CN102521800A - 一种针对多模图像的去噪及锐化方法 - Google Patents

Abstract

一种针对多模图像的去噪及锐化方法，其特征在于：包括如下步骤：一、对输入的带噪多模图像组d_ijk进行Dual双边滤波，得到第一级去噪后的图像组g′_ijk；二、将第一级去噪后的图像组g′_ijk作为参考图像，对原始带噪图像组d_ijk进行带参考的Dual双边滤波，得到第二级去噪后的图像组g″_ijk；三、对第二级去噪后的图像组g″_ijk进行边缘保存交叉非锐化掩模滤波，得到锐化增强后的图像组f′_ijk；四、将g″_ijk作为参考图像，对锐化增强后的图像组f′_ijk进行带参考的Dual双边滤波，得到最终结果f_ijk。本发明能够利用多模图像组中各分量图像之间的信息具有一定相关性的特点，实现对多模图像的噪声抑制和边缘选择性锐化，提高主观视觉质量。

Description

一种针对多模图像的去噪及锐化方法

技术领域

本发明属于图像处理技术领域，涉及图像去噪和图像锐化方法，特别是应用于一种针对多模图像的去噪及锐化方法。

背景技术

图像增强是指按照不同应用领域对图像的要求，对现有图像进行加工，以突出图像中某些信息，削弱或去除某些不需要的信息，得到更加适合于该具体应用的图像，或将原图像转换为一种更适合人或机器进行分析处理的形式的图像处理方法。图像增强不会增加数据的内在信息含量，但会增加所选择特征的动态范围，以使其容易被检测到。传统的图像增强包括对比度和边缘增强、伪彩色增强、锐化和放大等等。本发明所涉及的内容主要是图像的边缘增强，即图像“锐化”。

非锐化掩模法(unsharp masking，UM)最早出现于摄影技术中，后来被广泛应用于各类商业图像处理领域，已经成为使用最广泛的锐化方法之一。UM方法不会增加图像细节，而是通过增加图像的锐度来增强细节的表现力，以实现对图像的锐化增强。其步骤为先将图像通过一个高通滤波器得到图像高频成分，然后将该高频成分与一个尺度系数相乘后再与原图像叠加便得到了锐化后的结果，其模型公式为以下形式：

I_UM＝I +δ·I_HP

其中，I_UM为UM方法锐化结果，I为原图像，I_HP为图像的高频成分，高通滤波器可选用拉普拉斯滤波器，δ为正的尺度系数，用于控制锐化的强度。

该UM锐化方法简单且应用广泛，但是其缺陷也很明显：对噪声的敏感和在强边缘处的过冲(overshoot)。对噪声的敏感是由于UM方法对图像的高频成分进行了放大，而这一部分通常含有较多的噪声。在边缘处的过冲会使人眼观测时出现马赫带效应，影响视觉质量。

为克服噪声敏感性的问题，研究者们提出了各种改进办法，非线性滤波算子(order statistic，polynomial，logarithmic等)被广泛采用，以期获得更为“正确”的图像增强分量I_HP。Lee和Park提出在高通滤波器中采用改进的拉普拉斯滤波器——次序统计(order statistic)拉普拉斯滤波器。通过在拉普拉斯滤波器中引入窗口中值的办法，与普通UM相比在获得同样程度的锐化前提下，降低对噪声的放大。通过凹\凸边缘模型和对噪声信号的处理，验证了该方法具有较好的稳定性和图像锐化能力。在采用多项式polynomial方面：Mitra等提出替换原有拉普拉斯算子的方法。该替换算子基于Teager算法的泛化形式，在合理假设的前提下，用二次型算子来对局部均值赋权(local-mean-weighted)的高通滤波器进行逼近，从而降低图像暗部区域的高频增益。根据韦伯定律(Webers’Law)，人眼在暗部区域比在明亮区域具有更高的敏感度，因此该滤波器能够使人们在视觉上感受到更少的噪声，同时不降低算法的边缘锐化能力。在另一种多项式方法：Cubic UM(CUM)中，拉普拉斯滤波器的输出乘以一个控制信号，该控制信号由一个二次型边缘检测器得到，其目标是仅对由真实图像细节所产生的局部亮度变化进行增强。为更好地控制图像的亮度范围，一些方法采用了对数图像处理模型(LIP)，先将输入图像转换到对数域，然后进行锐化增强操作，最后再转换回来，可以在一定程度上提升图像的整体对比度。

