CN102184525B - 一种基于噪声空间特性的非线性滤波去噪方法 - Google Patents

一种基于噪声空间特性的非线性滤波去噪方法 Download PDF

Info

Publication number
CN102184525B
CN102184525B CN 201110098209 CN201110098209A CN102184525B CN 102184525 B CN102184525 B CN 102184525B CN 201110098209 CN201110098209 CN 201110098209 CN 201110098209 A CN201110098209 A CN 201110098209A CN 102184525 B CN102184525 B CN 102184525B
Authority
CN
China
Prior art keywords
image
gray
scale value
noise
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN 201110098209
Other languages
English (en)
Other versions
CN102184525A (zh
Inventor
张天序
左芝勇
陈建冲
关静
武道龙
周钢
陈浩
薛米生
朱生国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN 201110098209 priority Critical patent/CN102184525B/zh
Publication of CN102184525A publication Critical patent/CN102184525A/zh
Application granted granted Critical
Publication of CN102184525B publication Critical patent/CN102184525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开了一种基于噪声空间特性的非线性滤波去噪方法，过程为：①输入红外成像探测器探测到的图像f；②创建一幅与图像f大小相同，灰度值却全为0的图像g；③对带噪声的图像f进行单点去噪；④对带噪声的图像f进行两点去噪：⑤对带噪声的图像f进行三点去噪；⑥令图像g中经过单点去噪、两点去噪及三点去噪修改后灰度值还为零的像素的灰度值为图像f该点的灰度值。本发明弥补了传统非线性滤波去噪方法去噪时的盲目性，充分利用噪声空间特性和目标空间特性的差异，从而能在去噪的同时较好的保留图像的细节和图像的边缘，便于图像校正、目标识别等后续处理工作的展开。

