CN104915929A - 一种图像滤波处理方法 - Google Patents

Abstract

本发明涉及一种图像滤波处理方法，该方法首先在充分考虑图像边缘的尺度、方向和有效邻域等边缘信息的基础上，对有效邻域进行划分，然后应用Radon变换和Hermite变换相结合的基于方向的Hermite变换得到滤波方向，再依据对噪声的抑制标准确定平滑区的滤波尺度，最后对分段滤波的结果进行融合，得到最终的滤波结果。本发明的各向异性分段高斯滤波方法能在滤除噪声的同时很好的保持图像边缘，优于传统的图像滤波方法。

Description

一种图像滤波处理方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像滤波处理方法。

背景技术

在数字图像的获取和传输过程之中以目标识别为目的的数字图像处理，包括了前期的图像滤波、边缘增强、运动目标提取等处理过程。图像滤波是后面处理过程的基础，所以图像滤波是目标检测的关键问题。

成像系统接收到的探测目标的图像都会包含许多的噪声，这些噪声的来源可能是成像系统本身，也可能来自于外界环境的因素，其中以高斯白噪声为主。同时，目标图像还存在着边缘模糊的问题。图像的滤波就是要去除噪声的同时保持图像的边缘，而这二者在滤波中往往存在着矛盾。滤波的效果直接的影响着之后的特征提取的准确性和稳定性。

早期主要使用线性滤波器来滤除高斯白噪声，多应用邻域平均法滤波器，或者是高斯平滑滤波器。它们的主要思想都是以某个像素点邻域内的所有点的加权平均值来代替当前像素点的灰度值。邻域平均滤波中设f(x,y)为待处理的图像，g(x,y)是处理后的图像，邻域平均平滑处理的数学表达式为式中x、y＝0,1,K,N-1；S是(x,y)点邻域中的点集合，不包括(x,y)点，M是集合内坐标点总数。图像平滑效果与邻域大小有关。邻域越大平滑效果越好，虽然平滑了噪声，但同时也模糊了图像的边缘。

中值滤波器是非线性的图像滤波方法，基于排序理论的空域滤波方法，是对一个滑动窗口里的像素灰度进行排序，用中值代替中心点(x,y)的灰度，当窗口遍历了所有的像素点，即处理完毕。中值滤波器对高斯脉冲噪声和椒盐噪声的抑制效果好，同时能保持边缘，但是对高斯白噪声的滤波效果不好。

其后Cahill提出了自适应尺度高斯滤波方法，在一定程度上保持了图像边缘，但由于滤波器的各项同性，破坏了边缘的方向性。

本发明正是基于以上这些事实和背景，在对于数字图像滤波的研究中，探索出了一种各向异性分段高斯滤波方法，很好的解决了图像的滤波过程中既要去除噪声，同时又要保持图像的边缘的矛盾。

发明内容

本发明的目的在于针对现有的滤波方法的不足，提供一种高效的图像滤波方法，在能保持图像边缘的情况下，同时滤除高斯噪声的图像滤波方法。

本发明解决其技术问题所采用的技术方案是：该方法首先在充分考虑图像边缘的尺度、方向和有效邻域等边缘信息的基础上，将各向异性高斯模板沿切线方向分成两部分，从而不仅充分利用了边缘信息，还使滤波区域扩大到邻域的一半，有效简化了保持边缘滤波中存在的矛盾。

有效邻域的划分，沿边缘切线方向将各向异性高斯滤波器直接划分为两个区域分别进行滤波。边缘线包括角点和线状直线。如图1所示，图中不同灰度区域代表了不同的物体，此外（m，n）是中心点像素；两条实线代表的是边缘；双点划线指的是中心点的梯度切线方向(即u方向)；虚线代表的是和切线方向垂直的方向(即v方向)；箭头线代表的是图像的原始坐标方向，用x和y表示；θ代表的是切线方向与x方向的夹角。各向异性高斯滤波器在xy平面上表达式是通过坐标旋转公式得旋转后的滤波器为对v>0和v<0的区域分别进行滤波，在同一个像素点就可以得到两个滤波结果，到高斯滤波值最近的结果来代替中心像素灰度值。

滤波方向，Hermite变换系数可以代表图像局部区域内的方向特征，将Radon变换和Hermite变换相结合可得基于方向的Hermite变换其中K_n+m,θ是方向Hermite变换结果，f_l,k-l是Hermite变换结果，h_n+m,θ(l,k-l)是两者之间的联系式。由于图像边缘的能量主要是分布在其变换的1阶成份,并且其2阶成份应是零，因此主要考虑变换阶次等于1时的情况，上式可以变为K_l,θ＝f_1,0·cos(θ)+f_0,1·sin(θ)，在K_l,θ取最大时的θ值才代表图像区域的方向。对其求极大值可得 代表的就是图像局部区域的方向角， $\widehat{\mathrm{\&theta;}}=\arcsin \left(\frac{f_{\mathrm{0,1}}}{\sqrt{f_{\mathrm{0,1}}^2+f_{\mathrm{1,0}}^2}}\right).$