上述现有的图像锐化方法虽然相对于传统的UM方法在一定程度上减小了噪声，但在平坦区域，噪声依然比较明显，而且为了使图像中的弱边缘区域和细节区域达到较好的增强效果、图像的强边缘区域往往增强过大，导致出现“过冲”现象。

典型的多模图像如MRI图像、多次曝光图像、多角度照明图像、闪光\无闪光图像对、红外-可见光和卫星多波带成像等具有其自身特点，各分量之间具有一定的相关性，同时也存在“极性倒转”等互斥性。如图2所示的Brain图像，其中，图2(a)是分量1，图2(b)是分量2：分量1的大脑轮廓外缘具有清晰的边缘，而分量2在同样位置的边缘强度较弱，与背景区分不明显；从分量2中可以很明显看出左半脑后部有一个肿瘤，而在分量1中此肿瘤基本体现不出来。像素的灰度值等级顺序(gray-scale rank order)也不相同，比如分量1的鼻腔部分灰度值低于脑部，而在分量2中却高于脑部。若采用通常的UM算法，边缘越强锐化程度越大，同时还会在强边缘周围产生光晕(halo)，不仅不能对有用信息进行加强，还会影响视觉质量。因此，从理解图像内容的角度来讲，强边缘已足够锐利，无需再进行增强，而希望对“真实的”弱边缘(即排除噪声扰动所引起的弱边缘)所包含的信息进行增强。现有的针对单幅图像的锐化方法未能利用到多模图像的上述特点实现边缘选择性锐化。目前，尚没有专门针对于多模图像的锐化处理方法，特别是针对带噪多模图像的锐化处理方法。

发明内容

本发明的目的在于克服上述已有技术应用于多模图像的不足，提出一种针对多模图像的去噪及锐化方法，能够利用多模图像组中各分量图像之间的信息具有一定相关性的特点，实现对多模图像的噪声抑制和边缘选择性锐化，提高主观视觉质量。

一种多模图像的去噪及锐化方法，其关键在于：包括如下步骤：

步骤一、对输入的带噪多模图像组d_ijk进行Dual双边滤波，得到第一级去噪后的图像组g′_ijk，其中，下标i，j表示图像中(i，j)位置处的像素，k表示图像组中的第k个图像分量，取值为k＝1，…，N，其中，N为多模图像组中的图像分量个数；

其中的Dual双边滤波按照下式进行：

$g_{\mathrm{ijk}}^{\′}=\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}{w}_{\mathrm{ijlmk}}{d}_{i+l,j+m,k}/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{w}_{\mathrm{ijlmk}}$

其中，p为邻域半径，S_lm为归一化几何测度权重因子： $s_{\mathrm{lm}}=\exp [-(l^2+m^2)/2{\mathrm{\σ}}_d^2]/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}\exp [-(l^2+m^2)/2{\mathrm{\σ}}_d^2],$ w_ijlmk为灰度测度权重因子： $w_{\mathrm{ijlmk}}=\exp [-{\mathrm{\Σ}}_{k=1}^N{(d_{\mathrm{ijk}}-d_{i+l,j+m,k})}^2/2{\mathrm{\σ}}_r^2],$ 下标l，m分别表示在半径为p的邻域内，周围像素点相距邻域中心像素点的横纵坐标距离，σ_d和σ_r分别为几何测度扩散标准差和灰度测度扩散标准差；

步骤二、将第一级去噪后的图像组g′_ijk作为参考图像，对原始带噪图像组d_ijk进行带参考的Dual双边滤波，得到第二级去噪后的图像组g″_ijk；

其中，带参考的Dual双边滤波按照下式进行：

$g_{\mathrm{ijk}}^{\′\′}=\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}{\tilde{w}}_{\mathrm{ijlmk}}{d}_{i+l,j+m,k}/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{\tilde{w}}_{\mathrm{ijlmk}}$