Description

一种基于噪声空间特性的非线性滤波去噪方法
技术领域
本发明属于数字图像处理技术领域，具体涉及一种基于噪声空间特性的非线性滤波去噪方法。
背景技术
图像在形成、传输和存储过程中都往往会被噪声污染。噪声的强度一般采用信噪比(snr)或分贝数(dB)来定义。信噪比即是图像中信号和噪声的功率比值，信噪比和分贝数的转换关系为：
dB＝10log10snr
一般地，噪声随机的分布在图像中，而且支撑域很小。因此传统的去噪方法是利用一种非线性的中值滤波器对图像进行滤波，去除图像中支撑域很小的噪声，从而实现对图像的去噪。
对于一般情况下的弱噪声，传统的滤波去噪方法可以很好地实现图像去噪。但是，在动平台条件下成像，成像积分时间很短，从而导致了传感器噪声很强；而某些时候，由于成像条件太差，或者目标距离成像太远，目标辐射强度很低，导致了噪声相对较强。面对这类强噪声的恶劣条件，传统的滤波去噪方法常常无能为力。
其次传统的非线性滤波去噪方法(如中值滤波去噪、最大值滤波去噪、最小值滤波去噪、中点滤波去噪等方法)都没有考虑目标图像中噪声和目标的空间特征，噪声的空间特性：(1)无方向性；(2)空间局部性，支撑域很小；形状目标的空间特性：(1)目标有较大的支撑域，具有空间多尺度特性；(2)目标的各个部件具有空间方向性。仅仅盲目的在一个模板(如3×3)内求平均值、最大值、最小值、中点值等来实现图像去噪。然而空间目标图像具有很强的结构性，去噪时其某些模板应该是求中值，一些模板是求最大值或最小值，而其他的模板却是求中点值。利用传统的非线性滤波去噪方法对空间目标图像进行去噪，会在去除噪声的同时丢失图像的细节，使得图像更加模糊，增加了后续处理工作(如图像校正、目标识别等)的难度。
综上所述，需要研究有效的图像去噪方法，使得在图像去噪的同时保留图像的细节和图像的边缘，降低图像预处理和后续处理的难度。
发明内容
本发明的目的在于提供一种基于噪声空间特性的非线性滤波去噪方法，该方法弥补了传统非线性滤波去噪方法去噪时的盲目性，充分利用噪声空间特性和目标空间特性的差异，从而能在去噪的同时较好的保留图像的细节和图像的边缘。
本发明提供的一种基于噪声空间特性的非线性滤波去噪方法，其特征在于，该方法步骤包括：
(1)输入红外成像探测器探测到的图像f；
(2)创建一幅与图像f大小相同，灰度值却全为0的图像g；
(3)对带噪声的图像f进行单点去噪：若图像f中存在某一像素点(i，j)的灰度值大于其周围8个像素点的灰度值中的最大值，或者小于其周围8个像素点的灰度值中的最小值，则判定该点为噪声点；令图像g在像素点(i，j)的灰度值g(i，j)等于图像f中像素点(i，j)周围8个像素点的灰度值的平均值；
(4)对带噪声的图像f进行两点去噪：
(4.1)若图像f中存在相邻两像素点的灰度值大于该两点周围10个像素点的灰度值中的最大值，或小于该两点周围10个像素点的灰度值中的最小值，则判定该两点为噪声点；计算此相邻两点周围10个像素点的灰度值的平均值为Temp，如果图像g中该相邻两点中存在某点的灰度值非零，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则就直接令图像g中该点的灰度值为Temp；
(4.2)若图像f中存在相邻两像素点的灰度值大于该两点周围14个像素的灰度值中的最大值，或小于该两点周围14个像素的灰度值中的最小值，则判定该两点为噪声点；计算此相邻两点周围14个像素灰度值的平均值为Temp，如果图像g中该相邻两点中存在某点的灰度值非零，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则就直接令图像g中该点的灰度值为Temp；
(5)对带噪声的图像f进行三点去噪：
若图像f中存在相邻3像素的灰度值都大于该3点周围13个像素的灰度值中的最大值，或小于该3点周围13个像素的灰度值中的最小值，则判定该3点均为噪声点；计算此相邻三点周围13个像素灰度值的平均值为Temp，如果图像g中该相邻三点中存在某点的灰度值非零，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则就直接令图像g中该点的灰度值为Temp；
(6)令图像g中灰度值为零的像素的灰度值为图像f该点的灰度值。
传统非线性滤波去噪方法虽能去除噪声但模糊了图像的细节和图像的边缘，限制了该方法的效能。同时，图像中噪声和目标的空间特性没有充分利用。本发明方法分析了噪声空间特性与形状目标空间特性的差异，提出一种单点模式的噪声形式、四种两点模式的噪声形式及四种三点模式的噪声形式。对图像中每个像素点进行单点模式、两点模式和三点模式的噪声形式的判定，如果该点判定为噪声点则作相应模式的滤波去噪处理；若不是噪声点则保留，从而实现了有效的图像去噪。本发明弥补了传统非线性滤波去噪方法去噪时的盲目性，充分利用噪声空间特性和目标空间特性的差异，从而能在去噪的同时较好的保留图像的细节和图像的边缘，便于图像校正、目标识别等后续处理工作的展开。
附图说明
图1是本发明的基于噪声空间特性的非线性滤波去噪方法流程图。
图2是单点形式的噪声模式示意图。
图3a、图3b、图3c、图3d是两点形式的噪声模式示意图。
图4a、图4b、图4c、图4d是三点形式的噪声模式示意图。
图5是某空间目标在叠加信噪比为5db的高斯白噪声的条件下，中值滤波器和本发明提出的算法滤波的实验结果对比。
图5a是European仿真图像。
图5b是图5a叠加了信噪比为5db的高斯白噪声后的图像。
图5c是中值滤波器的滤波结果。
图5d是本发明算法的滤波结果。
图6是某空间目标在叠加信噪比为3db的高斯白噪声的条件下，中值滤波器和本发明提出的算法滤波的实验结果对比。
图6a是European仿真图像。
图6b是图6a叠加了信噪比为3db的高斯白噪声后的图像。
图6c是中值滤波器的滤波结果。
图6d是本发明算法的滤波结果。
图7是某空间目标在叠加信噪比为1db的高斯白噪声的条件下，中值滤波器和本发明提出的算法滤波的实验结果对比。
图7a是European仿真图像。
图7b是图7a叠加了信噪比为1db的高斯白噪声后的图像。
图7c是中值滤波器的滤波结果。
图7d是本发明算法的滤波结果。