滤波尺度，首先依据对噪声的抑制标准确定平滑区的滤波尺度，噪声方差的最大似然估计为 ${\widehat{\mathrm{\&sigma;}}}^2=\frac{1}{\mathrm{KL}}\underset{i=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{L}{\mathrm{\&Sigma;}}}\left(\underset{p=1}{\overset{5}{\mathrm{\&Sigma;}}}\underset{q=1}{\overset{5}{\mathrm{\&Sigma;}}}{A}_{p,q}R(i+p-3,j+q-3)\right)R(i,j).$ 得到平滑区的基准高斯滤波均方差为再根据梯度的大小确定边缘区的滤波尺度，最后根据各个像素的方向角方差确定u,v方向的方差比。滤波器在u、v方向上的滤波尺度

附图说明

图1是图像边缘区域示意图。

图2是图像滤波的技术流程图。

具体实施方式

一种图像滤波处理方法各向异性分段高斯滤波，该方法共分为四个步骤：有效邻域的分段滤波、滤波的方向和滤波的尺度。

①在有效邻域划分阶段，利用 $g(u,v,{\mathrm{\&sigma;}}_u,{\mathrm{\&sigma;}}_v)=\frac{1}{2\mathrm{\&pi;}{\mathrm{\&sigma;}}_u{\mathrm{\&sigma;}}_v}\exp \{-\frac{1}{2}(\frac{u^2}{{\mathrm{\&sigma;}}_u^2}+\frac{v^2}{{\mathrm{\&sigma;}}_v^2})\}$ 对v>0和v<0的区域分别进行滤波，然后对两个滤波结果按照一定规则进行选取得到最后的结果。对于图像中不同的位置，要不断调整滤波器的方向，以便使滤波器的u轴与各像素点的切线方向保持一致。同时在不同的边缘位置处，要改变沿u、v轴的尺度之比。

②滤波的方向的确定，通过Hermite变换和Randon变换相结合的基于方向的Hermite变换，得到图像局部的方向角

③在滤波尺度的确定，滤波器在u、v方向上的滤波尺度方程组为

④分段滤波结果的融合，由步骤③中得到的每个像素点上都会存在两个滤波结果，要对滤波结果进行融合。先做一个高斯滤波，再用像素点的两个分段滤波值中到高斯滤波值最近的结果来代替中心像素灰度值。

Claims (6)

1.一种图像滤波处理方法，其特征在于，该方法的步骤为首先在充分考虑图像边缘的尺度、方向和有效邻域等边缘信息的基础上，对有效邻域进行划分，然后应用Radon变换和Hermite变换相结合的基于方向的Hermite变换得到滤波方向，再依据对噪声的抑制标准确定平滑区的滤波尺度，最后对分段滤波的结果进行融合，得到最终的滤波结果。

2.根据权利要求1所述的图像滤波处理方法，其特征在于，所述的有效邻域划分是沿边缘切线方向将各向异性高斯滤波器直接划分为两个区域分别进行滤波。

3.根据权利要求1所述的图像滤波处理方法，其特征在于，基于方向的Hermite变换为并由其得到图像局部区域的方向角为 $\widehat{\mathrm{\&theta;}}=\arcsin \left(\frac{f_{\mathrm{0,1}}}{\sqrt{f_{\mathrm{0,1}}^2+f_{\mathrm{1,0}}^2}}\right).$

4.根据权利要求1所述的图像滤波处理方法，其特征在于，所述的噪声方差 ${\widehat{\mathrm{\&sigma;}}}^2=\frac{1}{\mathrm{KL}}\underset{i=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{L}{\mathrm{\&Sigma;}}}\left(\underset{p=1}{\overset{5}{\mathrm{\&Sigma;}}}\underset{q=1}{\overset{5}{\mathrm{\&Sigma;}}}{A}_{p,q}R(i+p-3,j+q-3)\right)R(i,j).$

5.根据权利要求1所述的图像滤波处理方法，其特征在于，所述的噪声方差估计值，得到平滑区的基准高斯滤波均方差为在图像不同区域使用不同的滤波尺度 $\left\{\begin{array}{c}{\mathrm{\&sigma;}}_u={\mathrm{\&sigma;}}_{m,n}{K}_{m,n}\\ {\mathrm{\&sigma;}}_v={\mathrm{\&sigma;}}_{m,n}(1-K_{m,n})\end{array}\right..$

6.根据权利要求1所述的图像滤波处理方法，其特征在于，所述滤波结果的融合，使用距离标准来确定滤波值的选择，先做一个高斯滤波，再用像素点的两个分段滤波值中到高斯滤波值最近的结果来代替中心像素灰度值。