其中，

为交叉灰度测度权重因子一： ${\tilde{w}}_{\mathrm{ijlmk}}=\exp [-{\mathrm{\Σ}}_{k=1}^N{(g_{\mathrm{ijk}}^{\′}-g_{i+l,j+m,k}^{\′})}^2/2{\mathrm{\σ}}_r^2];$

步骤三、对第二级去噪后的图像组g″_ijk进行边缘保存交叉非锐化掩模滤波，得到锐化增强后的图像组f′_ijk；

其中的边缘保存交叉非锐化掩模滤波按照下式进行：

$f_{\mathrm{ijk}}^{\′}=g_{\mathrm{ijk}}^{\′\′}+\mathrm{\δ}\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}\exp [-{(g_{\mathrm{ijk}}^{\′\′}-g_{i+l,j+m,k}^{\′\′})}^2/2{\mathrm{\σ}}_0^2]\·{\mathrm{REF}}_{\mathrm{ijlmk}}\·(g_{\mathrm{ijk}}^{\′\′}-g_{i+l,i+m,k}^{\′\′})$

其中，δ为锐化强度控制因子，REF_ijlmk表示交叉非锐化掩模中参考图像分量的边缘强度因子，多模图像组中除当前处理图像分量以外的其他图像分量均可作为参考图像分量，当采用多个参考图像分量时：

当采用单个参考图像分量时：

(t≠k)，其中，σ₀和σ_t分别为当前处理图像分量和参考图像分量的灰度测度扩散标准差，t表示图像组中的第t个图像分量；

步骤四、将第二级去噪后的图像组g″_ijk作为参考图像，对锐化增强后的图像组f′_ijk进行带参考的Dual双边滤波，得到最终输出结果f_ijk；

其中，带参考的Dual双边滤波按照下式进行：

$f_{\mathrm{ijk}}=\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}{\widetilde{\stackrel{~}{w}}}_{\mathrm{ijlmk}}{f}_{i+l,j+m,k}^{\′}/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{\widetilde{\stackrel{~}{w}}}_{\mathrm{ijlmk}}$

其中，

为交叉灰度测度权重因子二：

${\widetilde{\stackrel{~}{w}}}_{\mathrm{ijlmk}}=\exp [-{\mathrm{\Σ}}_{k=1}^N{{(g}_{\mathrm{ijk}}^{\′\′}-g_{i+l,j+m,k}^{\′\′})}^2/2{\mathrm{\σ}}_r^2].$

本发明的显著效果是：本发明提供了一种多模图像的去噪及锐化方法，利用多模图像组中各分量图像之间的信息具有一定相关性的特点，通过三个关键技术实现了对带噪多模图像的噪声抑制和边缘选择性锐化，一是通过步骤一和步骤二的两级级联的带参考的Dual双边滤波实现了多模图像组的噪声去除，综合了多幅图像信息，去噪效果更好；二是步骤三的边缘保存交叉非锐化掩模滤波，通过考察当前位置的像素在当前处理的图像分量中的边缘强度和在参考图像中相同位置处的边缘强度的关系来实现边缘的选择性锐化；三是通过步骤四的带参考的Dual双边滤波，消除了锐化后图像中围绕边缘所产生的毛刺和噪声扰动，进一步提高了图像质量。

附图说明

图1为本发明的步骤流程图；

图2为待测试的多模图像；

图3为对图2添加噪声标准差为25的高斯白噪声后的带噪测试图像；

图4为采用现有双边滤波方法对图3进行去噪后的结果图；

图5为采用本发明中两级级联的带参考的Dual双边滤波方法对图3进行去噪后的结果图；

图6为采用现有非锐化掩模滤波方法对图5进行锐化后的结果图；

图7为采用本发明中边缘保存交叉非锐化掩模滤波方法对图5进行锐化后的结果图；

图8为采用本发明方法的最终结果图。

具体实施方式：

下面结合附图对本发明作进一步的说明。

如图1所示：一种多模图像的去噪及锐化方法的具体实施步骤如下：

步骤一、对输入的带噪多模图像组d_ijk进行Dual双边滤波，得到第一级去噪后的图像组g′_ijk，其中，下标i，j表示图像中(i，j)位置处的像素，k表示图像组中的第k个图像分量，取值为k＝1，…，N，其中，N为多模图像组中的图像分量个数；

