基于局部均值差值的自适应伪球滤波方法.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CN104599250A(43)申请公布日2015.05.06(21)申请号201510034546.3(22)申请日2015.01.23(71)申请人河南理工大学地址454000河南省焦作市高新区世纪大道2001号(72)发明人刘红敏司增艳汤永利王静贾利琴王志衡霍占强邓超姜国权(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书6页附图3页(54)发明名称基于局部均值差值的自适应伪球滤波方法(57)摘要本发明涉及一种基于局部均值差值的自适应伪球滤波方法，包括：获取图像并将其转化为灰度图像、定义连续伪球函数、定义伪球滤波器模板、计算图像中各点处的均值差值、计算图像中各点处的加权均值差值、计算伪球滤波器在图像中各点处的尺度参数、计算伪球滤波器在图像中各点处的边缘保持参数、计算图像中各点处归一化的伪球滤波模板，最后使用归一化的伪球滤波模板对图像进行滤波，输出滤波后的图像。本发明提供的方法较固定参数的图像滤波能更好的保留图像的边缘等细节信息，较自适应的维纳滤波具有更好的噪音抑制能力。CN104599250ACN104599250A权利要求书1/2页1.一种基于局部均值差值的自适应伪球滤波方法，其特征在于，包括步骤：步骤S1：获取图像并将其转化为灰度图像；步骤S2：定义连续伪球函数；具体方式为：对于伪球函数，使用二次曲面与伪球函数进行拼接，获得连续伪球函数为：，其中为连续伪球函数的尺度参数，为连续伪球函数的边缘保持参数，系数的计算公式为：，；步骤S3：定义伪球滤波器模板；具体方式为：根据步骤S2定义的连续伪球函数，对于(2k+1)×(2k+1)大小的伪球滤波模板PF，其(i，j)处的权重值定义为：，其中i=1,…,2k+1，j=1,…,2k+1，K=k+1且k的取值范围为1~5；步骤S4：计算图像中各点处的均值差值；具体方式为：对于图像中任一位置X(x,y)，将中心为X(x,y)、大小为(2k+1)×(2k+1)的方形区域确定为X(x,y)的支撑区域并记为，计算内各像素点灰度值的平均值和标准差，并分别记为和，然后计算内去掉点X(x,y)后各像素点灰度值的平均值并记为，将定义为点X(x,y)处的均值差值；步骤S5：计算图像中各点处的加权均值差值；具体方式为：对于图像中任一位置X(x,y)，定义为点X(x,y)处的加权均值差值，其中为内灰度值位于区间的像素点个数，表示点X(x,y)的灰度值，的取值范围为1~5；步骤S6：计算伪球滤波器在图像中各点处的尺度参数；具体方式为：对于图像中任一2CN104599250A权利要求书2/2页位置X(x,y)，伪球滤波器在点X(x,y)处的尺度参数为，其中比例系数的取值为1~4，eps表示一个小于10-8的正数；步骤S7：计算伪球滤波器在图像中各点处的边缘保持参数；具体方式为：对于图像中任一位置X(x,y)，伪球滤波器在点X(x,y)处的边缘保持参数为，比例系数的取值为1~4；步骤S8：计算图像中各点处归一化的伪球滤波模板；具体方式为：对于图像中的任一位置X(x,y)，由步骤S6和步骤S7分别获得该点处的尺度参数和边缘保持参数，然后根据步骤S3获得点X(x,y)处的伪球滤波模板，定义归一化的伪球滤波模板为；步骤S9：使用归一化的伪球滤波模板对图像进行滤波，输出滤波后的图像；具体方式为：对于图像中的任一位置X(x,y)，将内各点处的像素灰度值与归一化伪球滤波模板对应位置处的权重值相乘，然后求和即可获得点X(x,y)处滤波后的输出值。3CN104599250A说明书1/6页基于局部均值差值的自适应伪球滤波方法技术领域[0001]本发明涉及计算机视觉中的图像增强领域，特别是数字图像中自适应的滤波方法。背景技术[0002]作为图像预处理的一个步骤,图像滤波的结果对后续的图像处理和计算机视觉任务具有重要的影响。最快最直接的方法是使用线性滤波，该方法对整幅图像使用固定大小和固定权重的模板，但该方法一个明显的缺点是在滤除噪音的同时，造成边缘等细节的模糊。因此，能够同时实现噪音抑制和边缘保持的自适应滤波技术被广泛的提出。[0003]自适应滤波技术主要有两种[1]：自适应权重方法[2]和自适应窗口方法[3]。自适应权重方法使用固定窗口，窗口中的权重值依赖于图像的局部统计特征。自适应窗口方法中滤波器的窗口大小随图像特征的变化而改变。本发明的自适应伪球滤波方法，属于自适应权重方法。[0004]Cornsweet和Yellot[4]提出了Intensity-Dependent-Spread模型，该模型使用像素灰度值的倒数作为自适应高斯滤波器的方差。Vaezi和Bavarian[5]提出了混合尺度（composite-scale）高