CN102542537B - 证照噪声检测消除方法及系统 - Google Patents

Abstract

证照噪声检测消除方法及系统，该方法包括：读取证照图像，查找证照图像中的人像边缘；扫描证照图像中的各像素点，对于是人像边缘点的像素点，判断其是否为冲击噪声点或椒盐噪声点；对于不是人像边缘点的像素点，判断其是否为冲击噪声点。进一步可依据得到的冲击噪声点及椒盐噪声点得出证照图像噪声概率，根据证照的噪声概率数据库对证照图像噪声概率进行验证，根据验证后的结果去除证照噪声。本发明根据证照中人像边缘与非边缘的冲击噪声与椒盐噪声对图像质量影响不同的特点，对证照的噪声进行综合判断，并通过噪声概率特征库对证照噪声概率进行验证，提高了噪声判断的准确性，使噪声去除得更加彻底，保证了证照的整体质量。

Description

证照噪声检测消除方法及系统

技术领域

本发明涉及计算机图像处理领域，特别涉及一种证照噪声检测消除方法以及一种证照噪声检测消除系统。

背景技术

噪声的通俗理解为：妨碍人们感觉器官对所接收的信源信息理解的因素。而图像噪声则是指：各种妨碍人们对其信息接受的因素。因此，在理论上，噪声可定义为“不可预测，只能用概率统计方法来认识的随机误差。”因而描述噪声的方法可以用其概率分布函数和概率密码分布函数。

信息社会的到来带动了社会管理的创新，随着越来越多的证件照采用电子相片，证件照成为服务社会和管理创新的重要载体，其中证件照的人脸生物特征成为身份确认的主要途径之一。证照图像的噪声会对图片质量产生明显影响，一方面是影响证件制作的美观性，导致证件相片和持证人的真实面貌差别较大，增加了核验难度，给持证人使用证件带来不方便，另一方面是会影响更加高级的证件照应用，例如可能导致人脸生物特征认证系统的失效等。

研究发现，电子相片会出现多种噪声，例如冲击噪声、椒盐噪声、高斯噪声、量化噪声等，其中以冲击噪声对图像质量影响最严重，所以现在一般的噪声检测方法都是将图片转化为灰度图片，然后再检测每个像素点与周围的差异，从而判定此点是不是噪声点，这种经典的做法适合大多数场合下的照片质量检测，并且检测出来的主要是冲击噪声点，即指一幅图像被个别噪声像素破坏，这些像素的亮度与其领域的有显著不同。但是，在证照这种特定的研究对象中，除了冲击噪声，有明显椒盐噪声的图片所占比例也不小，含冲击噪声的图像数量与含有椒盐噪声的图像数量之比大约为14∶1。椒盐噪声是指饱和的冲击噪声，表现为图像被一些白的或黑的像素所破坏，从而对相片的质量产生影响。实验选取1000张含有明显噪声的照片，按照传统方法只能检测出475张照片，显然，如果忽略椒盐噪声，将对证照质量产生明显影响。

噪声是用一种概率来描述，那么一副图像中不同区域里出现噪声的可能性也不一样，如果对一幅图中每点都进行相同的判断则会出现误判，将噪声点判断为非噪声点，或者把非噪声点判断为噪声点。研究发现，证照图像在人像边缘部分出现证照的可能性最大，因此在检测证照图像噪声时，要考虑边缘与非边缘的差别，而传统算法中还没有将图像噪声分为边缘噪声和非边缘噪声两种情况进行检测，导致检测结果的不准确。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于提供一种证照噪声检测消除方法以及一种证照噪声检测消除系统，其同时考虑冲击噪声和椒盐噪声对证照进行噪声检测，提高了噪声判断的准确性，保证了证照的质量。

为达到上述目的，本发明采用以下技术方案：

一种证照噪声检测消除方法，包括步骤：

读取证照图像，查找证照图像中的人像边缘；

扫描证照图像中的各像素点，并分别判断各像素点是否为人像边缘点：

若为人像边缘点，判断该像素点是否为冲击噪声点，若是冲击噪声点，记录当前冲击噪声点；若不是冲击噪声点，判断该像素点是否为椒盐噪声点，若是椒盐噪声点，记录当前的椒盐噪声点；

若不是人像边缘点，判断该像素点是否为冲击噪声点，若是，记录当前冲击噪声点。

一种证照噪声检测消除系统，包括：

人像边缘查找单元，用于读取证照图像，查找证照图像中的人像边缘；

像素点扫描单元，用于扫描证照图像中的各像素点，并分别判断各像素点是否为人像边缘点：

边缘噪声检测单元，用于在像素点判定单元判定当前像素点为人像边缘点时，判断该当前像素点是否为冲击噪声点，若是冲击噪声点，记录当前冲击噪声点，若不是冲击噪声点，判断该像素点是否为椒盐噪声点，若是椒盐噪声点，记录当前的椒盐噪声点；