实施例中，本发明使用的测试多模图像如图2所示，N取值为2，即多模图像组由两个图像分量构成，图2(a)为分量1，图2(b)为分量2；

带噪多模图像组d_ijk为对图2添加噪声标准差为25的高斯白噪声后得到的图像，如图3所示；其中的Dual双边滤波按照下式进行：

$g_{\mathrm{ijk}}^{\′}=\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}{w}_{\mathrm{ijlmk}}{d}_{i+l,j+m,k}/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{w}_{\mathrm{ijlmk}}$

其中，p为邻域半径，取值过小，则参与滤波的周围像素偏少而影响滤波质量，取值过大，则参与滤波的周围像素过多，降低了运算速度。一般其取值范围在3～7，综合考虑，本实施例中p取值为5。S_lm为归一化几何测度权重因子： $s_{\mathrm{lm}}=\exp [-(l^2+m^2)/2{\mathrm{\σ}}_d^2]/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}\exp [-(l^2+m^2)/2{\mathrm{\σ}}_d^2],$ w_ijlmk为灰度测度权重因子： $w_{\mathrm{ijlmk}}=\exp [-{\mathrm{\Σ}}_{k=1}^N{(d_{\mathrm{ijk}}-d_{i+l,j+m,k})}^2/2{\mathrm{\σ}}_r^2],$ 下标l，m分别表示在半径为p的邻域内，周围像素点相距邻域中心像素点的横纵坐标距离，σ_d和σ_r分别为几何测度扩散标准差和灰度测度扩散标准差，实施例中，步骤一中的σ_d和σ_r的取值分别为1.8和133；

步骤二、将第一级去噪后的图像组g′_ijk作为参考图像计算交叉灰度测度权重因子一

对原始带噪图像组d_ijk进行带参考的Dual双边滤波，得到第二级去噪后的图像组g″_ijk，如图5所示；

其中，带参考的Dual双边滤波按照下式进行：

$g_{\mathrm{ijk}}^{\′\′}=\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}{\tilde{w}}_{\mathrm{ijlmk}}{d}_{i+l,j+m,k}/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{\tilde{w}}_{\mathrm{ijlmk}}$

其中，

为交叉灰度测度权重因子一： ${\tilde{w}}_{\mathrm{ijlmk}}=\exp [-{\mathrm{\Σ}}_{k=1}^N{(g_{\mathrm{ijk}}^{\′}-g_{i+l,j+m,k}^{\′})}^2/2{\mathrm{\σ}}_r^2],$ 实施例中，步骤二中的σ_d和σ_r的取值分别为7.6和12；

步骤三、对第二级去噪后的图像组g″_ijk进行边缘保存交叉非锐化掩模滤波，得到锐化增强后的图像组f′_ijk，如图7所示；

其中的边缘保存交叉非锐化掩模滤波按照下式进行：

$f_{\mathrm{ijk}}^{\′}=g_{\mathrm{ijk}}^{\′\′}+\mathrm{\δ}\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}\exp [-{(g_{\mathrm{ijk}}^{\′\′}-g_{i+l,j+m,k}^{\′\′})}^2/2{\mathrm{\σ}}_0^2]\·{\mathrm{REF}}_{\mathrm{ijlmk}}\·(g_{\mathrm{ijk}}^{\′\′}-g_{i+l,i+m,k}^{\′\′})$

