CN101887578A - 基于两级插值的图像脉冲噪声抑制方法 - Google Patents

Abstract

本发明公开一种基于两级插值的图像脉冲噪声抑制方法，主要解决现有方法无法在消噪过程中保留图像细节信息，和在大噪声密度下无法恢复清晰图像的问题。其抑噪步骤为：对含噪图像利用直方图分析检测噪声，通过下采样得到低分辨率图像；利用未受噪声干扰像素的统计特性进行第一级插值，补全下采样后的低分辨率图像中受脉冲噪声干扰的像素的幅度信息，并对该低分辨率图像采用自适应方向提升小波进行预滤波；对预滤波后的低分辨率图像采用改进的分段自回归模型，利用图像结构特征进行第二级插值，得到消除脉冲噪声的全分辨率图像。本发明在不同噪声密度下都具有优于现有方法的客观评价和主观视觉效果，可用于高密度脉冲噪声抑制，提高图像质量。

Description

基于两级插值的图像脉冲噪声抑制方法

技术领域

本发明属于数字图像处理技术领域，具体涉及数字图像脉冲噪声抑制方法，应用于实现从被高密度脉冲噪声湮没的信号中恢复清晰图像。

背景技术

脉冲噪声由非连续，持续时间短和幅度大的不规则脉冲或噪声尖峰组成。产生脉冲噪声的原因多种多样，其中包括电磁干扰，通信系统的故障缺陷，电气开关和继电器的状态改变。在数字式数据通信及信号处理中，脉冲噪声的存在会在后续传输和处理过程中引起严重的错误。以遥感图像为例，在卫星遥感成像系统中，恶劣的电磁环境和传输信道干扰往往使获取的航拍图像信号淹没在大量的脉冲噪声中，给后续的图像解译和识别带来巨大困难。因此，如何能从大量脉冲噪声中恢复出清晰图像，一直是专家们热衷探索的领域。

针对脉冲噪声，现有去噪方法中，最经典、应用最为广泛的滤波方法是中值滤波(Median Filter：MF)。中值滤波方法虽然简单高效，在噪声密度较低的情况下可以取得较好的滤波效果，但是由于其对所有像素进行没有区别的处理，滤波过后，未受噪声干扰的像素灰度值也会发生改变，这样会破坏信号原有信息。针对这一点，许多专家提出改进的中值滤波算法，这些算法在检测噪声的基础上进行自适应中值滤波(Adaptive Median Filter：AMF)。该方法只改变受噪声影响的像素灰度值，不改变未受噪声影响的像素灰度值。自适应中值滤波在一定程度上改善了滤波性能，做出了有益的探索，但在实际应用中，中值滤波和自适应中值滤波都存在不同程度的局限性。

中值滤波和自适应中值滤波在滤波过程中会对信号造成大幅度平滑、破坏相对于滤波窗口尺寸较小的图像细节。随着噪声密度的逐渐加大，中值滤波和自适应中值滤波恢复信号的精度和准确度急剧下降，无法恢复出满足人眼视觉和计算机处理要求的清晰图像信号。

发明内容

本发明的目的在于克服已有技术的不足，提出一种基于两级插值的脉冲噪声抑制方法，以提高滤波恢复信号的精度和准确度，恢复出满足人眼视觉和计算机处理要求的清晰图像信号。

实现本发明的技术思路是，根据脉冲噪声特性利用直方图分析进行噪声检测，将受噪声影响的像素视为缺失像素，并结合信号的数据统计特性和信号结构特性，通过两级差值恢复出消除脉冲噪声影响的清晰图像。其具体技术方案包括如下步骤：

(1)利用直方图对待处理的脉冲噪声图像进行噪声检测，标定噪声位置；

(2)将含噪图像中受噪声影响的像素幅度置零，得到参考图像；

(3)对步骤(2)中得到的参考图像进行下二采样，得到分辨率为待处理含噪图像一半的低分辨率图像；

(4)对于低分辨率图像中幅度为零的像素，在参考图像中找到这些像素的对应位置，并以这些位置为中心加窗，用窗内非零像素的加权和作为第一级插值补全这些像素的幅度信息；

(5)对一级插值后的低分辨率图像用方向自适应提升小波进行预滤波，消除图像内边缘和纹理中存在的锯齿效应；

(6)对步骤(5)中预滤波后的低分辨率图像，采用改进的分段自回归模型进行第二级插值，得到消除脉冲噪声的全分辨率清晰图像。

本发明与现有技术相比具有如下优点：

1.本发明由于采用了两级插值构成图像去噪过程，且在插值过程中，不但利用了信号的统计特性，更充分利用二维图像信号的统计特性和结构信息，从而解决了传统方法无法准确恢复边缘和纹理的缺点，大大提高了去噪效果。

