专利名称：一种基于视觉非经典感受野模型的图像去噪方法
技术领域：
本发明属于图像处理技术领域，涉及一种图像噪声去除方法，特别是一种基于视 觉感受野模型的图像去噪方法。
背景技术：
早在1953年，Kuffler等就发现视网膜神经节细胞和侧膝体细胞感受野由两个区 域组成一个小的圆周区和一个稍大一点的环状外周区，该外周区对细胞活动的影响是起 拮抗作用。例如，对于一个中心呈‘On’型的感受野，当具有对比度边缘亮侧照射中心区而 暗边缘侧照射外周区时，会引起中心区的最大兴奋和外周区的最大抑制。距离边缘有一定 距离的细胞只会受到很少的影响。这种视网膜神经节细胞和侧膝体细胞感受野中心外周交 互作用所产生的图像处理作用通常可由高斯差分即‘DoG’模型所描述。该模型假设细胞的 反应由中心区和外周区的响应差所决定。中心区和外周区的响应都可以用以感受野中心为 原点的二维高斯函数所描述。利用中心区和外周区的拮抗作用，‘DoG’模型虽然能较好的 检测出边缘，但会使边缘以外的大面积区域亮度变暗，从而不能真实的模拟出实际的视网 膜神经节细胞和侧膝体细胞感受野的视觉机制。目前为止，仍不清楚视觉系统是如何传输 亮度和亮度梯度的。也许，存在一种补偿机制，可以抵消区域低对比度所引起的神经细胞响 应减弱，但不影响中心外周拮抗机制带来的高对比度边缘的增强。通过分析视网膜神经节细胞和侧膝体细胞的面积反应特性曲线，李朝义院士等证 明了在经典感受野周边抑制区外存在一个更大的外周区。用闪光点刺激感受野中心区，并 系统地逐渐增大光点面积，神经元的放电频率也随着闪光点刺激面积的改变而改变。在初 始的曲线段，反应幅度急剧增加，表明在感受野的中心有一个兴奋区。但更大面积的刺激却 导致反应曲线的急剧下降，这是因为刺激面积超过了中心区而达到周边的抑制区所引起的 抑制产生的。但令李朝义院士等奇怪的是，当刺激面积进一步加大时，神经元放电响应以一 种缓坡的形式又逐步增加。1989年，李朝义等通过对猫的侧膝体神经元的实验证实，对夹角逐渐张大的离散 点，神经元的刺激反应幅度和感受野直径随着离散点夹角的变化而自适应变化。当离散点 排列成直线时(夹角为0度)，神经元放电最强烈，并且感受野范围收缩到最小。随着离散 点夹角的张大，神经元放电逐步减弱，并且感受野范围逐步变大。毫无疑问，神经元这些与 刺激特征相关的自适应能力可以在图像处理中扮演重要的角色。视觉系统中，一个神经元的感受野，指的是光照能增强或压抑该细胞产生信号的 一块有限的视网膜表面区域。感受野是视觉感知的基本单元。“给光”型(on型)神经节细 胞由只照射中心的光电(周围黑暗)引起动作电位的发放(如图1所示)；“撤光”型(off 型)神经节细胞则由中心暗，周围亮的光照引起动作电位的发放(如图2所示)。每一个视 觉神经元只对视野中某特定区域内的刺激产生反应，这个区域称为该神经元的感受野。
发明内容
本发明提出了一种基于视觉非经典感受野模型的图像处理方法，避免了传统的中 心外周拮抗机制在边缘增强的同时损失了区域内信息的事实；利用本发明对图像进行处 理，可在有效滤除图像高频噪声的同时，保留图像的细节；同时对图像边缘具有增强作用。本发明技术方案如下一种基于视觉非经典感受野模型的图像去噪方法，如图6所示，包括以下步骤步骤1 设定视觉非经典感受野模版大小及相应模型参数。设定视觉非经典感受野模版的中心区、外周抑制区和单个抑制亚区的直径分别为 dc, ds，du，且 dc = du，ds 等于 3 至 5 倍 d。；敏感度分别为 Ac, As, Au,且 Ac = As = Au = 1. 0。步骤2 以待去噪原始图像的每一个像素点为中心，按照从左至右、从上到下的顺 序和每次移动一个像素点的原则，在待去噪原始图像中确定若干个与步骤1所设定的视觉 非经典感受野模版大小相同的区域；每一个这样的区域构成一个视觉非经典感受野模型； 针对每一个视觉非经典感受野模型，进行下述步骤3至步骤8的操作。步骤3:根据公式 计算视觉非经典感受野模型中心区中心像素点(X(l，y0)在不受外周抑制区抑 制作用下的响应I_(X(I，y0)和Icen' (x0，y0)；其中ι(χ，y)是视觉非经典感受野模 型中心区像素点(χ，y)的像素值；而Γ (x, y) = Ifflax-Kx, y)，Imax是灰度图像的理
论最大像素值；“c-area”表示中心区域^x0-^-<x<x0+^-,y0-i<y<y0+^； fc(^y) = exp[-( ” ΚπσΙ是中心区高斯核函数；k。是规一化因子，表示为
K= JJ+ 力/2巧2由办; ^为中心区高斯核函数f。(x，y)的尺度参数。 步骤4:根据 计算视觉非经典感受野模型的外周抑制区中中心点为(Xl，Y1)的抑制亚区受到 周围另一中心点为(xjm。，yi+n0)的抑制亚区的抑制性作用Iu(Xl+m，Yl+n)和Iu' (Xl+m， yi+n)；其中:I(Xl+m, Yl+n)是视觉非经典感受野模型中中心点为(Xl+m0, Υι+η0)的抑制亚 区的像素点(Xi+m, yi+n)的像素值；而 Γ (Xl+m, yi+n) = Imax-I (Xl+m, yi+n)，Imax 是灰 度图像的理论最大像素值；“sub-unit”表示中心点为(Χι+!ν Υι+η0)的抑制亚区的区域 / (x, +m,yx + n) = expj-^+w)2 +(^1 + )2]/σ 2|/2^σ 2 是中心点为(Xl+m0， yi+n0)的抑制亚区的高斯核函数；/J 6邓{-[(而+讲)2+(只+力2]/ 2}/2;^>^是