其中，δ为锐化强度控制因子，δ取值越大，对图像边缘的锐化程度也就越大，为保证对图像边缘既具有一定的锐化增强效果，又不至于锐化过大而出现明显“过冲”，在实践中多在3～25范围之内取值，综合考虑，本实施例中δ取值为15，REF_ijlmk表示交叉非锐化掩模中参考图像分量的边缘强度因子，多模图像组中除当前处理图像分量以外的其他图像分量均可作为参考图像分量，当采用多个参考图像分量时： ${\mathrm{REF}}_{\mathrm{ijlmk}}=\underset{t=a,t\≠k}{\overset{b}{\mathrm{\Π}}}(1-\exp [-{(g_{\mathrm{ijt}}^{\′\′}-g_{i+l,j+m,t}^{\′\′})}^2/2{\mathrm{\σ}}_t^2\left]\right),$ (a＜b且a，b∈[1，N])，当采用单个参考图像分量时： ${\mathrm{REF}}_{\mathrm{ijlmk}}=1-\exp [{-(g_{\mathrm{ijt}}^{\′\′}-g_{i+l,j+m,t}^{\′\′})}^2/2{\mathrm{\σ}}_t^2],$ (t≠k)，

其中，σ₀和σ_t分别为当前处理图像分量和参考图像分量的灰度测度扩散标准差，t表示图像组中的第t个图像分量；

实施例中，多模图像组仅包含两个图像分量，因此只能采用单个参考图像分量的方式： ${\mathrm{REF}}_{\mathrm{ijlmk}}=1-\exp [{-(g_{\mathrm{ijt}}^{\′\′}-g_{i+l,j+m,t}^{\′\′})}^2/2{\mathrm{\σ}}_t^2],$ (t≠k)，其中σ₀取值为30，σ_t取值为10，步骤三中的σ_d取值为1.5；

步骤四、将第二级去噪后的图像组g″_ijk作为参考图像计算交叉灰度测度权重因子二对锐化增强后的图像组f′_ijk进行带参考的Dual双边滤波，得到最终输出结果f_ijk，如图8所示；

其中，带参考的Dual双边滤波按照下式进行：

$f_{\mathrm{ijk}}=\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}{\widetilde{\stackrel{~}{w}}}_{\mathrm{ijlmk}}{f}_{i+l,j+m,k}^{\′}/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{\widetilde{\stackrel{~}{w}}}_{\mathrm{ijlmk}}$

其中，

为交叉灰度测度权重因子二： ${\widetilde{\stackrel{~}{w}}}_{\mathrm{ijlmk}}=\exp [-{\mathrm{\Σ}}_{k=1}^N{{(g}_{\mathrm{ijk}}^{\′\′}-g_{i+l,j+m,k}^{\′\′})}^2/2{\mathrm{\σ}}_r^2],$ 实施例中，步骤四中的σ_d和σ_r的取值分别为1.5和5。

本发明效果可以通过以下实验进一步证实：

一、实验条件和内容

实验条件：实验所使用的测试多模图像Brain如图2所示，其中，图2(a)是分量1，图2(b)是分量2，图3是对图2添加噪声标准差为25的高斯白噪声后的带噪多模图像。

实验内容一：在上述实验条件下，分别使用现有的双边滤波方法和本发明中步骤一和步骤二的两级级联的带参考的Dual双边滤波方法对图3进行去噪实验，比较两种方法对带噪多模图像的去噪能力；

实验内容二：选取实验内容一中去噪效果较好的实验结果，分别使用现有的非锐化掩模滤波方法和本发明中步骤三的边缘保存交叉非锐化掩模滤波方法进行锐化实验，比较两种方法对多模图像的锐化能力。

二、实验评价指标

实验内容一的图像去噪能力的评价主要分为主观评价和客观评价两个方面。主观评价主要是通过人眼视觉质量来衡量，客观评价方法主要考察原始干净图像与去噪处理后的图像间各像素点灰度值的平均差异，本发明采用峰值信噪比(PSNR)来作为评价指标，对于多模图像采用如下公式计算：

$\mathrm{MSE}=\frac{1}{\mathrm{XYN}}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{X}{\mathrm{\Σ}}}\underset{j=1}{\overset{Y}{\mathrm{\Σ}}}[o_k(i,j)-f_k(i,j){]}^2$

PSNR＝10log(L²/MSE)

