一种冲击噪声图像去噪方法
【技术领域】
[0001] 本发明涉及一种去除图像中去除冲击噪声的方法。涉及专利分类号G06计算；推 算;计数G06T-般的图像数据处理或产生G06T5/00图像的增强或复原，如从位像到位像地 建立一个类似的图形。
【背景技术】
[0002] 数字成像传感器CCD或CMOS等被广泛应用于工业、娱乐、民用等领域，在实际使用 过程中，受制造缺陷、器件老化、传输错误等因素影响，在获得的成像图像中存在着冲击噪 声污染，冲击噪声包括:椒盐噪声和随机冲击噪声两类。其中，椒盐噪声常表现为恒定的极 亮或极暗像素，以取值范围为0-255的灰度图像为例，椒盐噪声像素的取值通常为255或0。 如图1所示，a是原始图像，b是30%椒盐噪声污染图像。椒盐噪声对图像质量影响最大，一些 非线性滤波方法被用于椒盐噪声图像去噪。中值滤波最早被用于椒盐噪声图像去噪，它以 像素邻域内中值代替当前像素，进行图像滤波，图l.c是b的中值滤波结果。由于中值滤波会 将未污染像素错误地用邻域内像素中值取代，而使滤波后图像产生失真。为此，Sun等 ([Sun,T,Neuvo,Y.,1994.Detail-preserving median based filters in image pro cessing. Pattern Recognition Lett. 15(4) ,341-347·)首次提出选择中值滤波 (Switching Median Filter ,SMF) dMF的基本思想是:先在受污染图像中标记出污染像素 (比如像素值为255或0的像素即为污染像素）和未污染像素（像素值介于0-255之间的像 素）；在图像修复过程中，只对污染像素进行处理，未污染像素保持不变。这样就可保证未污 染像素不被邻域内像素中值替代，而具有更高保真度。图1中d是b的选择中值滤波结果，可 以看出，选择中值滤波结果明显优于传统中值滤波方法。但是，当冲击噪声污染密度较大 时，比如80%以上，如图1中e所示，中值滤波和选择中值滤波都难以得到较理想的修复图 像，图1中f是图1中e的中值滤波结果，图1中g是图1中e的选择中值滤波结果。
[0003] 高密度（冲击噪声污染比率在50%以上）冲击噪声污染图像去噪问题受到了国内 外学者广泛关注。比如，Esakkirajan(2011)等（Esakkirajan S, Veerakumar T， Subramanyam AN,PremChand CH.Removal of high density salt and pepper noise through modified decision based unsymmetric trimmed median filter.IEEE Signal Process Lett 2011; 18(5) :287-90.)提出非对称三态滤波用于修复高度密度椒盐噪声污 染图像。Lu(2012)等（Lu C.-T，Chou T.-C.Denoising of salt-and-pepper noise corrupted image using modified directional-weighted-median fliter,Pattern Recognition Letters，vol .33,no. 10,pp. 1287-1295,2012.)提出改进的方向加权中值滤 波算法，可用于修复80%冲击噪声污染图像。Mu(2013)等(Mu H H，Fan C C，et al.Fast and efficient median filter for removing 1-99%levels of salt-and-pepper noise in images.Engineering Applications of Artificial Intelligence.26(2013) 1333-1338)根据不同的噪声密度等级，改进SMF算法搜索窗口大小和方向，提出了一种快 速、高密度冲击噪声消除算法，可实现9 9 %椒盐噪声污染图像修复。V i j a y k u m a r (2 014)等 (V.R.Vijaykumar,G.Santhana,et al.Fast switching based median-mean filter for high density salt and pepper noise removal . International Journal of Electronics and Communications.p: 1145-1155,2014)提出 了一种选择均值中值滤波算 法，通过加大搜索窗口的尺寸，可实现90%椒盐噪声污染图像修复DZhang(2014)等(Zhang C,ffang K.et al.Removal of high-density impulse noise based on switching morphology-mean filter. International Journal of Electronics and Communications .2014)将形态学与选择滤波融合，提出选择形态学滤波，通过2层选择开、 闭形态学滤波，可实现90%椒盐噪声污染图像修复。但是，这类基于局部窗口内中值、均值、 极值(最大值或最小值）的选择滤波方法，在进行高密度椒盐噪声图像修复时，较大的滤波 窗口容易使图像产生模糊，进而降低修复后图像信噪比。