规一化因子；σ 为中心点为(Xfivy1+!^)的抑制亚区的高斯核函数fu(Xl+m，yi+n)的 6
尺度参数。步骤5:根据 K(xI^i) = A JJ厶(而+吼乃+")/^+讲计算视觉非经典感受野模
型的外周抑制区中中心点为(Xl，yi)的抑制亚区受到周围其他所有抑制亚区总的抑制性作 用Iu(Xpy1)和Iu' (X1^y1)；其中“Sur-area”表示视觉非经典感受野模型的外周抑制区
的区域 步骤6 根据 计算视觉非经典感受野模型的外周抑制区对中心区总的抑制作用Isur(m，η)和 Isur' (m，n)；其中I(XQ+m，yQ+n)为外周抑制区内像素点(xQ+m，yQ+n)的像素值；Γ (x0+m,
是外周
抑制区的高斯核函数，夂=JJ办是规一化因子必=令为高
斯核函数fs(Xo+m，y0+n)的尺度参数。步骤7 根据RX (x0, y0) = Icen (x0, y0) -Isur (m, η)RX' (x0, y0) = Icen' (x0，y0) _Isur' (m，n)计算视觉非经典感受野模型的中心像素点(X(l，y0)在受到外周抑制区抑制作用下 的输出响应 RX (χ。，y0)和 RX' (χ。，y0)。步骤8 根据R(x0, y0) = wRX‘ (x0, y0) + (l_w) RX (x0, y0)计算视觉非经典感受野模型经去噪处理后的中心像素点(X(l，y0)的像素值R(Xq， y0)；其中:w(x, y) = 1.0/(1. 0+exp (mean (RF) -medv), Mean (RF)是视觉非经典感受野模型 的平均像素值，medv是整幅待去噪原始图像的平均像素值。步骤9 经步骤3至步骤8计算出步骤2所得的所有视觉非经典感受野模型经去噪 处理后的中心像素点O^ytl)的像素值RO^ytl)后，将所有像素值RO^ytl)按像素点(χ。， y0)在待去噪原始图像中的位置合成，即得到经去噪处理的图像。视觉非经典感受野模型(如图3所示)建立在如下的假设基础上1、该模型由小 的中心兴奋区和大的外周抑制区(为中心区半径的3到5倍)组成。如同传统的DoG模型， 中心区和外周区响应都可以用高斯函数表示，并且总的响应是二者的代数和。2、大范围的 周边抑制区由许多高斯抑制亚区组成，它们之间的交互抑制作用导致外周抑制区对中心兴
6奋区整体抑制作用的减弱。3、感受野中心区、外周区、亚区的大小随着图像局部亮度对比度 的变化而自适应变化。图3(a)和图3(b)分别给出了“给光”型(即On型)和“撤光”型 (即Off型)视觉非经典感受野模型示意图，当中间亮周边暗的光刺激On型感受野时，On 型神经元有最大的发放；同理，当中心暗周边亮的光刺激Off型感受野时，Off型神经元有 最大发放。因此，在发明通过建立非经典感受野的图像处理模型对图像进行处理，可以对图 像边缘亮侧和暗侧对比度都进行增强。下面展示视觉非经典感受野模型的空间频率传输效应。在视觉非经典感受野模型中，有六个感受野基本参数，即中心区敏感度A。，外周抑 制区敏感度K,外周抑制亚区敏感度Au，中心区直径d。r。，外周抑制区直径ds，外周抑制亚区 du，这些参数都会影响到模型的空间滤波特性。为了评估外周抑制亚区的交互抑制作用(可 以认为Al^i此有较大影响)对模型空间滤波特性的影响，我们采用一系列垂直朝向不同空 间频率(从0.1到14周/度(c/degree))的正弦光栅(图4(a))作为刺激。采用每个感 受野模型处理的结果(步骤8的结果)展示到图4(b)上。为了简化分析，中心区和外周区 的增益系数被固定为A。= As = 1. 0，中心区直径d。，外周抑制区直径ds，外周抑制亚区直径 du，分别取10,30和10。变动的参数仅仅是外周抑制亚区的敏感度Au，分别取0,0. 2,0. 4、 0. 6,0. 8和1. 0。当把计算机监视器放到距观察者57cm处，1度的视角相当于计算机屏幕上 的1cm。Au = 0的曲线是当外周抑制亚区间没有交互抑制作用时的窄通带滤波特性，只允许 图像的高频信息通过，减弱图像的低频成份。这种情况就是通常的DoG模型的空间滤波特 性，有利于边缘检测。当外周亚区的侧抑制(Au)出现并开始逐步增加时，外周抑制亚区的 交互抑制作用也相应的增加。随着Au值的增加，低频响应也同步增加，最终的结果是当Au =1.0时表现为一个典型的低通滤波器，即足够强的外周抑制亚区间的交互抑制可以完全 抵消外周区的抑制，并且把感受野从高通滤波器转换为低通滤波器。因此，视觉非经典感受 野模型提供了宽带滤波特性，允许图像的低频成分通过，并且同时保持高频的_3dB截止频 率。这个高频截止频率是一个决定图像信息传输的分辨率关键因素，由感受野中心区、外 周抑制区和外周抑制亚区的大小所决定。如图4(b)所示，当取d。= 10、ds = 30、du= 10 时，所有曲线的高频截止频率为4. 2C/degree。在视觉非经典感受野模型中，有六个感受野 基本参数，即中心区敏感度A。，外周抑制区敏感度ks,外周抑制亚区敏感度Au，中心区直径 d。r。