非边缘噪声检测单元，用于在像素点判定单元判定当前像素点不是人像边缘点时，判断该像素点是否为冲击噪声点，若是，记录当前冲击噪声点。

根据上述本发明的方案，其考虑了图像的人像边缘与非边缘的差别，基于证照中人像边缘与非边缘的冲击噪声与椒盐噪声不同的特点，是在查找出证照中的人像边缘后，基于像素点是否为人像边缘点用不同的方式对该像素点是否为冲击噪声或者椒盐噪声进行判断，其综合考虑了证照中的冲击噪声与椒盐噪声，并基于证照的特点进行噪声的判断，从而提高了噪声判断的准确性，保证了证照的质量。

附图说明

图1是本发明的证照噪声检测消除方法实施例的流程示意图；

图2是判断人像边缘像素点是否为冲击噪声点的方式实施例的流程示意图；

图3是对人像边缘像素点是否为冲击噪声点的一个具体判断示例；

图4是本发明的证照噪声检测消除系统实施例一的结构示意图；

图5是本发明的证照噪声检测消除系统实施例二的结构示意图；

图6是本发明的证照噪声检测消除系统实施例三的结构示意图。

具体实施方式

本发明方案的基本思想，是充分考虑证照图像中人像边缘与非人像边缘的噪声概率不同的特性，从而进行有针对性的检测，以提高证照中噪声判断的准确性。

以下结合其中的较佳实施例对本发明方案进行详细阐述，在下述各实施例的说明中，首先对本发明的证照检测方法的实施例进行说明，再对本发明的证照检测系统的实施例进行说明。

图1中示出了本发明的证照噪声检测消除方法实施例的流程示意图，如图1所示，其包括步骤：

步骤S101：读取证照图像，查找证照图像中的人像边缘，进入步骤S102；

步骤S102：扫描证照图像中的像素点，判断该像素点是否为处于人像边缘上的像素点，若是，进入步骤S103，否则进入步骤S105；

步骤S103：判断该像素点是否为冲击噪声点，若是冲击噪声点，记录该像素点为冲击噪声点后，进入步骤S106；若不是冲击噪声点，进入步骤S104；

步骤S104：判断该像素点是否为椒盐噪声点，若是椒盐噪声点，记录该像素点为椒盐噪声点后，进入步骤S106，否则直接进入步骤S106；

步骤S105：判断该像素点是否为冲击噪声点，若是，记录该像素点为冲击噪声点后，进入步骤S106；

步骤S106：判断证照图像中的各像素点是否均已扫描完毕，若没有扫描完毕，则返回上述步骤S102对其余的像素点进行扫描，直至对证照中是所有像素点均已扫描完毕。

通过上述方法，即可以实现基于证照的特点对证照中所有冲击噪声点及椒盐噪声点的综合检测及判断，同时考虑了图像的人像边缘与非边缘的差别，从而提高了噪声判断的准确性。

根据检测出来的所有噪声点，本领域技术人员可以直接根据实际需要进行相关的处理。

在其中一种方式中，如图1所示，在步骤S106中检测出所有的噪声点后，可直接进入步骤S107：去除证照图像中的冲击噪声点、椒盐噪声点。从而据此得到修正后的没有冲击噪声点、椒盐噪声点的证照。

在另外一种方式中，考虑到证照使用的特殊性，因此，需要尽量保证它的原始内容，因此，在步骤S106中检测出所有的噪声点后，可以进行下述相关处理：

步骤S1061：根据冲击噪声点的总数计算证照图像的冲击噪声概率，根据椒盐噪声点的总数计算所述证照图像的椒盐噪声概率，并根据冲击噪声概率、椒盐噪声概率获得整体的证照图像噪声概率，进入步骤S1062；

步骤S1062：判断该证照图像噪声概率是否小于对应的设定噪声概率阈值，若是，则说明噪声在证照可接受的范围里面，因此，可以不用对证照中的噪声进行处理，因而也不用消除证照中的冲击噪声点、椒盐噪声点，若否，则说明噪声不能接受，可进入步骤S107对冲击噪声点、椒盐噪声点进行去除。

由于一般图像质量检测算法得到的噪声结果不会完全正确，因此，为了保证数据的准确性，因此，在上述步骤S1061中计算出证照图像噪声概率之后，进入步骤S1062之前，还可以包括步骤：

步骤S10612：对证照图像的证照图像噪声概率进行修正。修正后，步骤S1062中进行判断时，是依据步骤S10612中修正后的证照图像噪声概率进行判断。

其中，在上述步骤S101中查找证照图像的人像边缘时，可以采用通用的方式进行查找，例如通常使用Reberts算子、Sobel算子、Prewitt算子、Krisch算子等等。由于Sobel算子是考虑核心点周围的3*3范围里的像素点，并且比较水平垂直两个方面上的变化，可以满足证件照中的边缘查找的要求，针对证件照查找边缘会更加快速和准确，因此，在本发明方案中，可优选采用Sobel算子查找证照图像的边缘。

用Sobel算子查找出人像边缘时，具体的方式可以是：

首先将图像中的每个像素点分别用下面的两个核做卷积：

$\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right],$ $\left[\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ 1& 0& -1\end{array}\right]$

在所得的两个卷积值中，将较大的卷积值作为该像素的灰度值g_c，比较灰度值g_c与设定边缘像素阈值g₀的大小关系，当该像素点的灰度值g_c大于设定边缘像素阈值g₀时，则判定这个像素点为边缘像素点，否则则判定这个像素点不是边缘像素点。重复这种判断过程，直到记录了图像中所有的人像边缘像素点。