其中，o_k(i，j)和f_k(i，j)分别为原始干净图像和待评价图像，X、Y表示图像大小，N为多模图像组中的图像分量个数，k表示图像组中的第k个图像分量，L表示图像灰度动态范围，对于8-bit图像L的值一般取为255。

实验内容二的图像锐化能力的评价主要采用主观评价。

三、实验结果

分别采用现有的双边滤波方法和本发明中步骤一和步骤二的两级级联的带参考的Dual双边滤波方法对图3进行去噪实验，实验结果分别如图4和图5所示。

通过主观视觉质量的判断可以看出：现有的双边滤波方法由于其灰度测度权重的计算仅采用了当前图像分量的信息，因此包含了较多的噪声残留，同时图像细节信息有一定程度的模糊，本发明方法中的两级级联的带参考的Dual双边滤波方法综合了多模图像中多幅图像的信息，噪声残留更少，图像细节信息保留更好。

客观评价方面，用PSNR作为去噪效果的客观评价指标，对图2分别添加噪声标准差为5，15，25的高斯白噪声，上述两种去噪方法的去噪效果PSNR值如表1所示：

表1.现有的双边滤波方法与本发明中的两级级联的带参考的Dual双边滤

波方法对图2在不同噪声情况下的PSNR(dB)值比较

可以看出，本发明方法比现有的双边滤波方法在不同噪声情况下，其PSNR值均有很大提高，且随着噪声程度的加重，优势更加明显。

选取本发明方法中两级级联的带参考的Dual双边滤波方法的去噪结果，如图5所示，作为输入图像，分别采用现有的非锐化掩模滤波方法和本发明中步骤三的边缘保存交叉非锐化掩模滤波方法进行锐化实验，实验结果分别如图6，图7所示。

通过主观视觉质量的判断可以看出：如图6所示的采用现有的非锐化掩模滤波方法的锐化结果中，噪声得到了增强，变得更加明显。弱边缘部分如图6(a)所示的分量1中的大脑内部细节和如图6(b)所示的分量2中的大脑外边缘部分锐化不明显，强边缘部分如图6(a)所示的分量1中的大脑外边缘部分产生了“过冲”和光晕现象。如图7所示的采用本发明中步骤三的边缘保存交叉非锐化掩模滤波方法的锐化结果中，噪声程度基本维持不变，仅在几处强边缘处围绕该边缘出现了少量的毛刺和噪声扰动。弱边缘部分如图7(a)所示的分量1中的大脑内部细节和如图7(b)所示的分量2中的大脑外边缘部分均得到了较好的锐化，强边缘部分如图7(a)所示的分量1中的大脑外边缘部分基本维持不变。

可以看出，本发明方法中的边缘保存交叉非锐化掩模滤波方法比现有的非锐化掩模滤波方法更能满足多模图像的锐化目标。

对图7实施本发明方法中步骤四的操作，结果如图8所示。图中可以看出，该步骤能够有效地消除本发明方法中由步骤三的锐化操作所产生的围绕部分强边缘的少量的毛刺和噪声扰动，图像的主观视觉效果得到进一步提升，细节信息依然得到保留。

Claims (5)

1.一种针对多模图像的去噪及锐化方法，其特征在于：包括如下步骤：

步骤一、对输入的带噪多模图像组d_ijk进行Dual双边滤波，得到第一级去噪后的图像组g′_ijk，其中，下标i，j表示图像中(i，j)位置处的像素，k表示图像组中的第k个图像分量，取值为k＝1，…，N，其中，N为多模图像组中的图像分量个数；

步骤二、将第一级去噪后的图像组g′_ijk作为参考图像，对原始带噪图像组d_ijk进行带参考的Dual双边滤波，得到第二级去噪后的图像组g″_ijk；

步骤三、对第二级去噪后的图像组g″_ijk进行边缘保存交叉非锐化掩模滤波，得到锐化增强后的图像组f′_ijk；

步骤四、将第二级去噪后的图像组g″_ijk作为参考图像，对锐化增强后的图像组f′_ijk进行带参考的Dual双边滤波，得到最终输出结果f_ijk。

2.根据权利要求1所述的一种针对多模图像的去噪及锐化方法，其特征在于：步骤一中所述的Dual双边滤波按照下式进行：

$g_{\mathrm{ijk}}^{\′}=\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}{w}_{\mathrm{ijlmk}}{d}_{i+l,j+m,k}/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{w}_{\mathrm{ijlmk}}$