，外周抑制区直径4，外周抑制亚区《，这些参数都会影响到模型的空间滤波特性。为了 评估外周抑制亚区的交互抑制作用(可以认为Ajf此有较大影响)对模型空间滤波特性的 影响，我们采用一系列垂直朝向不同空间频率(从0. 1到14周/度(c/degree))的正弦光 栅(图4(a))作为刺激。采用每个感受野模型处理的结果(步骤8的结果)展示到图4(b) 上。为了简化分析，中心区和外周区的增益系数被固定为A。= As= 1.0，中心区直径d。，外 周抑制区直径ds，外周抑制亚区直径du，分别取10、30和10。变动的参数仅仅是外周抑制亚 区的敏感度Au，分别取0、0. 2,0. 4,0. 6,0. 8和1. 0。当把计算机监视器放到距观察者57cm 处，1度的视角相当于计算机屏幕上的1cm。Au = 0的曲线是当外周抑制亚区间没有交互抑 制作用时的窄通带滤波特性，只允许图像的高频信息通过，减弱图像的低频成份。这种情况 就是通常的DoG模型的空间滤波特性，有利于边缘检测。当外周亚区的侧抑制(Au)出现并 开始逐步增加时，外周抑制亚区的交互抑制作用也相应的增加。随着Au值的增加，低频响应 也同步增加，最终的结果是当Au = 1. 0时表现为一个典型的低通滤波器，即足够强的外周抑制亚区间的交互抑制可以完全抵消外周区的抑制，并且把感受野从高通滤波器转换为低 通滤波器。因此，视觉非经典感受野模型提供了宽带滤波特性，允许图像的低频成分通过， 并且同时保持高频的_3dB截止频率。这个高频截止频率是一个决定图像信息传输的分辨 率关键因素，由感受野中心区、外周抑制区和外周抑制亚区的大小所决定。如图4(b)所示， 当取d。= 10、ds = 30、du= 10时，所有曲线的高频截止频率为4. 2c/degree。本发明的有益效益是本发明提出了一种基于视觉非经典感受野模型的图像处理方法，避免了传统的中 心外周拮抗机制在边缘增强的同时损失了区域内信息的事实；利用本发明对图像进行处 理，可在有效滤除图像高频噪声的同时，保留图像的细节；同时对图像边缘具有增强作用。
图1是视网膜神经节细胞‘On’型感受野示意图。中心为兴奋区，用‘ + ’表示；外 周为抑制区，用‘_’表示。图2是视网膜神经节细胞‘Off’型感受野示意图。中心为兴奋区，用‘_’表示；外 周为抑制区，用‘ + ’表示。图3是视觉非经典感受野模型示意图。(a)图为‘On’型视觉非经典感受野模型， (b)图为‘Off’型视觉非经典感受野模型。图4 (a)是从0. 1到14周/度的正弦刺激光栅，图4 (b)是^ = 10，dr = 30，du = 10，Ac = 1.0, Ar = 1，0，Au 取分别取 0，0.2，0.4，0.6，0.8，1.0 时，DIRF 对图 4(a)正弦刺激 光栅响应的空间频率特性。图5(a)是原阶梯图像，图5(b)是加入高斯白噪声= 10)的阶梯图像，右图是 图像中线的像素灰度图。经本发明去噪处理后的图像见图5(c)，可以看到由于感受野大小 在低对比度区域扩大使高频噪声显著降低，同时，在阶梯边缘等高频区域，由于高对比度产 生的感受野收缩使得边缘得到保留和增强(即马赫效应)。
图6是本发明流程示意图。
具体实施例方式在下面的两个具体实施方式
中，为了测试本发明所述去噪方法的去噪能力，我们 设计了两组实验。第一组实验是对加入高斯噪声的阶梯图像进行处理。第二组是对加入高 斯噪声、椒盐噪声和污点噪声的自然图像进行处理。实施方式一——对加入高斯噪声的仿真阶梯图像进行处理图5(a)是原阶梯图像，图5(b)是加入高斯白噪声= 10)的阶梯图像，右图是 图像水平中线的像素灰度图。我们设置模型参数分别为d。= 3,dr= 10, du = 3, Ac = 1. 0， Ar= 1,0, Au= 1.0，然后根据本发明详细技术方案处理后的图像见图5(c)，可以看到由于 感受野大小在低对比度区域扩大使高频噪声显著降低，同时，在阶梯边缘等高频区域，由于 高对比度产生的感受野收缩使得边缘得到保留和增强(马赫效应)。
具体实施方式
二——对加入高斯噪声、椒盐噪声和污点噪声的自然图像进行滤波采用本发明对加入高斯白噪声、椒盐噪声和污点噪声的一组自然图像去噪，其中 噪声强度均为σ =30。感受野直径为表一至表三粗体数据对应的参数，感受野中心区、外 周区和亚区敏感度均为1.0。根据本发明详细技术方案处理后的输出图像的高斯白噪声，椒盐噪声和污点噪声滤波前后的峰峰信噪比如表1至表3所示。在表头给出了 PSNRl代表污 染图像的峰峰信噪比，表中给出了 PSNR2代表滤波后图像的峰峰信噪比。由表1至表3可 见，本发明很好的滤除了图像处理领域常见的几类噪声。表1.高斯噪声(PSNR1 = 16. 3330) 表2.椒盐噪声(PSNR1 = 14. 3407) 表3.污点噪声(PSNR1 = 14.8612)
权利要求