2.本发明由于结合脉冲噪声自身的特点，利用直方图分析确定阈值，检测噪声，用未受噪声干扰的像素恢复原始信号，提高了恢复清晰图像信号的精度。

3.本发明由于在插值之前对低分辨率进行预滤波，利用方向提升小波对图像边缘和纹理的良好表示性能，修正边缘和纹理，为第二级插值打好基础，提高恢复清晰信号的准确度。

4.本发明在由于在进行第二级插值的过程中改进了现有的基于分段自回归模型的插值，在该插值的过程中，每一步插值结果都由未受噪声影响的像素进行修正，从而大大提升了插值恢复的效果。

5.实验结果表明，本发明能在10％-90％的大噪声密度动态范围内都能取得高精度的恢复效果，并且在去除噪声的同时能够保留图像的结构特征。实验数据和图像表明本发明不论是主观视觉还是客观评价都明显优于现有其他脉冲噪声降噪方法。

附图说明

图1是本发明的实现框图；

图2是本发明消除图像脉冲噪声的流程图；

图3是本发明的第一级插值示意图；

图4是本发明的第二级插值示意图；

图5是分别用本发明和现有算法对灰度图像Lena的进行去噪处理的仿真结果；

图6是分别用本发明和现有算法对遥感图像进行去噪处理的仿真结果。

具体实施方式

参照图1和图2，对一幅大小为M×N的含噪图像N_im，按如下步骤进行去噪：

步骤1，利用直方图分析对待处理的脉冲噪声图像N_im进行噪声检测。

(1.1)求N_im的图像直方图；

(1.2)以直方图包络函数在图像灰度值动态区间的两端拐点作为阈值T_max和T_min；

(1.3)对于待处理图像中的每一个像素N_im(p，q)，如果N_im(p，q)的灰度值在区间[T_min，T_max]之内，认为N_im(p，q)为未受噪声污染的像素，反之，如果N_im(p，q)＞T_max或N_im(p，q)＜T_min则认为N_im(p，q)为受脉冲噪声污染的像素，其中(p，q)为全分辨率图像的像素坐标，p＝1，2…M，q＝1，2…N。

步骤2，将待处理图像中受噪声污染的像素灰度值置零，得到参考图像HR_im：

步骤3，对参考图像HR_im进行步长为2的下采样，得到低分辨率图像LR_im：

LR_im(i，j)＝HR_im(2i，2j)

其中，(i，j)代表像素在低分辨率图像LR_im中的坐标位置，i＝1，2…M/2，j＝1，2…N/2。

步骤4，对步骤3中得到的低分辨率图像LR_im进行第一级插值，补全LR_im中幅度为零的像素的幅度值信息。

参照图3，对于低分辨率图像LR_im中的像素A的幅度值f(A)本步骤的第一级插值步骤如下：

(4.1)如果像素A的幅度值f(A)不等于零，则f(A)保持不变；

(4.2)如果像素A的幅度值f(A)等于零，则按照如下步骤对像素A的幅度值f(A)进行插值：

(4.2.1)在参考图像HR_im中找到像素A的对应位置；

(4.2.2)以参考图像HR_im中的像素A为中心加窗，如图3所示HR_im中的阴影区域；

(4.2.3)用窗口内的非零像素的加权和作为低分辨率图像LR_im中像素A的幅度值f(A)，加权求和的公式如下：

$f\left(A\right)=\underset{k=-L}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\ω}}_k*\mathrm{HR}\_\mathrm{im}(2i+k,2j+k)$