其中，p为邻域半径，S_lm为归一化几何测度权重因子： $s_{\mathrm{lm}}=\exp [-(l^2+m^2)/2{\mathrm{\σ}}_d^2]/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}\exp [-(l^2+m^2)/2{\mathrm{\σ}}_d^2],$ w_ijlmk为灰度测度权重因子： $w_{\mathrm{ijlmk}}=\exp [-{\mathrm{\Σ}}_{k=1}^N{(d_{\mathrm{ijk}}-d_{i+l,j+m,k})}^2/2{\mathrm{\σ}}_r^2],$ 下标l，m分别表示在半径为p的邻域内，周围像素点相距邻域中心像素点的横纵坐标距离，σ_d和σ_r分别为几何测度扩散标准差和灰度测度扩散标准差。

3.根据权利要求1所述的一种针对多模图像的去噪及锐化方法，其特征在于：步骤二中所述的带参考的Dual双边滤波按照下式进行：

$g_{\mathrm{ijk}}^{\′\′}=\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}{\tilde{w}}_{\mathrm{ijlmk}}{d}_{i+l,j+m,k}/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{\tilde{w}}_{\mathrm{ijlmk}}$

其中，为交叉灰度测度权重因子一：

${\tilde{w}}_{\mathrm{ijlmk}}=\exp [-{\mathrm{\Σ}}_{k=1}^N{(g_{\mathrm{ijk}}^{\′}-g_{i+l,j+m,k}^{\′})}^2/2{\mathrm{\σ}}_r^2].$

4.根据权利要求1所述的一种针对多模图像的去噪及锐化方法，其特征在于：步骤三中所述的边缘保存交叉非锐化掩模滤波按照下式进行：

$f_{\mathrm{ijk}}^{\′}=g_{\mathrm{ijk}}^{\′\′}+\mathrm{\δ}\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}\exp [-{(g_{\mathrm{ijk}}^{\′\′}-g_{i+l,j+m,k}^{\′\′})}^2/2{\mathrm{\σ}}_0^2]\·{\mathrm{REF}}_{\mathrm{ijlmk}}\·(g_{\mathrm{ijk}}^{\′\′}-g_{i+l,i+m,k}^{\′\′})$

其中，δ为锐化强度控制因子，REF_ijlmk表示交叉非锐化掩模中参考图像分量的边缘强度因子，多模图像组中除当前处理图像分量以外的其他图像分量均可作为参考图像分量，当采用多个参考图像分量时：

当采用单个参考图像分量时：

(t≠k)，其中，σ₀和σ_t分别为当前处理图像分量和参考图像分量的灰度测度扩散标准差，t表示图像组中的第t个图像分量。

5.根据权利要求1所述的一种针对多模图像的去噪及锐化方法，其特征在于：步骤四中所述的带参考的Dual双边滤波按照下式进行：

$f_{\mathrm{ijk}}=\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{s}_{\mathrm{lm}}{\widetilde{\stackrel{~}{w}}}_{\mathrm{ijlmk}}{f}_{i+l,j+m,k}^{\′}/\underset{l=-p}{\overset{p}{\mathrm{\Σ}}}\underset{m=-p}{\overset{p}{\mathrm{\Σ}}}{\widetilde{\stackrel{~}{w}}}_{\mathrm{ijlmk}}$

其中，

为交叉灰度测度权重因子二：

${\widetilde{\stackrel{~}{w}}}_{\mathrm{ijlmk}}=\exp [-{\mathrm{\Σ}}_{k=1}^N{{(g}_{\mathrm{ijk}}^{\′\′}-g_{i+l,j+m,k}^{\′\′})}^2/2{\mathrm{\σ}}_r^2].$

Images