还提供一种噪声像素自适应滤波系统的结构图，请参考图5。本发 明一实施例所提供的一种噪声像素自适应滤波系统，
[0114] 将输入信号依次输入滤波系统的迭代模块，得到滤波系统的输出结果，并将输出 结果与参考信号（即噪声信号)作差得出滤波方法的激励因子，该激励因子作为权值改变的 主要因素，当输出结果与参考信号的绝对误差达到最小时，此时的权值系统的权值达到最 优，自适应滤波方法效果最佳，控制模块主要作为外围稳定控制系统，主要实现系统的复 位，清零操作。
[0115] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可 以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单 元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其 中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性 的劳动的情况下，即可以理解并实施。
[0116] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可 借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上 述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该 计算机软件产品可以存储在计算机可读存储介质中，如R0M/RAM、磁碟、光盘等，包括若干指 令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施 例或者实施例的某些部分所述的方法。
[0117] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制;尽管 参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可 以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换； 而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和 范围。
【主权项】
1. 一种噪声像素自适应滤波方法，其特征在于:包括： 采集标准图像的图像信号； 将所述标准图像的图像信号转换为矩阵信号； 创建噪声干扰信号模型，通过所述噪声干扰信号模型计算所述标准图像的噪声信号； 将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果； 将所述滤波系统的输出结果与标准图像作差，得到误差； 重复上述各个步骤，得到多个误差，计算所述多个误差的绝对误差，当所述绝对误差最 小时，所述将得到最佳的滤波权值结束本次滤波。2. 根据权利要求1所述的方法，其特征在于： 进一步地，所述标准图像用R表示，所述矩阵信号如公式(1)所示：公式（1)中，g，k分别为所述标准图像R的高度和宽度;像f勺 W像素rij为中屯、的大小为N的滤波窗口。3. 根据权利要求2所述的方法，其特征在于： 进一步地，所述创建噪声干扰信号模型包括： (1) 采用二阶的自适应滤波器； (2) W*= [0.8，0.5]t为有限长单位冲击想应滤波器FIR的系数； (3) x(n)是方差为1、均值为0的高斯模拟输入信号； (4) v(n)是方差为0.04、均值为0的高斯白噪声，且v(n)与x(n)不相关。4. 根据权利要求3所述的方法，其特征在于： 进一步地，在第五百个采样点时刻，时变系统发生突变，FIR权矢量系数变成W*= [0.4， 0.2]t。5. 根据权利要求3所述的方法，其特征在于： 进一步地，将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统的 输出结果，包括:将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，通过公式（2)、 (3)和(4)计算得到滤波系统的输出结果，所述公式(2)、（3)和(4)如下所示； e(n) =d(n)-x^(n)W(n) (2) ]i(n)=0(l-e邱（-a I e(n) |m)) (3) W(n+l)=W(n)+2y(n)e(n)x(n) (4) 其中，所述W(n) = [w(n) ,w(n-l) ,w(n-2), . . . ,w(n-L+l) ]T为滤波器在时刻n的权重矢 量，所述X(n)为输入激励矢量，d(n)为期望响应值，v(n)为干扰噪声，e(n)为误差。6. 根据权利要求5所述的方法，其特征在于： 进一步地，所述方法包括使用所述多个误差通过公式(5)分别计算所述滤波系统的权 值； ]i(n)=0(l-e邱（-a|e(n) |3)) (5) 其中，所述m为误差e(n)的指数系数，所述m=3为最佳的权值更新方法。7. 根据权利要求5所述的方法，其特征在于： 所述方法进一步包括将所述滤波系统清零。8. -种噪声像素自适应滤波系统，其特征在于:包括： 采集模块，用于采集标准图像的图像信号并将所述标准图像的图像信号转换为矩阵信 号； 处理模块，用于创建噪声干扰信号模型，通过所述噪声干扰信号模型计算所述标准图 像的噪声信号、用于将所述矩阵信号和所述噪声信号叠加作为滤波输入信号得到滤波系统 的输出结果； 比较模块，用于将所述滤波系统的输出结果与标准图像作差，得到误差;并重复上述各 个步骤得到多个误差，计算所述多个误差的绝对误差，当所述绝对误差最小时，所述滤波结 束。9. 根据权利要求8所述的系统，其特征在于： 进一步地，所述标准图像用R表示，所述矩阵信号如公式(1)所示：(1) 公式（1)中，g，k分别为所述标准图像R的高度和宽度;像f令C[ru]为W 像素rij为中屯、的大小为N的滤波窗口。10. 根据权利要求9所述的系统，其特征在于： 进一步地，所述处理模块创建噪声干扰信号模型包括： (1) 采用二阶的自适应滤波器； (2) W*= [0.8，0.5]t为有限长单位冲击想应滤波器FIR的系数； (3) x(n)是方差为1、均值为0的高斯模拟输入信号； (4) v(n)是方差为0.04、均值为0的高斯白噪声，且v(n)与x(n)不相关。11. 根据权利要求10所述的系统，其特征在于： 进一步地，在第五百个采样点时刻，时变系统发生突变，FIR权矢量系数变成W*= [0.4， 0.2]t。12. 根据权利要求10所述的系统，其特征在于： 进一步地，所述处理模块将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得 到滤波系统的输出结果，包括:所述处理模块将所述矩阵信号和所述噪声信号叠加作为滤 波输入信号，通过公式（2)、（3)和(4)计算得到滤波系统的输出结果，所述公式（2)、（3)和 (4)如下所示； e(n) =d(n)-x^(n)W(n) (2) y(n)=0(l-e邱（-a I e(n) |m)) (3) W(n+l)=W(n)巧]i(n)e(n)x(n) (4) 其中，所述巧(11) = [￥(]1)，'\￥(]1-1)，'\￥(]1-2)，...，'\￥(]1-1>1)]'''为滤波器在时刻]1的权重矢 量，所述X(n)为输入激励矢量，d(n)为期望响应值，v(n)为干扰噪声，e(n)为误差。13. 根据权利要求12所述的系统，其特征在于： 所述比较模块进一步用于使用所述多个误差通过公式(5)分别计算所述滤波系统的权 值； ]i(n)=0(l-e邱（-a|e(n) |3)) (5) 其中，所述m为误差e(n)的指数系数，所述m=3为最佳的权值更新方法。14. 根据权利要求13所述的系统，其特征在于： 所述比较模块进一步用于将所述滤波系统清零。
【文档编号】H04N5/21GK105915762SQ201610395421
【公开日】2016年8月31日
【申请日】2016年6月6日
【发明人】刘小东
【申请人】上海斐讯数据通信技术有限公司