【发明内容】
[0004] 本发明针对以上问题的提出，而研制的一种冲击噪声图像去噪方法，具有如下步 骤：
[0005] -建立噪声污染图像I的标记矩阵F，该矩阵F的元素与图像I中的像素对应，矩阵 中元素为〇表示图像I中对应位置的像素为非污染像素，元素为1表示对象I中对应位置的像 素为污染像素;统计当前图像的冲击噪声污染密度P;
[0006] -根据所述的冲击噪声污染密度p将所述的图像I和标记矩阵F分别划分成M*N个 网格;分别提取图像I和矩阵F中第(m，η)个网格内的像素构成的图像块T m, n和标记块Lm, n;
[0007] -通过遍历所述的标记块1^,"内的元素，根据标记块1^,"元素和图像块W象素的 对应关系，建立图像块Tm, n中污染像素集合Ε和非污染像素集合Ρ;
[0008] 一计算非污染像素集合P中非污染像素之间的图像坐标欧式距离矩阵Dp，得到线 性预测系统参数ψ;计算污染像素集合E中所有像素与所述的非污染像素集合P之间的图像 坐标欧式距离矩阵D e;
[0009] -根据所述的线性预测系统参数Ψ和欧式距离矩阵DH十算得出污染像素值f，对 该污染像素值度进行矩阵转置操作，得到去除噪声像素值E;
[0010] -根据像素值E在图像块Tm,n中的坐标，替换Tm,n中污染像素，得到去噪后的图像块 Tm, η ；
[0011] -将图像块Tm,n写回图像，代替第(m，n)个网格内图像像素;遍历图像I中的所有网 格，对所有网格内的污染像素进行修复，得到去除冲击噪声后的图像。
[0012] 所述的标记矩阵F的建立过程如下：
[0013] 一当冲击噪声为椒盐噪声时，遍历图像I中所有像素 q，当像素 q(i，j)取值为0或 2Z_1时为椒盐噪声，使F中（i，j)位置处元素为1，即F(i，j) = l，其中i，j分别是纵、横坐标；
[0014] 一当冲击噪声为随机噪声时，采用随机冲击噪声检测方法进行冲击噪声检测，并 使F中随机冲击噪声像素位置处元素为1。
[0015] 所述的冲击噪声污染密搜
w、h分别为图像I的宽度 和高度尺寸。
[0016] 所述的网格的单元尺寸为s*s:
[0017] 当冲击噪声污染密度P < 0.5，s取值为2~6个像素；
[0018] 当冲击噪声污染密度0.5<P < 0.8，s取值为4~16个像素；
[0019] 当冲击噪声污染密度〇 · 8<p < 0 · 9，s取值为12~100个像素；
[0020]当冲击噪声污染密度0.9<p < 0.95，s取值为90~200个像素；
[0021 ]当冲击噪声污染密度p>0.95，s取值大于180个像素；
[0022]以大小为s*s矩形块为单位，将图像I和标记矩阵F划分为M*N个网格，其中Μ= Θ (w/s+0 · 5)，Ν= Θ (h/s+0 · 5)表示取整数操作。
[0023]所述的污染像素集合E和非污染像素集合P建立过程如下：
[0024] 一遍历标记块1^,"中所有元素以1^，1)汰、1是块内横、纵坐标汰、1的取值范围为1~ s，s为单元尺寸；
[0025] -当L(k，l)为0时，从图像块Tm,n中取出像素 q(k，l)，此时q(k，l)是非污染像素 p;
[0026] -构成图像块Tm,n中非污染像素 p的集合P=[qi，. . .，qg]，P中元素个数为g，q的值 为像素值；
[0027] 一当L(k，l)为1时，从图像块Tm,n中取出像素 q(k，l)，此时q(k，l)是污染像素 e，构 成图像块Tm,n中污染像素 e的集合E=[qi，. . .，qr]，E中元素个数为r，q的值为像素值。
[0028]所述的步骤"一根据所述的线性预测系统参数Ψ和欧式距离矩阵DH十算得出污染 像素值f，对该污染像素值进行矩阵转置操作，得到去除噪声像素值E"具体为：
[0029] 一计算P中非污染像素[Φ，...，qg]之间的图像坐标欧式距离矩阵D p，
[0030]
[0031] 其中
是像素 pu与像素 pv之 间的图像坐标欧式距离；
[0032] 一计算，其中（·）τ是矩阵转置操作，（· Γ1是矩阵取逆操 作；
[0033] 一计算污染像素 Ε中所有像素与非污染像素 Ρ间的图像坐标欧式距离矩阵De，
[0034]
[0035] ；
[0036] 中(?)τ表示对鹿进行矩阵转置操作。
[0037]本发明提供的一种冲击噪声图像去噪方法，可实现污染密度达99%的图像修复， 修复图像质量优于现有非线性滤波算法。优点可表现为以下几点：
[0038] (1)可显著提高修复图像信噪比，增强修复图像的视觉可视信息，本发明算法修复 结果保留了更多图像细节，修复效果明显优于AMF、BDND、DBA、SAMF、MMF、SMMF等算法；
[0039] (2)通过网格化处理，可显著提高去噪