图8是某空间目标在叠加信噪比为5db的高斯白噪声的条件下，中值滤波器和本发明提出的算法滤波的实验结果对比。
图8a是Hubble仿真图像。
图8b是图8a叠加了信噪比为5db的高斯白噪声后的图像。
图8c是中值滤波器的滤波结果。
图8d是本发明算法的滤波结果。
图9是某空间目标在叠加信噪比为3db的高斯白噪声的条件下，中值滤波器和本发明提出的算法滤波的实验结果对比。
图9a是Hubble仿真图像。
图9b是图9a叠加了信噪比为3db的高斯白噪声后的图像。
图9c是中值滤波器的滤波结果。
图9d是本发明的算法滤波结果。
图10是某空间目标在叠加信噪比为1db的高斯白噪声的条件下，中值滤波器和本发明提出的算法滤波的实验结果对比。
图10a是Hubble仿真图像。
图10b是图10a叠加了信噪比为1db的高斯白噪声后的图像。
图10c是中值滤波器的滤波结果。
图10d是本发明的算法滤波结果。
具体实施方式
下面结合附图和实例对本发明作进一步详细的说明：
(1)输入红外成像探测器探测到的图像f；
(2)创建一幅与图像f大小相同，灰度值却全为0的图像g；
(3)首先对带噪声的图像f进行单点去噪：
(3.1)若图像f在像素点(i，j)的灰度值f(i，j)大于其周围8个像素点的灰度值中的最大值，或者小于其周围8个像素点的灰度值中的最小值，则判定该点为噪声点，其示意图如图2所示，则令图像g在像素点(i，j)的灰度值g(i，j)等于图像f中像素点(i，j)周围8个像素点的灰度值的平均值；否则图像g在像素点(i，j)的灰度值不作修改；
(3.2)重复执行步骤(3.1)直到判断完图像f的所有像素点，然后进行步骤(4)；
(4)其次对带噪声的图像f进行两点去噪：
(4.1)对形如图3a的两点模式进行两点去噪：
(4.1.1)若图像f在相邻两像素点(i，j)与(i，j+1)(4邻域相邻)的灰度值都大于该两点周围10个像素的灰度值中的最大值，或者都小于该两点周围10个像素的灰度值中的最小值，则判定该两点为噪声点，计算此相邻两点(i，j)与(i，j+1)周围10个像素点的灰度值的平均值为Temp，如果图像g中该相邻两像素点(i，j)与(i，j+1)中存在某点的灰度值非零(即该点的灰度值经过单点去噪时修改)，则令图像g在该点的灰度值为原来图像g在该点的灰度值和Temp求和的一半，否则直接令图像g在该点的灰度值为Temp；如果该相邻两像素点判定不是噪声点则其灰度值都不作修改。
(4.1.2)重复执行步骤(4.1.1)直到判断完图像f的所有像素点，然后进行步骤(4.2)；
(4.2)对形如图3b的两点模式进行两点去噪：对图像f中另外相邻两像素点(i，j)与(i+1，j)(4邻域相邻)，进行类似步骤(4.1)的处理，然后进行步骤(4.3)。
(4.3)对形如图3c的两点模式进行两点去噪：
(4.3.1)若图像f在相邻两像素点(i，j)与(i+1，j+1)(4邻域相邻)的灰度值都大于该两点周围14个像素点的灰度值中的最大值，或者都小于该两点周围14个像素点的灰度值中的最小值，则判定该两点为噪声点，计算此相邻两点(i，j)与(i+1，j+1)周围14个像素点的灰度值的平均值为Temp，如果图像g中该相邻两点(i，j)与(i+1，j+1)中存在某点的灰度值非零(即该点的灰度值经过单点去噪修改或两点去噪的4.1步、4.2步修改)，则令图像g中该点的灰度值为原来图像g在该点的灰度值和Temp求和的一半，否则直接令图像g在该点的灰度值为Temp；如果该相邻两像素点判定不是噪声点则其灰度值都不作修改。
(4.3.2)重复执行步骤(4.3.1)直到判断完图像f的所有像素点，然后进行步骤(4.4)；
(4.4)对形如图3d的两点模式进行两点去噪：对图像f中另外相邻两像素点(i，j+1)与(i+1，j)(4邻域相邻)，进行类似步骤(4.3)的处理，然后进行步骤(5)。
(5)然后对带噪声的图像f进行三点去噪：
(5.1)对形如图4a的三点模式进行三点去噪：
(5.1.1)若图像f中相邻三像素点(i，j)、(i，j+1)与(i+1，j+1)(4邻域相邻且3点不在同一直线)的灰度值都大于该3点周围13个像素点的灰度值中的最大值，或者都小于该3点周围13个像素点的灰度值中的最小值，则判定该3点均为噪声点，计算此相邻三点(i，j)、(i，j+1)与(i+1，j+1)周围13个像素点的灰度值的平均值为Temp，如果图像g中该相邻三点中存在某点的灰度值非零(即该点的灰度值经过单点去噪或两点去噪时修改)，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则直接令图像g在该点的灰度值为Temp；如果该相邻三像素点判定不是噪声点则其灰度值都不作修改。
(5.1.2)重复执行步骤(5.1.1)直到判断完图像f的所有像素点，然后进行步骤(5.2)；
(5.2)对形如图4b的三点模式进行三点去噪：对图像f中相邻三像素点(i，j)、(i，j+1)与(i+1，j)(4邻域相邻)，进行类似步骤(5.1)的处理，然后进行步骤(5.3)。
(5.3)对形如图4c的三点模式进行三点去噪：对图像f中相邻三像素点(i，j)、(i+1，j)与(i+1，j+1)(4邻域相邻)，进行类似步骤(5.1)的处理，然后进行步骤(5.4)。
(5.4)对形如图4d的三点模式进行三点去噪：对图像f中相邻三像素点(i，j+1)、(i+1，j)与(i+1，j+1)(4邻域相邻)，进行类似步骤(5.1)的处理，然后进行步骤(6)。
(6)令图像g中灰度值为零的像素的灰度值为图像f该点的灰度值。
实例：
附图5至图10的所示的实验结果反映了本发明所提出的方法的有效性。在强噪声(1db、3db、5db等)条件下，中值滤波器虽然可以对图像进行较好的去噪，但是，在去噪的同时，也明显模糊了图像的边缘，丢失了图像的某些细节(如图5c、6c、7c、8c、9c、10c)。而本发明提出的方法，在有效去除噪声的同时，很好地保护了图像的边缘和细节信息(如图5d、6d、7d、8d、9d、10d)，从而验证了本发明的有效性。
本发明不仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方式实施本发明，因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护的范围。

