自適應正斜雙十字窗均值濾波的脈沖噪聲消除方法
【技術領域】
[0001] 本發明屬于圖像處理技術領域，特別涉及一種可用于航空航天、軍事、醫學、天文 等諸多領域的數字圖像處理的自適應正斜雙十字窗均值濾波的脈沖噪聲消除方法。
【背景技術】
[0002] (1)脈沖噪聲及其模型 隨著模式識別和計算機視覺技術的不斷發展，人們對圖像質量的要求越來越高。但是 圖像在采集和傳輸過程中不可避免地受到外界諸多因素的干擾，致使獲取圖像的質量不 佳。脈沖噪聲是其中重要的一種噪聲類型，它是非連續的，由持續時間短和幅度大的不規則 脈沖或噪聲尖峰組成。脈沖噪聲可分為兩大類:限范圍隨機值噪聲和任意隨機值噪聲。限范 圍隨機噪聲又分為五類，椒鹽噪聲是限范圍隨機隨機噪聲的一種特例，其隨機值范圍限制 只能取兩個值:最小值和最大值。本發明僅僅針對限范圍隨機脈沖噪聲，五種限范圍隨機脈 沖噪聲模型如下： 脈沖噪聲模型1
其中，？=?1+?2，且?1=?2，？、？ 1和?2分別為總噪聲概率密度、鹽噪聲概率密度和椒噪聲概 率密度。
[0003] 脈沖噪聲模型2
其中，P=P1+P2，且pi 關 P2。
[0004] 脈沖噪聲模型3
其中，ll和12分別為噪聲暗灰度區間長度和亮灰度區間長度參數，且P=Pl+P2，Pl=P2和ll =工2 〇
[0005] 脈沖噪聲模型4
其中，P=Pl+P2,且Pi 關 P2和ll=l2。
[0006] 脈沖噪聲模型5
其中，P=P1+P2,且pi關P2和ll關12。
[0007] 從以上五種噪聲模型可以看出：模型4是模型5的特例即模型5在h=l2時為模型4， 模型3是模型4的特例，模型2是模型3的特例，模型1是模型2的特例，即1 1=12=0且?1=?2，在?1 情況下Ixy=〇，在P2情況下Ixy=255，此時為椒鹽噪聲。
[0008] (2)研究現狀 圖像中的限范圍脈沖噪聲消除方法很多，其中，中值濾波因其算法簡單，且能很好地保 持原有圖像的細節，在眾多領域得到了廣泛的應用。然而傳統中值濾波對所有的圖像像素 進行統一處理，在濾波噪聲的同時會改變非噪聲像素的值，可能會模糊圖像的邊緣等細節 信息。為此有多種改進算法，如開關中值濾波方法:首先檢測噪聲點，然后對噪聲點進行中 值濾波，對非噪聲點不作處理。但噪聲點的檢測又成為一個新的難題，尤其是脈沖噪聲點的 檢測，如有些文獻將窗口中所有像素點灰度值的中值與中心點灰度值的差值大于閾值的視 為噪聲點，如PSM(progressive median)、TSM(tristate median)方法，這些方法都存在著 最優閾值難于選擇的問題，因為最優閾值隨著噪聲概率密度和圖像的變化而變化，難以確 定，且對圖像細節結構的保護能力較弱。另外一些文獻依據圖像中某點灰度值與其鄰域內 像素點灰度值的極大值與極小值的關系進行噪聲檢測，還有一些文獻根據圖像中某點灰度 值與其鄰域內像素點灰度值的均值關系進行噪聲檢測，這些文獻方法的弊端在于會將非噪 聲點誤判為噪聲點。近年來，一些學者提出了一些新的噪聲檢測方法，如Ng等人提出了一種 邊界檢測方法(BDND方法）：首先對圖像中的每個像素點采用21X21窗口獲取鄰域值經過排 序并采用相鄰差值的最大值方法初步確定噪聲邊界，然后再用3 X 3窗口來精確確定邊界， 最后用邊界來確定噪聲點;但這種方法不僅計算復雜度高，而且在噪聲密度較大時，誤檢率 車交大。最近Horng等人(Horng S J, Hsu L Y, Li T R, et al. Using Sorted Switching Median Filter to remove high-density impulse noise.Journal of Visual communication and Image Representation, 2013, 24:956-967 ·)提出了一種圖像直方 圖檢測噪聲方法，雖然這種方法計算復雜度低，但在低噪聲密度情況下失效。所以如果噪聲 檢測不準確，開關中值濾波效果不理想。