專(zhuān)利名稱(chēng)：一種斑點(diǎn)噪聲污染圖像的非局部均值濾波方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像去噪增強(qiáng)領(lǐng)域，更具體地，涉及一種斑點(diǎn)噪聲污染圖像的非局部均值濾波方法。
背景技術(shù)：
圖像濾波技術(shù)是近年來(lái)一直受到各界關(guān)注并且發(fā)展迅速的圖像處理技術(shù)之一，而圖像中斑點(diǎn)噪聲的去除是其中研究的熱點(diǎn)之一，特別是在醫(yī)學(xué)圖像處理領(lǐng)域。圖像濾波，即在盡量保留圖像細(xì)節(jié)特征的條件下對(duì)目標(biāo)圖像的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。圖像中的斑點(diǎn)噪聲既降低了圖像的畫(huà)面質(zhì)量，又嚴(yán)重影響了圖像的自動(dòng)分割、分類(lèi)、目標(biāo)檢測(cè)以及其它特定信息的提取。去除斑點(diǎn)噪聲的方法主要有自適應(yīng)濾波方法、基于 小波的方法和基于各向異性擴(kuò)散的方法等，這些方法僅利用了圖像局部信息，因而易在圖像中造成偽影或產(chǎn)生階梯效應(yīng)。中國(guó)發(fā)明專(zhuān)利一種合成孔徑雷達(dá)圖像自適應(yīng)斑點(diǎn)噪聲抑制方法(專(zhuān)利號(hào)200710122105. 4)，提出了用一種全局統(tǒng)計(jì)量異質(zhì)性熵，作為判斷區(qū)域同質(zhì)異質(zhì)性的標(biāo)準(zhǔn)，由于異質(zhì)性熵利用圖像全局的概率統(tǒng)計(jì)分布，可以很好地測(cè)量出邊緣細(xì)節(jié)和紋理信息的變化，從而更準(zhǔn)確地對(duì)圖像局部同質(zhì)異質(zhì)性進(jìn)行判斷，并自適應(yīng)地采取不同的降噪處理措施，這種方法可以在不犧牲空間分辨率的前提下抑制合成孔徑雷達(dá)圖像中的斑點(diǎn)噪聲，并保留目標(biāo)邊緣、紋理細(xì)節(jié)信息的作用，其缺點(diǎn)在于易造成偽影。為克服基于局部信息的濾波方法的不足，Buades等提出了非局部均值(Nonlocalmeans, NLM)方法，該方法利用兩個(gè)圖像塊的高斯加權(quán)歐式距離衡量像素間的相似度，借助全局范圍內(nèi)像素的加權(quán)平均(權(quán)值對(duì)應(yīng)相似度)實(shí)現(xiàn)圖像降噪，其優(yōu)點(diǎn)在于能很好地保護(hù)圖像細(xì)節(jié)信息。經(jīng)現(xiàn)有文獻(xiàn)的查閱，中國(guó)專(zhuān)利SAR圖像非局部均值去斑方法(專(zhuān)利號(hào)200910219211. 3)，公開(kāi)了一種SAR圖像非局部均值去斑方法，該方法可克服現(xiàn)有非局部均值降斑算法中圖像塊距離計(jì)算不準(zhǔn)確的問(wèn)題。然而，現(xiàn)有的斑點(diǎn)噪聲污染圖像非局部均值濾波方法僅從平移不變性角度考慮了圖像自相似性，而忽略了圖像中存在的旋轉(zhuǎn)和尺度不變性，因此難以有效保護(hù)圖像中的復(fù)雜細(xì)節(jié)和紋理信息。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)的缺陷，本發(fā)明的目的在于提供一種斑點(diǎn)噪聲污染圖像的非局部均值濾波方法，旨在解決傳統(tǒng)非局部均值濾波方法中存在的只考慮圖像的平移不變性、而未考慮其旋轉(zhuǎn)和尺度不變性的不足，可更好地恢復(fù)圖像，并在噪聲去除和細(xì)節(jié)信息保護(hù)上達(dá)到更好地折衷。。為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種斑點(diǎn)噪聲污染圖像的非局部均值濾波方法，包括以下步驟(I)通過(guò)脈沖發(fā)送皮層模型迭代計(jì)算斑點(diǎn)噪聲污染圖像的神經(jīng)元點(diǎn)火狀態(tài)圖序列，具體采用以下等式Fij [n] = fFijtn-ll+Nij+Nij E WijklYkl [n-1](8)
權(quán)利要求
1. 一種斑點(diǎn)噪聲污染圖像的非局部均值濾波方法，其特征在于，包括以下步驟 (1)通過(guò)脈沖發(fā)送皮層模型迭代計(jì)算斑點(diǎn)噪聲污染圖像的神經(jīng)元點(diǎn)火狀態(tài)圖序列，具體采用以下等式
全文摘要
本發(fā)明公開(kāi)了一種斑點(diǎn)噪聲污染圖像的非局部均值濾波方法，包括以下步驟通過(guò)脈沖發(fā)送皮層模型迭代計(jì)算斑點(diǎn)噪聲污染圖像的神經(jīng)元點(diǎn)火狀態(tài)圖序列，由神經(jīng)元點(diǎn)火狀態(tài)圖序列抽取Renyi熵向量，基于Renyi熵向量對(duì)斑點(diǎn)噪聲污染圖像進(jìn)行非局部均值濾波，以得到去噪后的灰度值。本發(fā)明可以從含斑點(diǎn)噪聲的圖像中提取出旋轉(zhuǎn)、平移和縮放不變性，比傳統(tǒng)的方法能夠利用更多的圖像信息來(lái)進(jìn)行去噪，此外，本發(fā)明能夠更加合理地計(jì)算兩個(gè)圖像像素塊之間的相似度，并能明顯抑制圖像噪聲，提高圖像的峰值信噪比，從而更有效地保護(hù)了圖像的細(xì)節(jié)信息。
文檔編號(hào)G06T5/00GK102750675SQ20121017633
公開(kāi)日2012年10月24日 申請(qǐng)日期2012年5月31日 優(yōu)先權(quán)日2012年5月31日
發(fā)明者丁明躍, 尹周平, 張旭明, 熊有倫, 王俊, 王垠騏, 王瑜輝, 鄒建 申請(qǐng)人:華中科技大學(xué)