Claims (1)

1.一种基于噪声空间特性的非线性滤波去噪方法，其特征在于，该方法步骤包括：
(1)输入红外成像探测器探测到的图像f；
(2)创建一幅与图像f大小相同，灰度值却全为0的图像g；
(3)对带噪声的图像f进行单点去噪：若图像f中存在某一像素点(i，j)的灰度值大于其周围8个像素点的灰度值中的最大值，或者小于其周围8个像素点的灰度值中的最小值，则判定该点为噪声点；令图像g在像素点(i，j)的灰度值g(i，j)等于图像f中像素点(i，j)周围8个像素点的灰度值的平均值；
(4)对带噪声的图像f进行两点去噪：
(4.1)若图像f中存在相邻两像素点的灰度值都大于该两点周围10个像素点的灰度值中的最大值，或小于该两点周围10个像素点的灰度值中的最小值，则判定该两点为噪声点；计算此相邻两点周围10个像素点的灰度值的平均值为Temp，如果图像g中该相邻两点中存在某点的灰度值非零，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则就直接令图像g中该点的灰度值为Temp；
(4.2)若图像f中存在相邻两像素点的灰度值都大于该两点周围14个像素的灰度值中的最大值，或小于该两点周围14个像素的灰度值中的最小值，则判定该两点为噪声点；计算此相邻两点周围14个像素灰度值的平均值为Temp，如果图像g中该相邻两点中存在某点的灰度值非零，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则就直接令图像g中该点的灰度值为Temp；
(5)对带噪声的图像f进行三点去噪：
若图像f中存在相邻3像素的灰度值都大于该3点周围13个像素的灰度值中的最大值，或小于该3点周围13个像素的灰度值中的最小值，则判定该3点均为噪声点；计算此相邻三点周围13个像素灰度值的平均值为Temp，如 果图像g中该相邻三点中存在某点的灰度值非零，则令图像g中该点的灰度值为原来灰度值和Temp求和的一半，否则就直接令图像g中该点的灰度值为Temp；
(6)令图像g中灰度值为零的像素的灰度值为图像f该点的灰度值。 
CN 201110098209 2011-04-19 2011-04-19 一种基于噪声空间特性的非线性滤波去噪方法 Active CN102184525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110098209 CN102184525B (zh) 2011-04-19 2011-04-19 一种基于噪声空间特性的非线性滤波去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110098209 CN102184525B (zh) 2011-04-19 2011-04-19 一种基于噪声空间特性的非线性滤波去噪方法

