一种混合高斯脉冲噪声图像中的离群点识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113743508A(43)申请公布日2021.12.03(21)申请号202111039792.X(22)申请日2021.09.06(71)申请人合肥工业大学地址230009安徽省合肥市包河区屯溪路193号(72)发明人吕国强盛杰超杜刚诸黎明冯奇斌王梓(74)专利代理机构合肥金安专利事务所(普通合伙企业)34114代理人吴娜(51)Int.Cl.G06K9/62(2006.01)权利要求书2页说明书6页附图3页(54)发明名称一种混合高斯脉冲噪声图像中的离群点识别方法(57)摘要本发明涉及一种混合高斯脉冲噪声图像中的离群点识别方法，包括：对目标像素点局部邻域进行子空间和子块划分；对子空间纹理结构进行判别分类，分为model1、model2和model3；对子空间中心像素点进行像素值校正；计算目标像素点的干净程度，并依次计算出整个图像的干净程度权重图。本发明不再区分图像中的高斯噪声和脉冲噪声，统一识别全图中的离群点，有利于减小噪声的误识别率；本发明采用图像分子空间和分块的方法，判断目标像素周边子空间的纹理结构，并对目标像素点周边的像素点进行校正，提高了目标像素点干净程度的判别准确度，降低了算法的错识别率。CN113743508ACN113743508A权利要求书1/2页1.一种混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：该方法包括下列顺序的步骤：(1)对目标像素点局部邻域进行子空间和子块划分；(2)对子空间纹理结构进行判别分类，分为model1、model2和model3；(3)对子空间中心像素点进行像素值校正；(4)计算目标像素点的干净程度，并依次计算出整个图像的干净程度权重图。2.根据权利要求1所述的混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：所述步骤(1)具体是指：在噪声图像中，针对目标像素点yi,j，取其大小为(2N+1×2N+1)的邻域，N的取值为2,3,4，将该邻域继续分为8个大小为(2N‑1×2N‑1)的子空间，8个校正前子空间中心像素点ls{l1,l2,l3,l4,l5,l6,l7,l8}为目标像素点yi,j的直接相邻像素点，s为子空间索引，s的取值为1,2,3,4,5,6,7,8；将每个子空间分为4个N×N的子块Qk[Q1,Q2,Q3,Q4]。3.根据权利要求1所述的混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：所述步骤(2)具体是指：在每个子空间中，分别计算4个N×N子块的平均值，Qk代表4个子块，k为子块索引，其取值为1,2,3,4：mQk＝mean(Qk),k＝1,2,3,4(1)将4个子块平均值进行升序排列，得到排列后的子块均值升序排列SBMA，SBMA表示为：SBMA[SBM1,SBM2,SBM3,SBM4](2)计算4个子块的均值差值，df1代表该子空间中4个子块最大的灰度差异，df2,df3和df4分别表示子块之间的灰度均值差异：根据子块之间的灰度差异信息，采用判据得到该子空间的纹理结构，公式(4)为判据：判定方法为：当df1小于阈值Th时，表示四个子块的像素值都相似，该子空间为一个平滑图像块，为model1；当df1大于阈值Th，且df3同时大于df2和df4时，表示该子空间中存在一个贯穿子空间的纹理结构，为model2；其他情况表示该子空间存在微小纹理结构，为model3；阈值Th的大小与噪声的强度和图像结构有关，阈值Th的取值范围为15≤Th≤60。4.根据权利要求1所述的混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：所述步骤(3)具体是指：结合子空间的三种纹理结构，校正子空间中心像素点像素值：若子空间的边缘结构属于model1，则校正前子空间中心像素点ls保持不变；若子空间中存在贯穿子空间的纹理结构，属model2，相同纹理结构的图像区域具有相似的像素值，则校正前子空间中心像素点ls为沿纹理方向的所有像素点的像素值均值；若子空间中存在微小的纹理结构，属于model3，相同纹理结构的图像区域具有相似的像素值，则校正前子空间中心像素点ls为沿纹理方向的所有像素点的像素值均值；2CN113743508A权利要求书2/2页依次对8个校正前子空间中心像素点进行校正，得到校正后子空间中心像素点Ls{L1,L2,L3,L4,L5,L6,L7,L8,}，s为子空间索引，其取值为1,2,3,4,5,6,7,8。5.根据权利要求1所述的混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：所述步骤(4)具体是指：计算目标像素点yi,j与其直接相邻的8个校正后子空间中心像素点Ls{L1,L2,L3,L4,L5,L6,L7,L8,}的绝对差值DS(yi,j)；将绝对差值DS(yi,j)按照升序进行排列得到排序