一种针对椒盐噪声的自适应非局部均值滤波方法.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CN113989168A(43)申请公布日2022.01.28(21)申请号202111289312.5(22)申请日2021.11.02(71)申请人华北电力大学（保定）地址071003河北省保定市永华北大街619号(72)发明人刘书刚马昕玥(74)专利代理机构石家庄开言知识产权代理事务所(普通合伙)13127代理人赵俊娇(51)Int.Cl.G06T5/20(2006.01)G06T5/00(2006.01)权利要求书2页说明书12页附图4页(54)发明名称一种针对椒盐噪声的自适应非局部均值滤波方法(57)摘要本发明涉及一种针对椒盐噪声的自适应非局部均值滤波方法。属于数字图像处理技术领域。提出了一种简单而有效的去除椒盐噪声的方法。首先，使用滑动窗口识别噪声点，并使用局部滤波进行初步去噪。其次，提出具有自适应参数的非局部均值滤波用于进行二次去噪。本发明根据椒盐噪声的强度水平将平滑参数设计为分段函数。在公开数据集上的实验结果表明，新的滤波器平衡了去噪效果和消耗时间之间的关系。而且，新的过滤器可以有效地恢复被污染图像的像素并保留图像的纹理细节。CN113989168ACN113989168A权利要求书1/2页1.一种针对椒盐噪声的自适应非局部均值滤波方法，其特征在于：所述方法包括以下步骤：步骤1初步估计滤波：首先利用自适应窗口检测和识别噪声点，其次利用局部均值，或者局部中值的方法进行滤波；步骤2利用自适应参数的非局部均值方法进一步地再处理噪声：无噪声点像素保持不变。对于噪声点，利用所有邻域内像素的加权平均值替代噪声点的像素，且在去除噪声过程中，设置平滑参数随噪声强度自适应变化。2.根据权利要求1所述的针对椒盐噪声的自适应非局部均值滤波方法，其特征在于：所述方法步骤1中利用自适应窗口检测和识别噪声点具体为：定义与噪声图像x大小相同的矩阵N，用于记录图像中各点是否为噪声点，记为判别矩阵；由此定义判别矩阵，即，N(i，j)＝1，xi，j点为噪声点；N(i，j)＝0，xi，j为非噪声点。3.根据权利要求1所述的针对椒盐噪声的自适应非局部均值滤波方法，其特征在于：所述方法步骤1中局部均值滤波和局部中值滤波具体为：局部均值滤波，即利用噪声点的部分相邻点像素的均值代替噪声点像素；局部中值滤波，即利用噪声点的部分相邻点像素的中值代替噪声点像素。4.根据权利要求1所述的针对椒盐噪声的自适应非局部均值滤波方法，其特征在于：所述方法步骤2中利用所有邻域内像素的加权平均值替代噪声点的像素具体计算过程如下，其中，c是Mi，j的邻域内的全部点对于Mi，j点的权值之和；Li，j为最终去除噪声图像的像素，B2(Mi，j，r)为以Mi，j为中心，半径大小为r的窗口，即窗口内包含(2r+1)个点，Mi，j为初步滤波后的图像中噪声点的像素值，Me，f为初步滤波后的图像中任意点的像素值，u(Mi，j，Me，f)为其他像素点Me，f用于恢复噪声点Mi，j像素时的权重。5.根据权利要求1所述的针对椒盐噪声的自适应非局部均值滤波方法，其特征在于：所述方法步骤2中设置平滑参数随噪声强度自适应变化具体为：将上一步检测到的噪声强度视为一个变量，设计的函数；在该表达式中，F表示平滑参数的函数；此外，对于图像像素矩阵，p是行数，q是列数；定义符号表达m＝noisedegree，β0、β1、β2、β3为用于拟合h的参数；是判别矩阵N(i，j)中的非零元素的总数，p是图像对应像素矩阵的行数，q是图像对应像素矩阵的列数，是图像中噪声点占所有像素点的比例，h是平滑参数；2CN113989168A权利要求书2/2页当噪声强度较低时，即m≤0.2，32h＝β0·n+β1·n+β2·n+β3+(0.2‑m)·m·15，其中，β0＝‑28.317，β1＝15.8，β2＝3.9385，β3＝4.5646，当噪声强度中等时，即0.3≤m≤0.6，32h＝β0·n+β1·n+β2·n+β3’其中，β0＝‑0.001，β1＝2.2194，β2＝6.0316，β3＝4.5592，当噪声强度较高时，即m≥0.7，其中，β0＝4.708，β1＝0.082，β2＝2.134，β3＝6.0519。3CN113989168A说明书1/12页一种针对椒盐噪声的自适应非局部均值滤波方法技术领域[0001]本发明涉及一种针对椒盐噪声的自适应非局部均值滤波方法。属于数字图像处理技术领域。背景技术[0002]数字图像在量化和传输过程中常常受到成像设备与外部环境干扰等影响。噪声往往会降低图像的质量，对后续图像的处理(如分割、压缩和信息提取等)产生不利的影响。为了抑制噪声，改善图像质量，必须对图像进行去除噪声处理。噪声种类很多，其中一种是椒盐噪声，又称脉冲噪声