一种基于视觉非经典感受野模型的图像去噪方法，包括以下步骤步骤1设定视觉非经典感受野模版大小及相应模型参数；设定视觉非经典感受野模版的中心区、外周抑制区和单个抑制亚区的直径分别为dc，ds，du，且dc＝du，ds等于3至5倍dc；敏感度分别为Ac，As，Au，且Ac＝As＝Au＝1.0；步骤2以待去噪原始图像的每一个像素点为中心，按照从左至右、从上到下的顺序和每次移动一个像素点的原则，在待去噪原始图像中确定若干个与步骤1所设定的视觉非经典感受野模版大小相同的区域；每一个这样的区域构成一个视觉非经典感受野模型；针对每一个视觉非经典感受野模型，进行下述步骤3至步骤8的操作；步骤3根据公式 <mrow><msub> <mi>I</mi> <mi>cen</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>0</mn> </msub> <mo>,</mo> <msub><mi>y</mi><mn>0</mn> </msub> <mo>)</mo></mrow><mo>=</mo><msub> <mi>A</mi> <mi>c</mi></msub><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>c</mi><mo>-</mo><mi>area</mi> </mrow></munder><mi>I</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><msub> <mi>f</mi> <mi>c</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mi>dxdy</mi> </mrow> <mrow><msubsup> <mi>I</mi> <mi>cen</mi> <mo>′</mo></msubsup><mrow> <mo>(</mo> <msub><mi>x</mi><mn>0</mn> </msub> <mo>,</mo> <msub><mi>y</mi><mn>0</mn> </msub> <mo>)</mo></mrow><mo>=</mo><msub> <mi>A</mi> <mi>c</mi></msub><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>c</mi><mo>-</mo><mi>area</mi> </mrow></munder><msup> <mi>I</mi> <mo>′</mo></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><msub> <mi>f</mi> <mi>c</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mi>dxdy</mi> </mrow>计算视觉非经典感受野模型中心区中心像素点(x0，y0)在不受外周抑制区抑制作用下的响应Icen(x0，y0)和Icen′(x0，y0)；其中I(x，y)是视觉非经典感受野模型中心区像素点(x，y)的像素值；而I′(x，y)＝Imax I(x，y)，Imax是灰度图像的理论最大像素值；“c area”表示中心区域“ <mrow><msub> <mi>x</mi> <mn>0</mn></msub><mo>-</mo><mfrac> <msub><mi>d</mi><mi>c</mi> </msub> <mn>2</mn></mfrac><mo>≤</mo><mi>x</mi><mo>≤</mo><msub> <mi>x</mi> <mn>0</mn></msub><mo>+</mo><mfrac> <msub><mi>d</mi><mi>c</mi> </msub> <mn>2</mn></mfrac><mo>,</mo><msub> <mi>y</mi> <mn>0</mn></msub><mo>-</mo><mfrac> <msub><mi>d</mi><mi>c</mi> </msub> <mn>2</mn></mfrac><mo>≤</mo><mi>y</mi><mo>≤</mo><msub> <mi>y</mi> <mn>0</mn></msub><mo>+</mo><mfrac> <msub><mi>d</mi><mi>c</mi> </msub> <mn>2</mn></mfrac> </mrow>”； <mrow><msub> <mi>f</mi> <mi>c</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mi>exp</mi><mo>[</mo><mo>-</mo><mrow> <mo>(</mo> <msup><mi>x</mi><mn>2</mn> </msup> <mo>+</mo> <msup><mi>y</mi><mn>2</mn> </msup> <mo>)</mo></mrow><mo>/</mo><msubsup> <mi>σ</mi> <mi>c</mi> <mn>2</mn></msubsup><mo>]</mo><mo>/</mo><mn>2</mn><msub> <mi>k</mi> <mi>c</mi></msub><mi>π</mi><msubsup> <mi>σ</mi> <mi>c</mi> <mn>2</mn></msubsup> </mrow>是中心区高斯核函数；kc是规一化因子，表示为 <mrow><msub> <mi>k</mi> <mi>c</mi></msub><mo>=</mo><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>c</mi><mo>-</mo><mi>area</mi> </mrow></munder><mi>exp</mi><mrow> <mo></mo> <mo>[</mo> <mo>-</mo> <mrow><mo>(</mo><msup> <mi>x</mi> <mn>2</mn></msup><mo>+</mo><msup> <mi>y</mi> <mn>2</mn></msup><mo>)</mo> </mrow> <mo>/</mo> <msubsup><mi>σ</mi><mi>c</mi><mn>2</mn> </msubsup> <mo>]</mo> <mo></mo></mrow><mo>/</mo><mn>2</mn><mi>π</mi><msubsup> <mi>σ</mi> <mi>c</mi> <mn>2</mn></msubsup><mi>dxdy</mi><mo>;</mo> </mrow> <mrow><msub> <mi>σ</mi> <mi>c</mi></msub><mo>=</mo><mfrac> <msub><mi>d</mi><mi>c</mi> </msub> <mn>6</mn></mfrac> </mrow>为中心区高斯核函数fc(x，y)的尺度参数；步骤4根据 <mrow><msub> <mi>I</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><msub> <mi>A</mi> <mi>u</mi></msub><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>sub</mi><mo>-</mo><mi>unit</mi> </mrow></munder><mi>I</mi><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><msub> <mi>f</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mi>dmdn</mi> </mrow> <mrow><msubsup> <mi>I</mi> <mi>u</mi> <mo>′</mo></msubsup><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><msub> <mi>A</mi> <mi>u</mi></msub><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>sub</mi><mo>-</mo><mi>unit</mi> </mrow></munder><msup> <mi>I</mi> <mo>′</mo></msup><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><msub> <mi>f</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mi>dmdn</mi> </mrow>计算视觉非经典感受野模型的外周抑制区中中心点为(x1，y1)的抑制亚区受到周围另一中心点为(x1+m0，y1+n0)的抑制亚区的抑制性作用Iu(x1+m，y1+n)和Iu′(x1+m，y1+n)；其中I(x1+m，y1+n)是视觉非经典感受野模型中中心点为(x1+m0，y1+n0)的抑制亚区的像素点(x1+m，y1+n)的像素值；而I′(x1+m，y1+n)＝Imax I(x1+m，y1+n)，Imax是灰度图像的理论最大像素值；“sub unit”表示中心点为(x1+m0，y1+n0)的抑制亚区的区域“ <mrow><msub> <mi>x</mi> <mn>1</mn></msub><mo>+</mo><msub> <mi>m</mi> <mn>0</mn></msub><mo>-</mo><mfrac> <msub><mi>d</mi><mi>u</mi> </msub> <mn>2</mn></mfrac><mo>≤</mo><mi>m</mi><mo>≤</mo><msub> <mi>x</mi> <mn>1</mn></msub><mo>+</mo><msub> <mi>m</mi> <mn>0</mn></msub><mo>+</mo><mfrac> <msub><mi>d</mi><mi>u</mi> </msub> <mn>2</mn></mfrac><mo>,</mo> </mrow> <mrow><msub> <mi>y</mi> <mn>1</mn></msub><mo>+</mo><msub> <mi>n</mi> <mn>0</mn></msub><mo>-</mo><mfrac> <msub><mi>d</mi><mi>u</mi> </msub> <mn>2</mn></mfrac><mo>≤n</mo><mo>≤</mo><msub> <mi>y</mi> <mn>1</mn></msub><mo>+</mo><msub> <mi>n</mi> <mn>0</mn></msub><mo>+</mo><mfrac> <msub><mi>d</mi><mi>u</mi> </msub> <mn>2</mn></mfrac> </mrow>”； <mrow><msub> <mi>f</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><mi>exp</mi><mo>{</mo><mo>-</mo><mo>[</mo><msup> <mrow><mo>(</mo><msub> <mi>x</mi> <mn>1</mn></msub><mo>+</mo><mi>m</mi><mo>)</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>(</mo><msub> <mi>y</mi> <mn>1</mn></msub><mo>+</mo><mi>n</mi><mo>)</mo> </mrow> <mn>2</mn></msup><mo>]</mo><mo>/</mo><msubsup> <mi>σ</mi> <mi>u</mi> <mn>2</mn></msubsup><mo>}</mo><mo>/</mo><mn>2</mn><msub> <mi>k</mi> <mi>u</mi></msub><mi>π</mi><msubsup> <mi>σ</mi> <mi>u</mi> <mn>2</mn></msubsup> </mrow>是中心点为(x1+m0，y1+n0)的抑制亚区的高斯核函数； <mrow><msub> <mi>k</mi> <mi>u</mi></msub><mo>=</mo><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>sub</mi><mo>-</mo><mi>unit</mi> </mrow></munder><mi>exp</mi><mrow> <mo></mo> <mo>{</mo> <mo>-</mo> <mo>[</mo> <msup><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>)</mo></mrow><mn>2</mn> </msup> <mo>+</mo> <msup><mrow> <mo>(</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mn>2</mn> </msup> <mo>]</mo> <mo>/</mo> <msubsup><mi>σ</mi><mi>u</mi><mn>2</mn> </msubsup> <mo>}</mo> <mo></mo></mrow><mo>/</mo><mn>2</mn><mi>π</mi><msubsup> <mi>σ</mi> <mi>u</mi> <mn>2</mn></msubsup><mi>dmdn</mi> </mrow>是规一化因子； <mrow><msub> <mi>σ</mi> <mi>u</mi></msub><mo>=</mo><mfrac> <msub><mi>d</mi><mi>u</mi> </msub> <mn>6</mn></mfrac> </mrow>为中心点为(x1+m0，y1+n0)的抑制亚区的高斯核函数fu(x1+m，y1+n)的尺度参数；步骤5根据 <mrow><msub> <mi>I</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>)</mo></mrow><mo>=</mo><msub> <mi>A</mi> <mi>u</mi></msub><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>sur</mi><mo>-</mo><mi>area</mi> </mrow></munder><msub> <mi>I</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><msub> <mi>f</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mi>dmdn</mi> </mrow> <mrow><msubsup> <mi>I</mi> <mi>u</mi> <mo>′</mo></msubsup><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>)</mo></mrow><mo>=</mo><msub> <mi>A</mi> <mi>u</mi></msub><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>sur</mi><mo>-</mo><mi>area</mi> </mrow></munder><msubsup> <mi>I</mi> <mi>u</mi> <mo>′</mo></msubsup><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><msub> <mi>f</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mi>dmdn</mi> </mrow>计算视觉非经典感受野模型的外周抑制区中中心点为(x1，y1)的抑制亚区受到周围其他所有抑制亚区总的抑制性作用Iu(x1，y1)和Iu′(x1，y1)；其中“sur area”表示视觉非经典感受野模型的外周抑制区的区域“ <mrow><msup> <mrow><mo>(</mo><mfrac> <msub><mi>d</mi><mi>c</mi> </msub> <mn>2</mn></mfrac><mo>)</mo> </mrow> <mn>2</mn></msup><mo>≤</mo><msup> <mrow><mo>(</mo><msub> <mi>x</mi> <mn>0</mn></msub><mo>+</mo><mi>m</mi><mo>)</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>(</mo><msub> <mi>y</mi> <mn>0</mn></msub><mo>+</mo><mi>n</mi><mo>)</mo> </mrow> <mn>2</mn></msup><mo>≤</mo><msup> <mrow><mo>(</mo><mfrac> <msub><mi>d</mi><mi>s</mi> </msub> <mn>2</mn></mfrac><mo>)</mo> </mrow> <mn>2</mn></msup> </mrow>”；步骤6根据 <mrow><msub> <mi>I</mi> <mi>sur</mi></msub><mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><msub> <mi>A</mi> <mi>s</mi></msub><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>sur</mi><mo>-</mo><mi>area</mi> </mrow></munder><mi>I</mi><mrow> <mo>(</mo> <msub><mi>x</mi><mn>0</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>0</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><msub> <mi>f</mi> <mi>s</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>0</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>0</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mi>dmdn</mi><mo>-</mo><msub> <mi>I</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>)</mo></mrow> </mrow> <mrow><msubsup> <mi>I</mi> <mi>sur</mi> <mo>′</mo></msubsup><mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><msub> <mi>A</mi> <mi>s</mi></msub><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>sur</mi><mo>-</mo><mi>area</mi> </mrow></munder><msup> <mi>I</mi> <mo>′</mo></msup><mrow> <mo>(</mo> <msub><mi>x</mi><mn>0</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>0</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><msub> <mi>f</mi> <mi>s</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>0</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>0</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mi>dmdn</mi><mo>-</mo><msub> <mi>I</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>1</mn> </msub> <mo>,</mo> <msub><mi>y</mi><mn>1</mn> </msub> <mo>)</mo></mrow> </mrow>计算视觉非经典感受野模型的外周抑制区对中心区总的抑制作用Isur(m，n)和Isur′(m，n)；其中I(x0+m，y0+n)为外周抑制区内像素点(x0+m，y0+n)的像素值；I′(x0+m，y0+n)＝Imax