其中，L＝win/2-1，win表示窗口大小；k为属于区间[-L，L]中的整数；ω_k为加权系数，

num为窗口内非零像素的个数。(i，j)代表像素在低分辨率图像LR_im中的坐标位置，i＝1，2…M/2，j＝1，2…N/2。

步骤5，对一级插值后的低分辨率图像LR_im进行预滤波，消除图像内边缘和纹理中存在的锯齿效应：

(5.1)对LR_im进行方向提升小波正变换；

(5.2)对方向提升小波正变换得到的高频子带系数进行小波软阈值处理；

(5.3)对处理后的小波系数进行方向提升小波反变换，得到预滤波后的低分辨率图像pre_im。

步骤6，对预滤波后的低分辨率图像pre_im采用改进的分段自回归模型进行第二级插值，得到消除脉冲噪声的高分辨清晰图像。

(6.1)初始化定义去噪图像de_im，将de_im初始化定义为大小为M×N，所有像素幅度均为0的矩阵；

(6.2)将pre_im中的每个像素幅度值赋给de_im中相应位置的像素：

de_im(2i，2j)＝pre_im(i，j)

其中，(i，j)代表像素在低分辨率图像pre_im中的坐标位置，i＝1，2…M/2，j＝1，2…N/2；如图4中，黑色实心圆点为pre_im中的像素在de_im中的空间位置，灰色圆点为实心圆点的8-邻域像素，白色圆圈为黑色圆点的4-邻域像素；

(6.3)用分段自回归模型插出de_im中黑色实心圆点的8-邻域像素；

(6.4)用参考图像HR_im中的非零像素修正第一步插值得到的8-邻域像素幅度信：

$\mathrm{de}\_\mathrm{im}(p,q)=\left\{\begin{array}{ccc}\mathrm{HR}\_\mathrm{im}(p,q)& \mathrm{if}& \mathrm{HR}\_\mathrm{im}(p,q)\≠0\\ \mathrm{de}\_\mathrm{im}(p,q)& \mathrm{if}& \mathrm{HR}\_\mathrm{im}(p,q)=0\end{array}\right.$

其中，(p，q)为全分辨率图像中像素的坐标，p＝1，2…M，q＝1，2…N；

(6.5)用分段自回归模型插出de_im中黑色实心圆点的4-邻域像素；

(6.6)用参考图像HR_im中的非零像素修正第二步插值结果，得到最终输出的去噪图像：

$\mathrm{de}\_\mathrm{im}(p,q)=\left\{\begin{array}{ccc}\mathrm{HR}\_\mathrm{im}(p,q)& \mathrm{if}& \mathrm{HR}\_\mathrm{im}(p,q)\≠0\\ \mathrm{de}\_\mathrm{im}(p,q)& \mathrm{if}& \mathrm{HR}\_\mathrm{im}(p,q)=0\end{array}\right.$

其中，(p，q)为全分辨率图像中像素的坐标位置，p＝1，2…M，q＝1，2…N。

本发明的效果可以通过以下具体实验数据进一步说明。

1)实验条件：

本实验以Lena图像和一幅遥感图像为例，说明本发明的去噪仿真效果，两幅图像均为大小为512×512，灰度范围为0～255的灰度图像。

2)实验内容：

对两幅测试图像分别加入密度为10％～90％的脉冲噪声，得到受不同程度噪声影响的含噪图像。对受不同程度噪声影响的含噪图像分别采用经典中值滤波MF、自适应中值滤波AMF和本发明方法进行去噪处理得到各种方法的去噪结果。用峰值信噪比PSNR作为客观评价标准来测试各个算法的去噪有效性，用去噪结果图说明各算法去噪结果的主观视觉效果。

3)实验结果：

表1为不同方法在图像受到不同程度噪声影响情况下的去噪结果的PSNR。

图5为对Lena图像加入密度为10％和60％的脉冲噪声的情况下，不同方法的去噪效果图。其中，图5(a)为原始Lena图像，图5(b)为加入10％的脉冲噪声图，图5(c)为用现有经典中值滤波处理图5(b)所得结果，图5(d)为用现有自适应中值滤波处理图5(b)所得结果，图5(e)为用本发明方法处理图5(b)所得结果，图5(f)为加入密度为60％的脉冲噪声图，图5(g)为用现有经典中值滤波处理图5(f)所得结果，图5(h)为用现有自适应中值滤波处理图5(f)所得结果，图5(i)为本发明方法处理图5(f)所得的结果。

图6为对一幅遥感图像加入密度为10％和60％的脉冲噪声的情况下，不同方法的去噪效果图。其中，图6(a)为原始清晰遥感图像，图6(b)为加入10％的脉冲噪声图，图6(c)为用现有经典中值滤波处理图6(b)所得结果，图6(d)为用现有自适应中值滤波处理图6(b)所得结果，图6(e)为用本发明方法处理图6(b)所得结果，图6(f)为加入密度为60％的脉冲噪声图，图6(g)为用现有经典中值滤波处理图6(f)所得结果，图6(h)为用现有自适应中值滤波处理图6(f)所得结果，图6(i)为用本发明方法处理图6(f)所得的结果。

