专利名称：一种二次去噪的图像处理方法
技术领域：
本发明属于图像处理技术领域，尤其涉及一种二次去噪的图像处理方法。
背景技术：
图像在生成和传输过程中，经常会引入各种噪声，这些噪声不仅破坏图像的真实信息，还严重影响图像的视觉效果。受噪声干扰的图像可用线性或非线性的滤波方法将噪声滤除。由于图像细节在频域反映为高频分量，易与噪声的高频相混淆，因此，如何保持图像细节，又能有效地滤除噪声，一直是图像处理的关键问题。形态滤波属非线性滤波，是目前较具代表性和发展前途的一种滤波器，其理论依据是数学形态学。 在现有技术中采用的结构元素为非零方阵结构元素，其大小为n*n，再利用形态学 对图像进行处理，虽然可以根据经验来设定所述η的初值，但是图像处理的效果不好。已有的形态滤波方法虽然可以不同程度的改善图像处理效果，但不能克服形态学固有的不足。由于形态学的核心操作腐蚀和膨胀自身固有的运算特征，即形态学的腐蚀和膨胀都是极限操作，这种极限操作在去除噪声的同时容易造成图像信息丢失，尤其对低信噪比的图像去噪，不能取得令人满意的效果。容易造成图像信息丢失，尤其对低信噪比的图像去噪，不能取得令人满意的效果。主要参考文献G. Matheron, J. Serra. The birth of Mathematical Morphology
. Paris:Ecole des Mines de Paris, 2000. http://cmm. ensmp. fr/^serra/pdf/birth_of_mm. pdf.Jesiis Angulo, Jean Serra. Automatic analysis of DNA micro-array imagesusing mathematical morphology [J]. Oxford: BI0INF0RMATICS, 2003,19 (5):553-562.赵春晖.数字形态滤波器理论及其算法研究[D].哈尔滨哈尔滨工业大学电磁测量技术与仪器，1998.刘剑.基于数学形态学的形态滤波算法研究[D].哈尔滨哈尔滨工业大学信息与通信工程学院，2006.赵于前.基于数学形态学的医学图像处理理论与方法研究[D].长沙中南大学，2006.Allan G. Hanbury, Jean Serra. Morphological Operators on the UnitCircle[J], IEEE TRANSACTIONS ON IMAGE PROCESSING, 2001,10 (12):1842-1850.崔屹.图像处理与分析数学形态学方法及应用[M].北京科学出版社，2000. 25-25.ZHANG Jun-song, YU Jin-hui, MAO Guo-hong, et al. De-noising of Chinese.刘彬、张仁津.一种采用两段粒子群优化的路径规划方法[J].山东大学学报，2012. 2,42 (I).邓菁、郑永果.基于形态学的图像二值化方法[J].多媒体技术及应用，2002.10，28 (11).[11]章东平、刘济林、祝金标.一种基于灰值形态学的汽车牌照提取方法[J].电子技术应用· 2004. 1
发明内容
本发明要解决的技术问题是提供一种有效的图像噪声去除方法，以满足用户对图像去噪的要求。为解决上述技术问题，本发明提供了一种二次去噪的图像处理方法，包括
①设输入图像为f，其像素大小为W*H;
定义零方阵的单位结构元素SE，其大小为n*n，其中η表示结构元素SE的尺寸；对所述单位结构元素的定义，零方阵单位结构元素定义及证明
定义I :SE集由形状相同、不同尺寸的结构元素构成的集合，称为SE集。
权利要求
1.一种二次去噪的图像处理方法，其特征在于，包括如下步骤①输入像素大小为W*H的图像f;定义零方阵的单位结构元素SE，其大小为n*n ；②对所述η设定初值，η< W且η < H ;③利用η为所述初值的单位结构元素SE对所述图像f进行形态学运算，以计算出中间输出图像及其峰值信噪比PSNR ；④以所述峰值信噪比PSNR为代价函数，用粒子群优化技术更新所述粒子速度V与所述粒子位置X，得到全局最优的粒子位置，根据所述全局最优的粒子位置得到所述单位结构元素SE的大小，即得到η的最优值；η彡W且η彡H ;⑤在η为所述最优值的单位结构元素SE的基础上，对所述的图像f进行所述形态学运算，得到最终输出图像。
2.根据权利要求I所述的二次去噪的图像处理方法，其特征在于，所述η根据所述粒子位置乘以一系数得到，且所述系数的取值范围为[5，15]。
3.根据权利要求2所述的二次去噪的图像处理方法，其特征在于，所述形态学运算为均衡形态学、二值形态学或灰值形态学运算。
4.根据权利要求3所述的二次去噪的图像处理方法，其特征在于，所述均衡形态学运算包括利用所述单位结构元素SE定义均衡腐蚀运算Μ^αη{/{ + A,y+i) - SE(h,k}},即把集合[fQ + Kj^ i) SE(h,k)}内灰度值的中值作为所述图像f像素点(i，j)的灰度值；其中，i取值范围为
，j取值范围为
，h取值范围为
，k取值范围为[O，n_l]；利用所述单位结构元素SE定义均衡膨胀运算即把集合取 t)}内灰度值的中值作为所述图像f像素点(i，j)的灰度值；其中，i取值范围为
，j取值范围为
，h取值范围为
，k取值范围为[O，n_l]；用η为所述初值的单位结构元素SE对所述图像f进行所述均衡腐蚀运算，得到大小为(W-n+l)*(H-n+l)的均衡腐蚀图像；用η为所述初值的单位结构元素SE对所述均衡腐蚀图像进行所述均衡膨胀运算，得到大小为W*H的均衡膨胀图像，即为所述中间输出图像；然后，计算所述均衡膨胀图像的峰值信噪比PSNR。
5.根据权利要求4所述的二次去噪的图像处理方法，其特征在于所述步骤④中的以所述峰值信噪比PSNR为代价函数，用粒子群优化技术更新所述粒子速度V与所述粒子位置X，得到全局最优的粒子位置的方法，包括如下步骤a :定义所述第i个粒子的历史最优位置为Pi=[Pn，PiD]，所述均衡膨胀图像的峰值信噪比PSNR为个体极值Pid，所述m个粒子中最高的峰值信噪比PSNR为全局极限gid，限定粒子最大所述飞翔速度为Vmax,当前迭代次数为t，且t初值为O ;b:根据当前粒子的位置和速度，按式
全文摘要
本发明涉及一种二次去噪的图像处理方法，该方法首先定义零方阵单位结构元素、并利用形态学运算对图像f进行处理得到相应峰值信噪比PSNR；然后以峰值信噪比为代价函数，用粒子群优化技术更新粒子的速度和粒子位置，以全局最优的粒子位置的变换值作为结构元素大小；最后用该结构元素对图像f进行形态学运算，得出最佳输出图像；本发明克服了现有形态学采用极值运算的固有不足，能根据图像受噪声污染的程度自适应获取结构元素大小，有效地去除图像中的脉冲噪声，可广泛用于图像处理、车牌信息提取、边缘检测等领域。
文档编号G06T5/30GK102622735SQ20121011475
公开日2012年8月1日 申请日期2012年4月18日 优先权日2012年4月18日
发明者倪福银, 刘舒祺, 朱幼莲, 程钦, 许致火, 黄成 申请人:江苏技术师范学院