I(x0+m，y0+n)； <mrow><msub> <mi>f</mi> <mi>s</mi></msub><mrow> <mo>(</mo> <msub><mi>x</mi><mn>0</mn> </msub> <mo>+</mo> <mi>m</mi> <mo>,</mo> <msub><mi>y</mi><mn>0</mn> </msub> <mo>+</mo> <mi>n</mi> <mo>)</mo></mrow><mo>=</mo><mi>exp</mi><mo>{</mo><mo>-</mo><mo>[</mo><msup> <mrow><mo>(</mo><msub> <mi>x</mi> <mn>0</mn></msub><mo>+</mo><mi>m</mi><mo>)</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>(</mo><msub> <mi>y</mi> <mn>0</mn></msub><mo>+</mo><mi>n</mi><mo>)</mo> </mrow> <mn>2</mn></msup><mo>]</mo><mo>/</mo><msubsup> <mi>σ</mi> <mi>s</mi> <mn>2</mn></msubsup><mo>}</mo><mo>/</mo><mn>2</mn><msub> <mi>k</mi> <mi>s</mi></msub><mi>π</mi><msubsup> <mi>σ</mi> <mi>s</mi> <mn>2</mn></msubsup> </mrow>是外周抑制区的高斯核函数， <mrow><msub> <mi>k</mi> <mi>s</mi></msub><mo>=</mo><munder> <mrow><mo>∫</mo><mo>∫</mo> </mrow> <mrow><mi>sur</mi><mo>-</mo><mi>area</mi> </mrow></munder><mi>exp</mi><mrow> <mo></mo> <mo>[</mo> <mo>-</mo> <mrow><mo>(</mo><msup> <mi>x</mi> <mn>2</mn></msup><mo>+</mo><msup> <mi>y</mi> <mn>2</mn></msup><mo>)</mo> </mrow> <mo>/</mo> <msubsup><mi>σ</mi><mi>s</mi><mn>2</mn> </msubsup> <mo>]</mo> <mo></mo></mrow><mo>/</mo><mn>2</mn><mi>π</mi><msubsup> <mi>σ</mi> <mi>s</mi> <mn>2</mn></msubsup><mi>dxdy</mi> </mrow>是规一化因子； <mrow><msub> <mi>σ</mi> <mi>s</mi></msub><mo>=</mo><mfrac> <msub><mi>d</mi><mi>s</mi> </msub> <mn>6</mn></mfrac> </mrow>为高斯核函数fs(x0+m，y0+n)的尺度参数；步骤7根据 RX(x0，y0)＝Icen(x0，y0) Isur(m，n) RX′(x0，y0)＝Icen′(x0，y0) Isur′(m，n)计算视觉非经典感受野模型的中心像素点(x0，y0)在受到外周抑制区抑制作用下的输出响应RX(x0，y0)和RX′(x0，y0)；步骤8根据 R(x0，y0)＝wRX′(x0，y0)+(1 w)RX(x0，y0)计算视觉非经典感受野模型经去噪处理后的中心像素点(x0，y0)的像素值R(x0，y0)；其中w(x，y)＝1.0/(1.0+exp(mean(RF) medv)，Mean(RF)是视觉非经典感受野模型的平均像素值，medv是整幅待去噪原始图像的平均像素值；步骤9经步骤3至步骤8计算出步骤2所得的所有视觉非经典感受野模型经去噪处理后的中心像素点(x0，y0)的像素值R(x0，y0)后，将所有像素值R(x0，y0)按像素点(x0，y0)在待去噪原始图像中的位置合成，即得到经去噪处理的图像。
全文摘要
一种基于视觉非经典感受野模型的图像去噪方法，属于图像处理技术领域，涉及图像噪声去除方法。本发明基于目前最新的视觉神经电生理研究成果，模拟人眼的视网膜视觉机制，建立视觉非经典感受野模型实现了图像的去噪处理。本发明不但能对图像处理中常见的噪声进行去除，对图像边缘细节还具有增强作用。通过大量的生物实验结果仿真和实际的图像去噪实验，证实了本发明的正确性和有效性。
文档编号G06T5/00GK101930592SQ20091016772
公开日2010年12月29日 申请日期2009年9月23日 优先权日2009年9月23日
发明者尧德中, 李朝义, 杜馨瑜, 杨莉 申请人:电子科技大学