在对像素点是否为冲击噪声点、椒盐噪声点进行判断时，可以基于现有技术中已有的方式来进行判断，在本发明的较佳实施方式中，基于像素点是否为人像边缘的差异性，对其进行区别对待，以获得较佳的噪声检测结果。

在对像素点是否为冲击噪声点进行判断时，可先将图片从RGB颜色空间转化为灰度图像，具体可采用下式进行转化：

gray(x，y)＝w_rR(x，y)+w_gG(x，y)+w_bB(x，y)，(x，y)∈image

考虑到人眼对绿色的敏感度最高，红色次之，对蓝色的敏感度最低，因此，当权值w_r＞w_g＞w_b时，所生成的灰度图像更符合人眼的视觉感觉。通常w_r＝0.3，w_g＝0.59，w_b＝0.11时，这种图像的灰度最为合理，因此在优选情况下，取值为w_r＝0.3，w_g＝0.59，w_b＝0.11。

当证照中的像素点处于人像边缘的情况下，在判断该像素点是否为冲击噪声点时，可以基于图2中所示的方式进行判断，依据图2中的判断方式，同时可对距离该像素点2个像素距离的像素点是否为冲击噪声点进行判断和优化。

依据图2所示，假设当前像素点记为O(x，y)，则判定该像素点O(x，y)是否为冲击噪声点的过程具体可以包括：

获取距离当前像素点O(x，y)2个像素距离的4个邻近像素点，记为ai(i＝1，2，3，4)；

针对这4个邻近像素点ai，分别统计判断这4个邻近像素点ai的8邻域内的各邻居像素点是否均为噪声点；

若是，获得该邻近像素点ai的8邻域内的各邻居像素点的第一平均灰度值Pi1，比较该第一平均灰度值Pi1与该邻近像素点ai的灰度值的差值，若差值小于第一设定阈值k1，则判定该邻近像素点ai为冲击噪声点，否则判定该邻近像素点ai不是冲击噪声点；在判定邻近像素点ai为冲击像素点后，可进一步比较该第一平均灰度值Pi1与当前像素点O(x，y)的灰度值的差值，若差值小于第三设定阈值k3，则判定该当前像素点O(x，y)是冲击噪声点；

若否，则获得该邻近像素点的8邻域内不是噪声点的所有邻居像素点的第二平均灰度值Pi2，比较该第二平均灰度值Pi2与该当前像素点O(x，y)的灰度值的差值，只要有一个邻近像素点的对应差值小于第二设定阈值k2，则判定该当前像素点O(x，y)不是冲击噪声点。

图3中示出了判断处于人像边缘的像素点是否为冲击噪声点的一个具体示例。

如图3所示，假设当前像素点为图3中的中心的黑点，记为O(x，y)，与该像素点O(x，y)距离2个像素距离的4个邻近像素点为图3中所示的4个灰色的点，分别记为a1、a2、a3、a4，从而，在进行像素点是否为冲击噪声点的判断时，具体过程可以是：

首先针对第一个邻近像素点a1：

统计判断该第一个邻近像素点a1的8邻域内的各邻居像素点是否均为噪声点，图3所示中，环绕在a1周围的8个白色点即为这里的8邻域内的邻居像素点；

如果这8个白色的邻居像素点都是噪声点：

获得这8个白色的邻居像素点的第一平均灰度值P11，比较该第一平均灰度值P11与该邻近像素点a1的灰度值的差值，并将该差值与第一设定阈值k1相比较：

若差值小于第一设定阈值k1，则判定该邻近像素点a1为冲击噪声点，并进一步比较该第一平均灰度值P11与当前像素点O(x，y)的灰度值的差值，若差值小于第三设定阈值k3，则判定该当前像素点O(x，y)是冲击噪声点，否则还需要结合其他的像素点进行进一步的判定；

若差值不小于第一设定阈值k1，则判定该邻近像素点a1不是冲击噪声点，然后进入对第二个邻近像素点a2的判断过程；

如果这8个白色的邻居像素点不全是噪声点，则获得该邻近像素点a1的这8个白色邻居像素点中、不是噪声的所有邻居像素点的第二平均灰度值P12，比较该第二平均灰度值P12与该当前像素点O(x，y)的灰度值的差值，如果该差值小于第二设定阈值k2，则可以直接判定该当前像素点O(x，y)不是冲击噪声点，不需要再结合其他的邻近像素点对该像素点O(x，y)进行判定，如果该差值不小于第二设定阈值k2，则需要结合其他的邻近像素点进行进一步判定；

