2中，给出了 90%椒盐噪声污染情况下现有的算法和本发明算法降噪的效果 示意图
[0106] 图2a为原始的未受噪声干扰的图像 [0107]图2b为90 %椒盐噪声污染
[0108]图2c为采用中值滤波算法处理后的效果图。
[0109] 图2d加权中值滤波算法处理后的效果图（WMF，Yin L，Ruikang Yang，Moncef Gabbouj,Yrjo Neuvo.Weighted median filters: tutorial. IEEE Trans Circuits Syst II 1996;43(3):157-92·)、
[0110] 图2e中心加权中值滤波算法处理后的效果图（CWMF，Ko S-J，Lee YH.Center weighted median filters and their applications to image enhancement. IEEE Trans Circuits Syst 1991.38(9):984-93.)>
[0111] 图2f自适应中心加权中值滤波算法处理后的效果图（ACWMF，Chen T，Wu HR.Adaptive impulse detection using center-weighted median filters. IEEE Signal Process Lett 2001；8(1):1-3.)>
[0112] 图2g为改进选择中值滤波算法处理后的效果图（PSMF，Wang Z，Zhang D.Progressive switching median filter for the removal of impulse noise from highly corrupted images.IEEE Trans Circuits Syst II 1999;46(1):78-80·)、
[0113] 图2h为自适应中值滤波算法处理后的效果图（AMF，Hwang H，Haddad RA.Adaptive median filters:new algorithms and results.IEEE Trans Image Processl995；4(4): 499-502.)、
[0114]图2i为边界判别噪声检测算法处理后的效果图（BDND，Ng P-E，Ma K-K.A switching median filter with boundary discriminative noise detection for extremely corrupted images.IEEE Trans Image Process 2006;15(6):1506-16.)、 [0115] 图2g为基于决策算法处理后的效果示意图（DBA，Srinivasan KS，Ebenezer D.A new fast and efficient decision-based algorithm for removal of high-density impulse noises.IEEE Signal Process Lett.2007；14(3):189-92.)>
[0116] 图2k为简单自适应中值滤波处理后的效果示意图（SAMF，Haidi I，Nicholas SPK， Theam FN.Simple adaptive median filter for removal of impulse noise from highly corrupted images.IEEE Trans Consum Electron 2008;54(4)·)、
[0117] 图21为改进基于决策的非对称三态中值滤波算法处理后的效果图（DBUTMF， 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·)、
[0118] 图2m为均值中值滤波算法处理后的效果图（SMMF，V.R. Vi jaykumar，G. Santhana， et al.Fast switching based median-mean filter for high density salt and pepper noise removal. International Journal of Electronics and Communications [J].(2014)1145-1155)，以及
[0119] 图2n为本发明算法进行图像修复的效果图。从图2可以明显发现，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
[0120] 以上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明掲露的技术范围内，根据本发明的技术方案及其 发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
【主权项】
1. 一种冲击噪声图像去噪方法，其特征在于具有如下步骤： -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O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; -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，n)个网格内的像素构成的图像块Tm,n和标记块Un; -通过遍历所述的标记块Un内的元素，根据标记块Un元素和图像块Tm,n像素的对应 关系，建立图像块Tm, n中污染像素集合E和非污染像素集合P ; -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W ;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 -根据所述的线性预测系统参数W和欧式距离矩阵计算得出污染像素值夏，对该污 染像素值色进行矩阵转置操作，得到去除噪声像素值E; -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,n; -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。2. 根据权利要求1所述的一种冲击噪声图像去噪方法，其特征还在于所述的标记矩阵F 的建立过程如下： -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O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； -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。3. 根据权利要求2所述的一种冲击噪声图像去噪方法，其特征还在于所述的冲击噪声 污染密度，w、h分别为图像I的宽度和高度尺寸。4. 根据权利要求3所述的一种冲击噪声图像去噪方法，其特征还在于:所述的网格的单 元尺寸为S*s: 当冲击噪声污染密度P ^ 0.5，S取值为2~6个像素； 当冲击噪声污染密度0.5<P < 0.8，S取值为4~16个像素； 当冲击噪声污染密度0.8<P < 0.9，S取值为12~100个像素； 当冲击噪声污染密度0.9<P < 0.95，S取值为90~200个像素； 当冲击噪声污染密度P >0.95，S取值大于180个像素； W大小为s*s矩形块为单位，将图像巧日标记矩阵F划分为M*N个网格，其中M= 0 (w/s+ 0.5) ,N= 0化/s+0.5)表示取整数操作。5. 根据权利要求1所述的一种冲击噪声图像去噪方法，其特征还在于所述的污染像素 集合E和非污染像素集合P建立过程如下： -遍历标记块Lm,n中所有元素 Uk，l)，k、l是块内横、纵坐标，k、l的取值范围为1~s，s 为单元尺寸； -当Uk，l)为O时，从图像块Tm,n中取出像素 q化，I)，此时q化，I)是非污染像素 p; -构成图像块Tm,n中非污染像素 P的集合P=Ui, ...，qg]，P中元素个数为g，q的值为像 素值； -当Uk，l)为1时，从图像块Tm,n中取出像素 q化，1)，此时q化，1)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。6.根据权利要求1所述的一种冲击噪声图像去噪方法，其特征还在于所述的步骤"一根 据所述的线性预测系统参数W和欧式距离矩阵计算得出污染像素值I，对该污染像素值 若进行矩阵转置操作，得到去除噪声像素值E"具体为： -计算P中非污染像素[qi，...，qg]之间的图像坐标欧式距离矩阵DP，其中曲,V。解。本J -斬，W，其中屯,V二取。A")-巧扣，U是像素 Pu与像素 Pv之间的 图像坐标欧式距离； -计算W=(DP(DP)TrHDP)Tp,其中（?）T是矩阵转置操作，（.r堪矩阵取逆操作； -计算污染像素 E中所有像素与非污染像素 P间的图像坐标欧式距离矩阵〇6，其中或，V= IK，。-馬,心II; 计算香=，使E = 其中(色f表示对E进行矩阵转置操作。
【专利摘要】本发明公开了一种冲击噪声图像去噪方法，具有如下步骤：建立噪声污染图像I的标记矩阵F，根据所述的冲击噪声污染密度ρ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，n)个网格内的像素构成的图像块Tm，n和标记块Lm，n；通过遍历所述的标记块Lm，n内的元素，建立图像块Tm，n中污染像素集合E和非污染像素集合P；得到线性预测系统参数Ψ；根据所述的线性预测系统参数Ψ和欧式距离矩阵De计算得出污染像素值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；得到去噪后的图像块Tm，n；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。
【IPC分类】G06T5/00
【公开号】CN105654442
【申请号】
【发明人】刘文龙, 王阳, 王心怡
【申请人】大连理工大学
【公开日】2016年6月8日
【申请日】2015年12月31日