一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统技术方案

本发明专利技术提供一种基于局部统计信息和几何距离的脉冲噪声滤波方法，所述方法具体包括以下步骤：S1：对待测图像的所有噪声像素进行滤波处理，获得滤波后的图像；S2：判断滤波后的图像是否符合判断规则，若不符合则重新获取滤波后的图像。通过以上的步骤可以对噪声像素的图像进行滤波去噪，得到更加干净的像素。得到更加干净的像素。得到更加干净的像素。

【技术实现步骤摘要】
一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统


[0001]本专利技术涉及图像去噪
，尤其涉及一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统。

技术介绍

[0002]目前在图像的采集和传输过程中，由于传感器设备的原因，数字图像经常被脉冲噪声破坏。随机值脉冲噪声(RVIN)是其中一种脉冲噪声，其噪声像素值随机位于0到255之间，因此很难处理。为了后面对图像进行轮廓提取、区域分割和目标识别等操作，有必要对噪声图像进行恢复，目前主流的去噪算法主要可分为基于块匹配的方法、基于卷积神经网络的方法和基于模糊规则的方法，从近几年流行的去噪算法来看，由于引入了模糊规则和卷积神经网络，虽然取得了很好的滤波效果，但也导致了算法的复杂度增加，运行时间变长，设备成本高。
[0003]因此，需要一种基于局部统计信息和几何距离的脉冲噪声滤波方法。

技术实现思路

[0004]鉴以此，本专利技术的目的在于提供一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统，可以对图像进行高效去噪处理，以解决现有技术中图像去噪算法复杂度高，运行时间长的问题。
[0005]一种基于局部统计信息和几何距离的脉冲噪声滤波方法，所述方法具体包括以下步骤：
[0006]S1：对待测图像的所有噪声像素进行滤波处理，获得滤波后的图像；
[0007]S2：判断滤波后的图像是否符合判断规则，若不符合则重新获取滤波后的图像。
[0008]进一步的，对待测图像的所有噪声像素进行滤波处理，包括：
[0009]对待测图像的一个噪声像素x进行滤波处理；
[0010]对待测图像的其他噪声像素依次迭代进行滤波处理，获得滤波后的图像。进一步的，对待测图像的一个噪声像素x进行滤波处理，包括：
[0011]计算噪声像素x建立的邻域和邻域的其他像素y的欧式距离
[0012][0013]计算噪声像素x建立的邻域和邻域的其他像素y的灰度差
[0014][0015]根据灰度差与欧式距离对噪声像素x进行滤波计算
[0016][0017]其中(s，t)和(m，n)表示像素x和y在局部区域中的位置，D(x，y)和L(x，y)分别表示x和y之间的欧式距离和灰度差，σ
D
表示欧氏距离的调节参数，表示像素X领域内的任一像素y的LS值，I
xf
表示滤波后像素x的新的灰度值，I
y
是中的像素y的强度值。
[0018]进一步的，所述判断规则包括：
[0019]计算滤波后图像的第一PSNR值，计算待测图像的第二PSNR值，当第一PSNR值小于第二PSNR值时，滤波后的图像符合要求；
[0020]当第一PSNR值大于第二PSNR值时，重新获取滤波后图像的噪声像素。
[0021]进一步的，第一PSNR值、第二PSNR值通过Matlab程序获得。
[0022]进一步的，系统包括滤波模块、判断模块，所述滤波模块用于对待测图像进行滤波处理，所述判断模块用于对滤波处理的结果进行判断。
[0023]与现有技术相比，本专利技术的有益效果是：
[0024]本专利技术提供的一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统，通过恢复图像的噪声像素，在恢复的噪声像素的图像上寻找到每个像素的LS值，然后检测噪声像素并进行滤波；通过滤波可以把噪声像素和干净像素筛选出来，使得本专利技术提供的图像噪声检测方法准确度和灵敏度较高，解决了现有技术中检测脉冲噪声的方法准确度和灵敏度较低的问题。
附图说明
[0025]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的优选实施例，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。
[0026]图1是本专利技术实施例提供的一种基于局部统计信息和几何距离的脉冲噪声滤波方法的整体结构流程图。
具体实施方式
[0027]以下结合附图对本专利技术的原理和特征进行描述，所列举实施例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0028]实施例一
[0029]参照图1，本专利技术提供一种基于局部统计信息和几何距离的脉冲噪声滤波方法,所述方法具体包括以下步骤：
[0030]S1：对待测图像的所有噪声像素进行滤波处理，获得滤波后的图像；
[0031]S2：判断滤波后的图像是否符合判断规则，若不符合则重新获取滤波后的图像。
[0032]所述待测图像的噪声像素的获得过程如下：
[0033]计算待测图像中每个像素的局部统计信息值，包括：
[0034]以待测图像中的任意给定像素x为中心构建邻域计算像素x与邻域中的任一像素y的欧氏距离和灰度差：
[0035][0036][0037]基于欧氏距离和灰度差，计算像素x与邻域中的任一其他像素y的相似度：S(x,y)＝D(x,y)*I(x,y)
[0038]计算像素x与邻域中所有像素的相似度之和：
[0039][0040]对ζX进行归一化使其约束在[0.1]区间：
[0041][0042]这里的表示对的均一化操作。
[0043]通过观察，可以发现噪声图像中每个像素的ζX基本上散布在[0，2.5]中。为了更方便，更快速地处理数据，可以使用以下公式将任何像素的将标准化为[0.1]间隔：
[0044][0045]在式中，D(x,y)为像素x与像素y之间的欧式距离，I(x,y)为像素x与像素y之间的灰度差，当两个像素之间的距离和灰度级差变大时，它们都减小，这也意味着如果两个像素之间的灰度差大或距离远，则它们的相似度很小，甚至欧几里德距离也可被省略；(s,t)表示像素x在邻域中的位置，(m,n)表示像素y在邻域中的位置，σ
D
为欧氏距离的调节参数，σ
I
为灰度差的调节参数，可以分别通过调整这两个参数的值来更改它们对D(x，y)和I(x，y)的影响ζX为相似度之和，LS
X
为像素x的局部统计信息值，可以表示像素是否为噪声的概率。如果LS
X
值越小，表明像素x与其邻域内的像素的相似度越小，也就意味着像素x是噪
声的概率更大。
[0046]在本实施例的一个优选实施方式中，所构建的邻域为5
×
5的邻域。
[0047]判断待测图像中每个像素处于平坦区域还是复杂区域，包括：
[0048]计算所述邻域内的所有像素的强度的估计均值u
X
：
[0049][0050][0051]基于所述估计均值，计算邻域中所有像素的强度的标准偏差
[0052][0053][0054]根据所述标准偏差，判断给定像素x是否为处于平坦区域还是复杂区域：
[0055][0056]式中，W1和W2为LS
y
的权重，用来调整干净像素和噪声像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部统计信息和几何距离的脉冲噪声滤波方法，其特征在于，所述方法具体包括以下步骤：S1：对待测图像的所有噪声像素进行滤波处理，获得滤波后的图像；S2：判断滤波后的图像是否符合判断规则，若不符合则重新获取滤波后的图像。2.根据权利要求1所述的一种基于局部统计信息和几何距离的脉冲噪声滤波方法，其特征在于，对待测图像的所有噪声像素进行滤波处理，包括：对待测图像的一个噪声像素x进行滤波处理；对待测图像的其他噪声像素依次迭代进行滤波处理，获得滤波后的图像。3.根据权利要求2所述的一种基于局部统计信息和几何距离的脉冲噪声滤波方法，其特征在于，对待测图像的一个噪声像素x进行滤波处理，包括：计算噪声像素x建立的邻域和邻域的其他像素y的欧式距离计算噪声像素x建立的邻域和邻域的其他像素y的灰度差根据灰度差与欧式距离对噪声像素x进行滤波计算其中(s，t)和(m，n)表示像素x和y在局部区域中的位置，D(x，y)和L(x，y)分别表示x和y之间的欧式距...

【专利技术属性】
技术研发人员：黄梦醒，冯思玲，吴迪，冯文龙，张雨，林聪，
申请(专利权)人：海南大学，
类型：发明
国别省市：