然后针对第二个邻近像素点a2：

统计判断该第二个邻近像素点a2的8邻域内的各邻居像素点是否均为噪声点，图3所示中，环绕在a2周围的8个白色点即为这里的8邻域内的邻居像素点；

如果这8个白色的邻居像素点都是噪声点：

获得这8个白色的邻居像素点的第一平均灰度值P21，比较该第一平均灰度值P21与该邻近像素点a2的灰度值的差值，并将该差值与第一设定阈值k1相比较：

若差值小于第一设定阈值k1，则判定该邻近像素点a2为冲击噪声点，如果前面对邻近像素点a1的判断中，还没有分析出O(x，y)是否为冲击噪声点，进一步比较该第一平均灰度值P21与当前像素点O(x，y)的灰度值的差值，若差值小于第三设定阈值k3，则判定该当前像素点O(x，y)是冲击噪声点，否则还需要结合其他的像素点进行进一步的判定；

若差值不小于第一设定阈值k1，则判定该邻近像素点a2不是冲击噪声点，然后进入对第三个邻近像素点a2的判断过程；

如果这8个白色的邻居像素点不全是噪声点，且前面对邻近像素点a1的判断中，还没有分析出O(x，y)是否为冲击噪声点，则进一步获得该邻近像素点a2的这8个白色邻居像素点中、不是噪声的所有邻居像素点的第二平均灰度值P21，比较该第二平均灰度值P21与该当前像素点O(x，y)的灰度值的差值，如果该差值小于第二设定阈值k2，则可以直接判定该当前像素点O(x，y)不是冲击噪声点，不需要再结合其他的邻近像素点对该像素点O(x，y)进行判定，如果该差值不小于第二设定阈值k2，则需要结合其他的邻近像素点进行进一步判定。

重复执行上述过程，直到对上述4个邻近像素点均已判断完毕。综合来说，在这4个邻近像素点中，在分别获得邻近像素点a1、a2、a3、a4的8邻域内不是噪声点的那些邻居像素点的第二平均灰度值Pi2后，只要邻近像素点a1、a2、a3、a4中的任意一个的第二平均灰度值Pi2小于第二设定阈值k2，就可以直接判定当前像素点O(x，y)不是冲击噪声点，否则则判定该当前像素点O(x，y)是冲击像素点。

其中，在上述判断过程中，比如在判断a1的8邻域的8个邻居像素点是否均为噪声点时，由于其中的某些像素点可能还没有进行检测，对于还没有检测的那些邻居像素点，可通过先默认其不是噪声点来进行判断。

此外，上述第一设定阈值k1、第二设定阈值k2、第三设定阈值k3可以根据实际情况进行设定，可以相同也可以不相同，处于简化计算过程的考虑，第一设定阈值k1、第二设定阈值k2、第三设定阈值k3可以取相同值。

基于上述对人像边缘上的像素点是否为冲击像素点的判断，不仅可以实现对当前的像素点O(x，y)是否为冲击像素点的判断，还可以实现对与该像素点O(x，y)距离2个像素距离的4个邻近像素点是否为冲击像素点的判断，据此可以实现对检测过程的修正和优化。

当证照中的像素点处于人像边缘时，在上述判断过程中判定出该像素点不是冲击噪声点后，并不能确定该像素点就不是一个噪声点，还需要进一步对该像素点是否为椒盐噪声点进行判断。

在判断处于人像边缘的像素点是否为椒盐噪声点时，具体的判断过程可以是：

判断当前像素点是否与白色或者黑色相似，若不相似，则直接判定该当前像素点不是椒盐噪声点；

若相似，进一步判断当前像素点的4邻域的邻居像素点是否都与该当前像素点相似，若没有都相似，则直接判定该当前像素点不是椒盐噪声点；

若都相似，进一步判断当前像素点的8邻域的邻居像素点中是否存在与当前像素点不相似的邻居相似点，若有，则判定当前像素点为椒盐噪声点，若没有，则判定该当前像素点不是椒盐像素点。

由于椒盐噪声是一种在图像中产生黑色-白色点的噪声，是非连续的，由持续时间和幅度大的不规则脉冲或噪声尖峰组成，该噪声在图像中显现较为明显，对图像分割、特征提取等后续处理具有很严重的破坏作用，而且，由于椒盐噪声是由黑白点构成，因此，在上述对处于人像边缘的像素点是否椒盐噪声点进行判断时，可以不用对原始图片进行灰度化处理，而可以直接用RGB颜色信息进行判断。

在上述判断两个像素点是否相似时，假设需比较判断的两个像素点分别为C1(r1，g1，b1)、C2(r2，g2，b2)，则判定C1、C2相似的条件为：

(r1-r2)²+(g1-g2)²+(b1-b2)²≤a0

如果C1与C2的相应像素值差值的平方和小于或者等于设定的阈值a0，则判定C1、C2相似，否则为不相似。其中，这里的阈值a0可以根据实际需要进行设定，通常情况下设定为100。

为了提高效率，在对椒盐噪声点进行判断时，可以不是对像素点进行逐一的判断，在判定当前像素点为椒盐噪声点后，接下来可以是对与当前像素点横纵向都相隔3个像素距离的下一像素点进行是否为椒盐噪声点的判断，在判定当前像素点不是椒盐噪声点后，可以是对与当前像素点横纵向都相隔1个像素距离的下一个像素点进行是否为椒盐噪声点的判断。从而可以减少大量的计算时间，提高检测效率。