Publications (2)

Publication Number Publication Date
CN102184525A CN102184525A (zh) 2011-09-14
CN102184525B true CN102184525B (zh) 2013-02-13

Family

ID=44570695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110098209 Active CN102184525B (zh) 2011-04-19 2011-04-19 一种基于噪声空间特性的非线性滤波去噪方法

Country Status (1)

Country Link
CN (1) CN102184525B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2495731A (en) * 2011-10-18 2013-04-24 Selex Galileo Ltd Infrared detector system having noise filtering based on neighbouring pixels
CN112785513B (zh) * 2020-08-25 2023-04-18 青岛经济技术开发区海尔热水器有限公司 一种用于过滤脉冲噪声的自适应中值滤波方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1617169A (zh) * 2003-11-12 2005-05-18 德鑫科技股份有限公司 一种数字图像的斑点消除方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1617169A (zh) * 2003-11-12 2005-05-18 德鑫科技股份有限公司 一种数字图像的斑点消除方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
付守国等.滤除数字图象盐点噪声的一种方法.《鞍山钢铁学院学报》.2001,第24卷(第2期),107-109. *
李树涛等.图象椒盐噪声的非线性自适应滤除.《中国图象图形学报》.2000,第5卷(第12期),全文. *
邢藏菊等.一种基于极值中值的新型滤波算法.《中国图象图形学报》.2001,第6卷(第6期),全文. *
高克芳等.一种基于噪声点检测的自适应中值滤波方法.《福建农林大学学报(自然科学版)》.2009,第38卷(第3期),332-336. *

Also Published As

Publication number Publication date
CN102184525A (zh) 2011-09-14

Similar Documents

Publication Publication Date Title
KR100881907B1 (ko) 영상 선명도 향상 장치 및 방법
Xu et al. Fast image dehazing using improved dark channel prior
CN105654445B (zh) 一种基于小波变换边缘检测的手机图像去噪方法
KR100872253B1 (ko) 이미지 센서에 의해 생성된 이미지의 노이즈 제거 방법
CN102521813B (zh) 基于双平台直方图的红外图像自适应增强方法
CN101316321B (zh) 一种基于中值滤波器的图像噪声去除方法和装置
KR20200109391A (ko) 이미지 데이터에서의 키포인트들의 검출
CN105046658B (zh) 一种低照度图像处理方法和装置
WO2006055693A8 (en) System and method for a vector difference mean filter for noise suppression
JP5948073B2 (ja) 画像信号処理装置、画像信号処理方法
CN102521836A (zh) 一种基于特定类灰度图像的边缘检测方法
US20120308153A1 (en) Device and method of removing noise in edge area
CN104021533B (zh) 一种实时图像降噪方法及装置
CN104463816A (zh) 一种图像处理方法及装置
CN106412383A (zh) 视频图像的处理方法和装置
CN109816608B (zh) 一种基于噪声抑制的低照度图像自适应亮度增强方法
CN103295225B (zh) 弱光照条件下的列车转向架边缘检测方法
CN102640485A (zh) 图像处理装置、图像处理方法及集成电路
CN108174057A (zh) 一种利用视频图像帧间差异对画面快速降噪的方法及装置
JP2009071419A (ja) ノイズ低減装置
CN104318529A (zh) 处理在恶劣环境中所拍摄低照度图像的方法
Vijayakumar Selective image enhancement and restoration for skin cancer identification
CN102184525B (zh) 一种基于噪声空间特性的非线性滤波去噪方法
CN104766285A (zh) 一种水下降质图像的自适应增强方法
CN102663706A (zh) 基于菱形模板的自适应加权均值滤波方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant