一種多模板混合濾波的圖像去噪方法
2023-05-17 00:01:21 2
專利名稱：一種多模板混合濾波的圖像去噪方法
技術領域：
本發明涉及數字圖像處理，特別涉及數字圖像處理中的圖像去噪方法。
背景技術：
噪聲的存在造成了圖像一定程度上的失真，如果噪聲過多則會妨礙對圖像的使用，此時必須對圖像進行去噪處理。圖像去噪過程中不可避免地會造成原圖像細節損失，因此噪聲抑制和細節保留是一對矛盾，各種去噪方法都要在二者之間選擇平衡點。現有的去噪方法各有其優缺點，選擇何種方法去噪依賴於特定應用的需求和所用數據的特徵。
去噪方法按其工作域可分為空間域和頻率域兩種。現有的空間域自適應去噪方法，針對每個象素，使用固定大小的模板算子，利用局部均值、方差來調節濾波強度。但它們作為一種自適應的均值或中值濾波，不能綜合利用中值濾波和均值濾波的特性。均值濾波和中值濾波各有其優缺點均值濾波能有效的平滑圖像，提高圖像相關性，但易於使邊緣、細節變模糊，不能保留圖像結構。中值濾波能有效的去除噪聲，保留圖像細節，但對圖像平滑效果不如均值濾波此外濾波係數計算複雜，對濾波強度的調節有限。此外，現有的去噪方法大都固定濾波模板大小，僅通過改變濾波參數來調節強度。實際應用中，這樣的濾波不但濾波複雜，而且濾波強度變化範圍有限，在一些沒有圖像細節的平滑區域，3×3模板過小，濾波強度不夠，而在細節豐富的區域，卻又顯得過大，嚴重損害了圖像細節。頻率域去噪方法以小波閾值去噪為主，小波變換計算量大，消耗時間較多。
發明內容
本發明的目的是克服現有的空間域自適應去噪方法固定濾波模板大小，僅通過改變濾波參數來調節強度的缺陷，從而提供一種能在去除噪聲的同時較好的保持圖像細節，並且具有高效率的空間域的圖像去噪方法。
為了實現上述目的，本發明提供了一種多模板混合濾波的圖像去噪方法，包含以下步驟1)、將所要進行去噪處理的圖像劃分為M×N大小的互不重疊的塊，使得圖像的每個象素都處於某個塊中；2)、定義一組濾波器，所述濾波器包括均值濾波器和中值濾波器，所述濾波器組中的濾波器具有不同的去噪強度；3)、定義一組數列，所述數列中的數字用於描述圖像所含信息量的多少；4)、從成像系統中得到所要進行去噪處理的圖像的噪聲方差σv；5)、對步驟1)所劃分的各個圖像塊計算方差Var(Z)和均值Z，根據圖像塊的方差和均值的計算結果，計算圖像塊的勻質程度S的值，S=Var(Z)/Z;]]>6)、判斷每個圖像塊的勻質程度，根據步驟5)得到的勻質程度S、步驟4)得到的圖像噪聲方差σv以及步驟3)中所定義的數列，為圖像塊選擇濾波器組中的某一個濾波器，完成對圖像塊的去噪處理；7)、重複執行步驟6)，直至所要執行去噪處理的圖像中的所有圖像塊都已完成去噪操作。
上述技術方案中，在所述的步驟1)中，所述的M和N的大小在8到16之間。
上述技術方案中，在所述的步驟2)中，所述濾波器組中的濾波器具有不同的特性、不同的窗口大小以及不同的加權係數。
上述技術方案中，在所述的步驟3)中，所述的數列是一個遞增數列，數列的第一個數為0，數列中的數字的個數比步驟2)中所定義的濾波器組中的濾波器的個數多一個。
上述技術方案中，在所述的步驟4)中，所述的圖像的噪聲方差σv直接由所述的成像系統給出，或選取圖像中多塊平滑區域，計算各塊圖像的方差均值比，對所有方差均值比求平均值，作為圖像的噪聲方差。
上述技術方案中，在所述的步驟6)中，在判斷圖像塊的勻質程度時，首先將步驟4)得到的圖像噪聲方差σv與步驟3)得到的數列中的各個數字相乘，得到多個區間，一個區間對應一種濾波器，根據步驟5)得到的勻質程度S的值，選擇所在的區間，從而選擇具體的濾波器做濾波處理。
本發明綜合利用中值濾波和均值濾波的特性，計算簡單，利於硬體實現，實際運行時間短。
圖1為實施例中所採用的均值濾波器f1的示意圖；圖2為實施例中所採用的均值濾波器f2的示意圖；圖3為實施例中所採用的均值濾波器f3的示意圖；圖4為對去噪後圖像進行量化分析的ENL值曲線圖；圖5為對去噪後圖像進行量化分析的EEI值曲線圖；圖6為對去噪後圖像進行量化分析的FPI值曲線圖；圖7為本發明的多模板混合濾波的圖像去噪方法的流程圖。
圖面說明在附圖4～圖6中所採用的圖例的含義如下所示 原圖 本發明 Kuan E.Lee Frost E.Frost Gamma(MAP) L.Sigma 小波軟閥值具體實施方式
下面結合附圖和具體實施方式
對本發明的多模板混合濾波的圖像去噪方法進行說明。
如圖7所示，在本實施例中，以對地面遙感圖像的去噪處理為例，說明圖像去噪的具體實現步驟
步驟1、將所要進行去噪處理的圖像劃分為M×N大小的互不重疊的塊，使得圖像的每個象素都處於某個塊中，其中的圖像邊緣可以例外。在本實施例中，圖像劃分塊的大小選擇長、寬在8到16之間，不宜太大或太小。圖像所劃分的塊太大，則所包括的均勻區域較少，去噪效果不佳。圖像所劃分的塊過小，則區域概率統計性差，隨機性強。另外，也可根據圖像的解析度將圖像劃分成塊。圖像解析度高，可以將圖像劃分成較大的塊，反之則將圖像劃分成較小的塊。
步驟2、定義一組濾波器，這些濾波器具有不同的特性，由不同窗口大小、不同加權係數組成的中值和均值濾波器構成。通過選擇窗口大小和設計加權係數可以得到不同去噪強度的濾波器。在本實施例中，設計了四種不同的濾波器，所述濾波器分別用f1、f2、f3和f4表示。在圖1、圖2和圖3中是均值濾波器f1、f2和f4的示意圖。圖1中所表示的濾波器f1是一個8×8均值濾波器，濾波器的加權係數都為1。在本實施例中不選用圖像處理中傳統的7×7或9×9奇數大小窗口是為了通過移位來避免除法，有利於硬體實現。圖2中所表示的濾波器f2，它是一個帶權重的均值濾波器。中心位置為當前濾波象素位置，模板內的係數是相應位置的圖像像素加權值。濾波器f4與濾波器f2相類似，但它的濾波器窗口更小，在更小的範圍內進行濾波。濾波器f3為3×3的西格瑪(Sigma)中值濾波器。對某一濾波像素，在以其為中心的3×3的窗口範圍內的9個像素，求出這9個象素的均值方差，然後利用正態分布3-西格瑪(3-σ)原則，把與均值距離超過3倍方差的像素值視為「壞值」除去。若剩下的值少於3個，則對當前濾波像素採用前述的f3濾波器濾波，否則，把剩下的像素值按遞增或遞減順序排序，最後取中間值替代當前濾波像素值。
步驟3、根據實驗的結果，提供一組描述圖像包含信息量多少的數列，該數列可用於描述步驟1所劃分的圖像塊的勻質程度。對乘性噪聲模型，其勻質程度可用該圖像塊內像素的方差均值比來刻劃。在本實施例中，所述數列的值為{k1，k2，k3，k4，k5}＝{0，1，1.1，1.25，+∞}。
步驟4、從成像系統中得到所要進行去噪處理的圖像的噪聲方差σv。噪聲的方差由成像系統所決定，屬於系統誤差。對於一個成像系統所成的所有圖像，其噪聲方差是不變的。該噪聲方差由系統給出，對乘性噪聲圖像，也可以從圖像中按如下方法計算得到。根據人眼判斷，選取圖像中多塊平滑區域，計算各塊圖像的方差均值比，對所有方差均值比求平均值作為最終圖像的噪聲方差。
步驟5、對步驟1所劃分的各個圖像塊計算方差Var(Z)和均值。根據圖像塊的方差和均值的計算結果，計算圖像塊的勻質程度S=Var(Z)/Z]]>的值。在本步驟中，對方差和均值的計算是成熟的現有技術，在本實施例中，不對其如何實現做詳細的描述。
步驟6、判斷每個圖像塊的勻質程度，根據區域勻質程度和圖像應用要求，利用步驟3中定義的數列，選擇合適的濾波器完成去噪處理。在本實施例中，根據步驟4得到的σv和步驟5得到的S，結合步驟3中所劃分的數列，對步驟1中所劃分的圖像塊按照下列條件進行判斷1)、對某一圖像塊，當0＜S≤σv時，實驗表明該圖像塊沒有任何細節，，濾波操作對圖像細節沒有影響，不會降低圖像質量。對這種圖像塊的去噪處理可以採用平滑能力非常強的8×8均值濾波器f1。
2)、對某一圖像塊，當σv＜S≤1.1σv時，實驗表明該圖像塊所表示區域的變化較為緩慢，幾乎不含紋理、細節，以噪聲為主。對該圖像塊的處理以去噪為主，選用平滑能力較強的均值濾波器f2。
3)、對某一圖像塊，當1.1σv＜S≤1.25σv時，實驗表明該圖像塊所表示的區域細節、紋理非常多，應當以保留細節為主，因此採用3×3的西格瑪(Sigma)中值濾波器。
4)、對某一圖像塊，當S＞1.25σv時，實驗表明該圖像塊所在區域都為邊緣、細節，實驗表明即使3×3窗口的中值濾波對這樣區域的濾波也會損失細節，使圖像變模糊；因此使用平滑能力非常弱的濾波器f4。
步驟7、重複執行步驟6，直至所要執行去噪處理的圖像中的所有圖像塊都已完成去噪操作。
在上述步驟中，步驟1所述的劃分圖像塊與步驟2、步驟3、步驟4所述的定義濾波器和數列不存在時間上的先後關係，可以同時進行，實際操作中往往按某一順序串行執行。
本實施例是以地面遙感圖像作為處理對象，而地面遙感圖像是一種乘性噪聲圖像。本發明的方法不僅僅適用於乘性噪聲圖像，本領域的普通技術人員應當很容易的將本實施例中所描述的方法應用到其它噪聲模型中，如加性噪聲圖像。
對圖像去噪效果的評價包括兩個方面，一為噪聲抑制程度，一為圖像細節保留程度。等效視數(Equivalent Number of Looks，ENL)用來評價圖像的噪聲水平，ENL值越高說明圖像噪聲越少，也就是噪聲消除程度越高；邊緣增強指標(Edge EnhancingIndex，EEI)可以用來評價去噪後圖像相對於原圖像的邊緣特徵保留能力；特徵保留指標(Feature Preserving Index，FPI)可以用來評價去噪後圖像相對於原圖像的線條特徵保留能力，FPI和EEI共同用來評價去噪後圖像相對於原圖像的細節保留程度，它們的值均在0和1之間，值越大說明細節保留越好。由於去噪和保留圖像細節特徵是一對矛盾，故對於同一幅圖像而言，ENL值增大意味著EEI和FPI值的減小。
將本發明的方法與一些經典去噪算法在三幅不同的圖像上進行測試，這三幅圖像的類別分別是加拿大雷達遙感衛星(RadarSAT)圖像、歐洲遠程遙感衛星(ERS)圖像和機載雷達圖像。測試的結果可以參考圖4、圖5和圖6。圖4，是各算法對三幅測試圖像去噪後圖像的等效視數值，圖5、圖6分別是噪圖像的邊緣增強指標和特徵保留指標值。
本發明的方法還具有較高的效率，對於一個1024×1024大小的RadarSAR圖像，其它算法的濾波器窗口大小取3×3，用計算機進行去噪處理時，各種算法的實際運行時間如表1所示，從該表中可以看到，本發明方法對一個圖像做去噪處理所需要的時間，比其它算法所需要的時間要少得多，本發明的方法具有很高的效率。
表1
權利要求
1.一種多模板混合濾波的圖像去噪方法，包含以下步驟1)、將所要進行去噪處理的圖像劃分為M×N大小的互不重疊的塊，使得圖像的每個象素都處於某個塊中；2)、定義一組濾波器，所述濾波器包括均值濾波器和中值濾波器，所述濾波器組中的濾波器具有不同的去噪強度；3)、定義一組數列，所述數列中的數字用於描述圖像所含信息量的多少；4)、從成像系統中得到所要進行去噪處理的圖像的噪聲方差σv；5)、對步驟1)所劃分的各個圖像塊計算方差Var(Z)和均值Z，根據圖像塊的方差和均值的計算結果，計算圖像塊的勻質程度S的值，S=Var(Z)/Z;]]>6)、判斷每個圖像塊的勻質程度，根據步驟5)得到的勻質程度S、步驟4)得到的圖像噪聲方差σv以及步驟3)中所定義的數列，為圖像塊選擇濾波器組中的某一個濾波器，完成對圖像塊的去噪處理；7)、重複執行步驟6)，直至所要執行去噪處理的圖像中的所有圖像塊都已完成去噪操作。
2.根據權利要求1所述的多模板混合濾波的圖像去噪方法，其特徵在於，在所述的步驟1)中，所述的M和N的大小在8到16之間。
3.根據權利要求1所述的多模板混合濾波的圖像去噪方法，其特徵在於，在所述的步驟2)中，所述濾波器組中的濾波器具有不同的特性、不同的窗口大小以及不同的加權係數。
4.根據權利要求1所述的多模板混合濾波的圖像去噪方法，其特徵在於，在所述的步驟3)中，所述的數列是一個遞增數列，數列的第一個數為0，數列中的數字的個數比步驟2)中所定義的濾波器組中的濾波器的個數多一個。
5.根據權利要求1所述的多模板混合濾波的圖像去噪方法，其特徵在於，在所述的步驟4)中，所述的圖像的噪聲方差σv直接由所述的成像系統給出，或選取圖像中多塊平滑區域，計算各塊圖像的方差均值比，對所有方差均值比求平均值，作為圖像的噪聲方差。
6.根據權利要求1所述的多模板混合濾波的圖像去噪方法，其特徵在於，在所述的步驟6)中，在判斷圖像塊的勻質程度時，首先將步驟4)得到的圖像噪聲方差σv與步驟3)得到的數列中的各個數字相乘，得到多個區間，一個區間對應一種濾波器，根據步驟5)得到的勻質程度S的值，選擇所在的區間，從而選擇具體的濾波器做濾波處理。
全文摘要
本發明公開了一種多模板混合濾波的圖像去噪方法，包含將所要進行去噪處理的圖像劃分為M×N大小的互不重疊的塊，使得像素都處於某個塊中；定義一組濾波器，包括均值濾波器和中值濾波器，所述濾波器組中的濾波器具有不同的去噪強度；定義一組數列，數列中的數字用於描述圖像所含信息量的多少；從成像系統中得到所要進行去噪處理的圖像的噪聲方差；計算圖像塊的勻質程度；根據每個圖像塊的勻質程度，為圖像塊選擇濾波器組中的某一個濾波器，完成對圖像塊的去噪處理。本發明綜合利用中值濾波和均值濾波的特性，計算簡單，利於硬體實現，實際運行時間短。
文檔編號H04N5/21GK101043581SQ200610065679
公開日2007年9月26日 申請日期2006年3月21日 優先權日2006年3月21日
發明者王錫貴, 李鵬, 韓冀中, 韓承德 申請人:中國科學院計算技術研究所