类似的，在进行冲击噪声的检测与判断时，在判定出当前噪声点为冲击噪声点或者不是冲击噪声点后，接下来也可以是对与当前像素点横纵向都像个设定个数个像素距离(例如2、3个等)的下一像素点进行是否为冲击噪声点的判断，当然也可以对像素点逐点进行是否为冲击噪声点的检测与判断，可以根据实际情况的需要进行不同的设定，在此不予赘述。

对于不是人像边缘点的像素点，周围8邻域内的8个邻居像素点都比较相似，因而不会出现过大的反差，而当出现过大反差时，则说明出现了噪声。因此，在对不是人像边缘点的像素点是否为冲击噪声点进行判断时，可以采用与上述人像边缘像素点的判定方式不相同的方式来进行判断，例如可以采用现有技术中已有的判定方式。本发明的一个具体示例中，对不是人像边缘点的像素点判断是否为冲击噪声点时，具体过程可以是：

统计当前像素点的8邻域的邻居像素点中灰度值与当前像素点的灰度值的差值大于第三设定阈值的邻居像素点的个数，判断该个数是否大于设定个数阈值，若是，则判定该当前像素点为冲击噪声点，若否，则判定该当前像素点不是冲击噪声点。

这里的设定个数阈值，可以根据实际情况进行设定，可以选择1至7中的任意一个值，设定个数阈值的取值越大，则判定出来的噪声点就会越少，反之，设定个数阈值的取值越小，则判定出来的噪声点也会越多，通常情况下可取值为4。

在对证照图像扫描完毕后，统计证照图像中所有边缘与非边缘上的冲击噪声点的数目，依据该数目g_count即可求得该证照的冲击噪声概率为：

P₁＝g_count/(width1*height1)

其中，这里的P₁表示证照的冲击噪声概率，width1、height1分别表示检测区域的长、宽。

类似的，统计出人脸区域中椒盐噪声点的总数count，即可依此计算出证照的椒盐噪声概率：

$P_2=\left\{\begin{array}{c}0,\mathrm{count}\≤C_s\\ \frac{\mathrm{count}}{\mathrm{width}2*\mathrm{height}2},\mathrm{count}>C_s\end{array}\right.$

其中，这里的P₂表示椒盐噪声概率，width2、height2分别表示人像区域的长、宽。

根据上述计算得到的冲击噪声概率P₁、椒盐噪声概率P₂，可以计算得到整张证照有噪声的概率为：

这里的P_c即为上述证照图像噪声概率。

由于一般的图像质量检测算法所得到的结果不会完全正确，为了保证与提高数据的准确性，还可以对上述计算得到的证照图像噪声概率进行修正。在进行修正时，可以采用现有技术中已有的方式进行修正。在本发明方案中，优选采用贝叶斯公式对得到的概率进行修正。

有噪声出现时，噪声首先表现的图像整体出现噪点的概率，贝叶斯公式对证照图像噪声概率的修正，是用来修正概率，也是针对图像整体噪声进行的修正，对单个像素噪点的判断无影响。

由于每个证件照对图像噪声都有一定的要求，假设为p0，这里的p0即为上述设定噪声概率阈值，那么针对一张图像，假如检测出来的噪声本身是P_c，(P_c可能是大于等于或者小于p0)，但通过贝叶斯公式修正后变为p_s，那么比较时主要采用修正后的值：

若p_s≤p0，则说明该图像噪声不大，符合证照要求，不用进行去噪声处理，充分尊重原图；

若p_s＞p0，则说明该图像噪声过大，不符合证照要求，则进行去噪声处理。

以下就采用贝叶斯公式对噪声概率进行修正的方式进行详细说明。

根据贝叶斯公式，通过观测x的值可将先验概率P(w_j/x)转换为后验概率P(w_j)。即假设特征值x在已知条件下类别属于w_i的概率，那么，在其他条件都相等的情况下，使得P(x/w_j)较大的P(w_j)更有可能是真实的类别。

在采用贝叶斯公式对计算得到的噪声概率进行修正时，具体的修正过程可如下所述。

类型判别时，处于类别w_i并具有特征值x的模式的联合概率密度可写成两种形式：

P(w_j，x)＝P(w_j/x)p(x)＝p(x/w_j)P(w_j)

从而有

$P(w_j/x)=\frac{p(x/w_j)P\left(w_j\right)}{p\left(x\right)}$

在本发明方案中，只考虑合格与不合格两种情况，即上述是否需要对证照的噪声进行修正，则有：

$p\left(x\right)=\underset{j=1}{\overset{2}{\mathrm{\Σ}}}p(x/w_j)P\left(w_j\right)$

其中，w₁表示图像属于合格的分类；w₂表示图像属于有噪声的分类。

记λ_ij＝λ(α_i/w_j)表示当实际类别为w_j时误判为w_i所引起的损失，为了最小化风险，对i＝1，2，计算条件风险：

R(α₁/X)＝λ₁₁P(w₁/x)+λ₁₂P(w₂/x)

R(α₂/X)＝λ₂₁P(w₁/x)+λ₂₂P(w₂/x)

为了得到最小风险决策，即R(α₁/X)＜R(α₂/X)则判为w₁。

用后验概率的形式表述的话，则为：

如果(λ₁₁-λ₂₁)P(w₁/x)＞(λ₁₂-λ₂₂)P(w₂/x)

那么差别为w₁，即图片合格，对合格图片则直接进行证明照处理的后续操作，而不需要进行去噪处理；

如果判别为w₂，则进行去噪声处理，即去除证照图像中的噪声。

通过如上所述的修正过程，使得本发明方案加入了对图像错误判断的损失权重的考虑，即为了用户满意度考虑，可以将不怎么合格的图像判断为合格的图像。其中，上述设定噪声概率阈值可以根据经验进行设定，例如根据特征库中已有的证件照的证照图像噪声概率来进行设定，从而考虑到了先验经验，即通过图像库中特定噪声图像的比例来修正未知图像检测出来的结果。

在现有方式中，在去除图像中的噪声时，一般都是对一张图片中的每个点进行相同的操作，也就是说不考虑这些点到底是不是噪声、是不是需要进行处理。而在本发明方案中，由于前述过程中已经检测出来具体哪些像素点是噪声点，因而可以只针对这些噪声点进行处理。

另外，由于所检测的这些噪声点中有两种不同的噪声类别，因而对于不同类别的噪声可以进行不同类型的处理。

针对检测出的冲击噪声点，可以采用高斯算子 $\frac{1}{16}\left[\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right]$ 来消除冲击噪声点。通过使用这个模板，可以使得离中心像素近的像素点对噪声像素的影响较大，从而可以确保在去除噪声时有效地保留证照的原始信息。

针对检测出的椒盐噪声点，可以采用

来消除，其中，f(x，y)表示原椒盐噪声点消除椒盐噪声后的颜色信息值，s_i，j表示椒盐噪声点5邻域范围内不是椒盐噪声点的一个邻居像素点到当前椒盐噪声点的距离，s_n表示椒盐噪声点5邻域范围内不是椒盐噪声点的所有邻居像素点到当前椒盐噪声点的距离和，c_i，j表示椒盐噪声点5邻域范围内不是椒盐噪声点的邻居像素点的颜色信息。

根据上述本发明的方法，本发明还提供一种证照噪声检测消除系统，以下就对本发明的证照噪声检测消除系统的各实施例进行详细说明。

实施例一

图4中示出了本发明的证照噪声检测消除系统实施例的结构示意图，其包括：

人像边缘查找单元401，用于读取证照图像，查找证照图像中的人像边缘；

像素点扫描单元402，用于扫描证照图像中的各像素点，并分别判断各像素点是否为人像边缘点；

边缘噪声检测单元403，用于在像素点判定单元402判定当前像素点为人像边缘点时，判断该当前像素点是否为冲击噪声点，若是冲击噪声点，记录当前冲击噪声点，若不是冲击噪声点，判断该像素点是否为椒盐噪声点，若是椒盐噪声点，记录当前的椒盐噪声点；

非边缘噪声检测单元404，用于在像素点判定单元402判定当前像素点不是人像边缘点时，判断该像素点是否为冲击噪声点，若是，记录当前冲击噪声点。

根据本实施例中的系统，即可以实现基于证照的特点对证照中所有冲击噪声点及椒盐噪声点的综合检测及判断，同时考虑了图像的人像边缘与非边缘的差别，从而提高了噪声判断的准确性。

根据检测出来的所有噪声点，本领域技术人员可以直接根据实际需要进行相关的处理。

在其中一种方式中，在边缘噪声检测单元403与非边缘噪声检测单元404检测出所有的噪声点后，可直接消噪处理，即还可以本实施例的图4中所示的噪声消除单元405，该噪声消除单元405用于去除证照图像中的冲击噪声点、椒盐噪声点。从而据此得到修正后的没有冲击噪声点、椒盐噪声点的证照。

实施例二：

图5中示出了本发明的证照噪声检测消除系统实施例二的结构示意图。在本实施例中，与上述实施例一的不同之处主要在于，本实施例中的系统还包括：

连接于边缘噪声检测单元403、非边缘噪声检测单元404与噪声消除单元405之间的概率统计单元406，以及连接于概率统计单元406与噪声消除单元405之间的消噪判定单元407。

其中，上述概率统计单元406，用于根据冲击噪声点的总数计算证照图像的冲击噪声概率，根据椒盐噪声点的总数计算所述证照图像的椒盐噪声概率，并根据冲击噪声概率、椒盐噪声概率得到证照图像噪声概率；

上述消噪判定单元407，用于判断概率统计单元406得出的证照图像噪声概率是否小于设定噪声概率阈值。

此时，上述噪声消除单元405，用于在消噪判定单元407的判定结果为否时，即概率统计单元406得出的证照图像噪声概率不小于设定噪声概率阈值时，去除证照图像中的冲击噪声点、椒盐噪声点。如果消噪判定单元407的判定结果为是，即概率统计单元406得出的证照图像噪声概率小于设定噪声概率阈值，则说明噪声在可接受的范围内，无需噪声消除单元405进行噪声的消除。

本实施例中的系统，是考虑到证照使用的特殊性，需要尽量保证它的原始内容，因此，通过对得到的证照图像噪声概率是否小于对应的设定噪声概率阈值进行判断，若是，则说明噪声在证照可接受的范围里面，因此，可以不用对证照中的噪声进行处理，因而不用消除证照中的冲击噪声点、椒盐噪声点，若否，则说明噪声不能接受，就对冲击噪声点、椒盐噪声点进行消除。

所述消噪判定单元，用于判断修正后的证照图像噪声概率是否小于对应的设定噪声概率阈值。

实施例三

图6中示出了本发明的证照噪声检测消除系统实施例三的结构示意图。在本实施例中，与上述实施例二的不同之处主要在于，本实施例中的系统还包括：

连接于概率统计单元406与消噪判定单元407之间的概率修正单元4067，用于对概率统计单元406得出的证照图像噪声概率进行修正。

此时，该消噪判定单元407，是对概率修正单元4067修正后的证照图像噪声概率是否小于对应的设定噪声概率阈值进行判断。

在本实施例的方案中，考虑到一般图像质量检测算法得到的噪声结果不会完全正确，因此，还对证照图像的冲击噪声概率、椒盐噪声概率进行了修正，以保证数据的准确性。

其中，在上述本发明各实施例的证照噪声检测消除系统中，各单元的具体实现方式，包括人像边缘查找单元401查找证照图像的人像边缘的方式，边缘噪声检测单元403判断人像边缘点的像素点是否为冲击噪声点、椒盐噪声点的方式，非边缘噪声检测单元404判断不是人像边缘点的像素点是否为冲击噪声点的方式，概率统计单元406得出证照图像噪声概率的方式，概率修正单元4067对证照图像噪声概率进行修正的方式，以及噪声消除单元405消除冲击噪声点、椒盐噪声点的消除方式等等，可以与上述本发明方法中的相同，在此不予赘述。

以上所述的本发明实施方式，仅仅是对本发明较佳实施例的详细说明，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (9)

1.一种证照噪声检测消除方法，其特征在于，包括步骤：

读取证照图像，查找证照图像中的人像边缘；

扫描证照图像中的各像素点，并分别判断各像素点是否为人像边缘点：

若为人像边缘点，判断该像素点是否为冲击噪声点，若是冲击噪声点，记录当前冲击噪声点；若不是冲击噪声点，判断该像素点是否为椒盐噪声点，若是椒盐噪声点，记录当前的椒盐噪声点；

若不是人像边缘点，判断该像素点是否为冲击噪声点，若是，记录当前冲击噪声点；

判断是人像边缘点的像素点是否为冲击噪声点的过程包括：获取距离当前像素点2个像素距离的4个邻近像素点；统计判断所述4个邻近像素点的8邻域内的各邻居像素点是否均为噪声点；若否，获得该邻近像素点的8邻域内不是噪声点的所有邻居像素点的第二平均灰度值，比较该第二平均灰度值与该当前像素点的灰度值的差值，若差值小于第二设定阈值，则判定该当前像素点不是冲击噪声点；和/或，判断是人像边缘点的像素点是否为椒盐噪声点的过程包括：判断当前像素点是否与白色或者黑色相似，若不相似，判定该当前像素点不是椒盐噪声点；若相似，判断当前像素点的4邻域的邻居像素点是否都与该当前像素点相似，若没有都相似，判定该当前像素点不是椒盐噪声点；若都相似，判断当前像素点的8邻域的邻居像素点中是否存在与当前像素点不相似的邻居相似点，若有，判定当前像素点为椒盐噪声点，若没有，判定该当前像素点不是椒盐像素点；

判断不是人像边缘点的像素点是否为冲击噪声点的过程包括：判断当前像素点的8邻域的邻居像素点中灰度值与当前像素点的灰度值的差值大于第三设定阈值的个数是否大于设定个数阈值，若是，判定该当前像素点为冲击噪声点，若否，判定该当前像素点不是冲击噪声点；

判断两个像素点是否相似的方式包括：若两个像素点的相应像素值差值的平方和小于或者等于设定阈值，则判定该两个像素点相似，否则为不相似。

2.根据权利要求1所述的证照噪声检测消除方法，其特征在于，还包括步骤：

去除证照图像中的冲击噪声点、椒盐噪声点；

或者

在对证照图像中的各像素点扫描完毕后，根据冲击噪声点的总数计算证照图像的冲击噪声概率，根据椒盐噪声点的总数计算所述证照图像的椒盐噪声概率，并根据冲击噪声概率、椒盐噪声概率得到证照图像噪声概率，判断证照图像噪声概率是否小于设定噪声概率阈值，若否，去除证照图像中的冲击噪声点、椒盐噪声点；

或者

在对证照图像中的各像素点扫描完毕后，根据冲击噪声点的总数计算证照图像的冲击噪声概率，根据椒盐噪声点的总数计算所述证照图像的椒盐噪声概率，并根据冲击噪声概率、椒盐噪声概率得到证照图像噪声概率，对所述证照图像噪声概率进行修正，判断修正后的证照图像噪声概率是否小于设定噪声概率阈值，若否，去除证照图像中的冲击噪声点、椒盐噪声点。

3.根据权利要求2所述的证照噪声检测消除方法，其特征在于：

采用高斯算子 $\frac{1}{16}\left[\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right]$ 消除冲击噪声点。

4.根据权利要求1或2或3所述的证照噪声检测消除方法，其特征在于：采用Sobel算子查找证照图像的边缘。

5.根据权利要求1所述的证照噪声检测消除方法，其特征在于，还包括：

若邻近像素点的8邻域内的各邻居像素点均为噪声点，获得该邻近像素点的8邻域内的各邻居像素点的第一平均灰度值，比较该第一平均灰度值与该邻近像素点的灰度值的差值：

若差值不小于第一设定阈值，判定该邻近像素点不是冲击噪声点；

若差值小于第一设定阈值，判定该邻近像素点为冲击噪声点，并比较该第一平均灰度值与当前像素点的灰度值的差值，若差值小于第三设定阈值，判定当前像素点为冲击噪声点。

6.根据权利要求1所述的证照噪声检测消除方法，其特征在于：

在判定当前像素点为椒盐噪声点后，对与当前像素点横纵向都相隔3个像素点的下一像素点进行是否为椒盐噪声点的判断；

在判定当前像素点不是椒盐噪声点后，对与当前像素点横纵向都相隔1个像素点的下一个像素点进行是否为椒盐噪声点的判断。

7.一种证照噪声检测消除系统，其特征在于，包括：

人像边缘查找单元，用于读取证照图像，查找证照图像中的人像边缘；

像素点扫描单元，用于扫描证照图像中的各像素点，并分别判断各像素点是否为人像边缘点：

边缘噪声检测单元，用于在像素点判定单元判定当前像素点为人像边缘点时，判断该当前像素点是否为冲击噪声点，若是冲击噪声点，记录当前冲击噪声点，若不是冲击噪声点，判断该像素点是否为椒盐噪声点，若是椒盐噪声点，记录当前的椒盐噪声点；

非边缘噪声检测单元，用于在像素点判定单元判定当前像素点不是人像边缘点时，判断该像素点是否为冲击噪声点，若是，记录当前冲击噪声点；

所述边缘噪声检测单元判断是人像边缘点的像素点是否为冲击噪声点的过程包括：获取距离当前像素点2个像素距离的4个邻近像素点；统计判断所述4个邻近像素点的8邻域内的各邻居像素点是否均为噪声点；若否，获得该邻近像素点的8邻域内不是噪声点的所有邻居像素点的第二平均灰度值，比较该第二平均灰度值与该当前像素点的灰度值的差值，若差值小于第二设定阈值，则判定该当前像素点不是冲击噪声点；和/或，判断当前像素点是否与白色或者黑色相似，若不相似，判定该当前像素点不是椒盐噪声点；若相似，判断当前像素点的4邻域的邻居像素点是否都与该当前像素点相似，若没有都相似，判定该当前像素点不是椒盐噪声点；若都相似，判断当前像素点的8邻域的邻居像素点中是否存在与当前像素点不相似的邻居相似点，若有，判定当前像素点为椒盐噪声点，若没有，判定该当前像素点不是椒盐像素点；

所述非边缘噪声检测单元判断不是人像边缘点的像素点是否为冲击噪声点的过程包括：判断当前像素点的8邻域的邻居像素点中灰度值与当前像素点的灰度值的差值大于第三设定阈值的个数是否大于设定个数阈值，若是，判定该当前像素点为冲击噪声点，若否，判定该当前像素点不是冲击噪声点；

所述边缘噪声检测单元判断两个像素点是否相似的方式包括：若两个像素点的相应像素值差值的平方和小于或者等于设定阈值，则判定该两个像素点相似，否则为不相似。

8.根据权利要求7所述的证照噪声检测消除系统，其特征在于：

还包括噪声消除单元，用于去除证照图像中的所述冲击噪声点、所述椒盐噪声点；

或者

还包括概率统计单元、消噪判定单元与噪声消除单元，所述概率统计单元，用于根据冲击噪声点的总数计算证照图像的冲击噪声概率，根据椒盐噪声点的总数计算所述证照图像的椒盐噪声概率，并根据冲击噪声概率、椒盐噪声概率得到证照图像噪声概率；所述消噪判定单元，用于判断证照图像噪声概率是否小于设定噪声概率阈值；所述噪声消除单元，用于在所述消噪判定单元的判定结果为否时，去除证照图像中的冲击噪声点、椒盐噪声点；

或者

还包括概率统计单元、概率修正单元、消噪判定单元与噪声消除单元，所述概率统计单元，用于根据冲击噪声点的总数计算证照图像的冲击噪声概率，根据椒盐噪声点的总数计算所述证照图像的椒盐噪声概率，并根据冲击噪声概率、椒盐噪声概率得到证照图像噪声概率；所述概率修正单元，用于对所述证照图像噪声概率进行修正；所述消噪判定单元，用于判断修正后的证照图像噪声概率是否小于设定噪声概率阈值；所述噪声消除单元，用于在所述消噪判定单元的判定结果为否时，去除证照图像中的冲击噪声点、椒盐噪声点。

9.根据权利要求8所述的证照噪声检测消除系统，其特征在于:

所述噪声消除单元采用高斯算子 $\frac{1}{16}\left[\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right]$ 消除冲击噪声点。

Images