4)结果分析：

由表1可见，传统方法去噪获得的PSNR远小于本发明方法的去噪PSNR，且随着噪声密度的增加，传统方法的去噪结果的PSNR迅速下降；而本发明对受不同程度噪声影响的含噪图像，都能获得远高于传统方法的PSNR。

由图5和图6的实验结果可以看出，传统方法在高噪声密度的情况下去噪效果大幅下降，在噪声密度达到60％时，传统方法的去噪结果仍严重受到噪声干扰，图像信息被严重破坏，而本发明仍能恢复出满足人眼视觉要求的清晰图像，如图5(i)和图6(i)，可以看出本发明在高噪声密度下仍能在消除脉冲噪声的同时，保留图像细节边缘和纹理信息，准确恢复出清晰的图像信号。

总之，从实验结果中可以看出，无论噪声密度高低，基于传统中值滤波的算法在恢复精度和保持细节方面能力欠缺较大；在噪声密度较高的情况下，传统方法无法恢复出满足人眼视觉和计算机处理要求的清晰图像信号；而本发明无论针对噪声密度大还是小的含噪图像，都能够在去噪的过程中保持图像原有细节信息，恢复出满足人眼视觉和计算机处理要求的清晰图像信号。无论是主观视觉还是客观评价，本发明的去噪结果都远好于传统方法。

表1不同方法去噪结果的PSNR比较(dB)

Claims (4)

1.一种基于两级插值消除图像脉冲噪声的方法，包括如下步骤：

(1)利用直方图对待处理的脉冲噪声图像进行噪声检测，标定噪声位置；

(2)将含噪图像中受噪声影响的像素幅度置零，得到参考图像；

(3)对步骤(2)中得到的参考图像进行下二采样，得到分辨率为待处理含噪图像一半的低分辨率图像；

(4)对于低分辨率图像中幅度为零的像素，在参考图像中找到这些像素的对应位置，并以这些位置为中心加窗，用窗内非零像素的加权和作为第一级插值补全这些像素的幅度信息；

(5)对一级插值后的低分辨率图像用方向自适应提升小波进行预滤波，消除图像内边缘和纹理中存在的锯齿效应；

(6)对步骤(5)中预滤波后的低分辨率图像，采用改进的分段自回归模型进行第二级插值，得到消除脉冲噪声的全分辨率清晰图像。

2.根据权利要求1所述的图像去噪方法，其中步骤(1)所述的利用直方图对待处理的脉冲噪声图像进行噪声检测，按如下步骤进行：

(2a)求含噪图像直方图；

(2b)以直方图包络函数在图像的灰度范围动态区间两端的拐点作为阈值T_max和T_min；

(2c)对于含噪图像中的每一个像素X(i，j)，如果X(i，j)的灰度值在区间[T_min，T_max]之内，则认为X(i，j)为未受噪声污染的像素；反之，如果X(i，j)＞T_max或X(i，j)＜T_min，则认为X(i，j)为受脉冲噪声污染的像素。

3.根据权利要求1所述的图像去噪方法，其中步骤(6)所述的对一级插值后的低分辨率图像用方向自适应提升小波进行预滤波，按如下步骤进行：

(3a)对低分辨率图像进行自适应方向提升小波正变换；

(3b)用软阈值算法处理小波系数；

(3c)用(3b)中处理后的系数进行自适应方向提升小波反变换重构预滤波图像；

4.根据权利要求1所述的图像去噪方法，其中步骤(6)所述的采用改进的分段自回归模型进行第二级插值，按如下步骤进行：

(4a)根据分段自回归模型插出低分辨率图像在全分辨率图像中相应位置的8-邻域像素；

(4b)用参考图像中的非零像素代替步骤(4a)中插出的像素值；

(4c)用低分辨率图像中的已知像素和步骤(4a)、(4b)得到的插值结果作为已知条件，利用分段自回归模型插出低分辨率图像在全分辨率图像中相应位置的4-邻域像素；

(4d)用参考图像的非零像素代替步骤(4c)中插出的像素值。

Images