另外，中值濾波的效果還依賴濾波窗口的選擇，窗 口小，去噪效果差，圖像細節保護能力強;窗口大，去噪效果較佳，細節容易損失，圖像模糊 加重，為此有學者提出了自適應中值濾波，改善了去噪效果，但窗口增大后不僅因中值濾波 需要排序數據增加導致計算成本增加，且細節保護能力變弱。基于此，張新明等人提出了一 種基于十字滑動窗口的快速自適應圖像中值濾波方法(張新明，黨留群，徐久成.基于十字 滑動窗口的快速自適應圖像中值濾波.計算機工程與應用，2007, 43(27):37-39.),提高 了細節保護能力和運行速度，但這種方法是針對椒鹽噪聲提出的，另外由于圖像非噪聲點 的信息利用率不高，且采用是非裁剪中值濾波等原因，所以去噪效果有限。

【發明內容】

[0009] 本發明的目的在于克服上述已有技術的不足，提出了一種自適應正斜雙十字窗均 值濾波的脈沖噪聲消除方法。本發明不僅使用一種新穎的噪聲檢測方法較為準確檢測噪 聲，而且使用十字滑動窗口計算速度較方形窗口快，通過兩個十字相交向量退化和推進，依 據噪聲強度自動調整窗口大小來提高去噪效果。
[0010] 本發明的目的是這樣實現的： 一種自適應正斜雙十字窗均值濾波的脈沖噪聲消除方法，包括如下步驟： 步驟1:輸入大小為m X η，灰度級為0到L之間的含脈沖噪聲圖像I，其中L最大灰度級，常 取255; 步驟2:采用子塊排序差分最大法和投票法確定限范圍噪聲上下邊界，然后用此上下邊 界判斷噪聲，產生噪聲0-1二值映射矩陣Ν1，具體步驟如下： 步驟2.1:將含有脈沖噪聲的圖像分成s子塊，s=mn/25/25;如果大小不夠分塊，以對稱 方式擴展邊界，保證每個子塊大小都為25 X 25; 步驟2.2:對每個子塊的像素值進行排序，獲得一個排序向量； 步驟2.3:對排序向量相鄰的分量進行差分計算，得到差分向量； 步驟2.4:求差分向量前半分量的最大分量對應的排序向量分量，此分量即為下邊界 bi； 步驟2.5:求差分向量后半分量的最大分量對應的排序向量分量，此分量即為上邊界 b2 ； 步驟2.6:用255減每個子塊中的每個像素值； 步驟2.7:采用步驟2.2至步驟2.5方法得到差分向量前半分量的最大分量對應的排序 向量分量bs和差分向量后半分量的最大分量對應的排序向量分量b6;然后獲得下邊界b3和 上邊界 b4: b3=255-b6，b4=255-b5; 步驟2.8:對每一個子塊，bi和b3的最大值為子塊的下邊界bi，b2和b4的最小值為子塊上 邊界b2; 步驟2.9:集中每個子塊的下邊界值進行投票，在s個值中，得票最多的邊界值為噪聲最 終下邊界匕，同理，得到噪聲最終上邊界b2; 步驟2.10:用b#Pb2產生噪聲0-1二值映射矩陣N1:
其中，1代表非噪聲點，〇代表噪聲點； 步驟3:設R為恢復圖像，其對應的噪聲0-1二值映射矩陣NR，令R=I，#=妒； 步驟4:初選3 X 3濾波窗口，進行3 X 3正斜雙十字窗遞歸均值濾波； 步驟4.1:對于R中的每一個像素（i，j )，采用3 X 3正十字窗口均值濾波，其窗口對應的 點為：馬二{Λ#(卜-1，九#(以--+ + ，獲得濾波結果R1:
以上采用了開關濾波技術，即對噪聲點(妒（1，」）=0)作均值濾波，非噪聲點(NkiJh 1)保持不變;也采用了裁剪濾波技術，即只對31沖為1的點(非噪聲點)取均值，以下類同。 [0011]如果Sij為零矩陣，則Ri( i，j)=0，其噪聲0-1二值映射矩陣為：
步驟4.2:對于心中的每一個像素（i，j )，采用3 X 3正十字窗口均值濾波，其窗口對應的 點為：:焉二講~-!'_^；^'廣"、#(/'八#(./^^!),#^十1_/》，獲得濾波結果1? 2:
以上采用遞歸濾波技術，即對前一次濾波結果辦再作均值濾波，以下類同； 如果Sij為零矩陣，則R2(i，j )=0，其噪聲0-1二值映射矩陣為：
步驟4.3:對于此中的每一個像素（i，j )，采用3 X 3正十字窗口均值濾波，其窗口對應的 點為:(I - i A # 節 i-優為#5 a/+i)f JV& $ 4'w
如果Sij為零矩陣，則R3(i，j )=0; 其中，步驟4.1至lj步驟4.3中的mean表示取均值，i=l, 2，