CN109003247A - 彩色图像混合噪声的去除方法 - Google Patents

Abstract

本发明公开了一种彩色图像混合噪声的去除方法，涉及图像处理技术领域。本发明基于块匹配滤波并结合图像局部特征对脉冲噪声和高斯噪声组成的混合噪声进行去噪处理。本发明首先利用图像局部统计特性进行脉冲噪声去噪处理，然后根据图像全局的稀疏性和自相关性进行3‑D块匹配滤波即高斯去噪。本发明充分利用了图像的信息特征，因此本发明与现有的方法相比能更有效地去除彩色图像的混合噪声，并且更适用于高分辨率、颜色深度大的自然图像的去噪处理，具有较强的实用性。

Description

彩色图像混合噪声的去除方法

技术领域

本发明属于图像处理技术领域，特别是涉及一种彩色图像混合噪声的去除方法。

背景技术

数字图像处理一直是计算机智能化处理的重要问题，而图像去噪则是其他图像处理的前置基础环节。随着图像处理技术的发展，彩色图像混合噪声去噪已经成为当下图像去噪的主要方向之一。

图像去噪处理的噪声类型有的脉冲噪声、高斯噪声、瑞利噪声、伽马噪声、均匀噪声等。而在实际图像中主要的噪声有由传输线路不稳定造成的脉冲噪声和由电子器件热噪声造成的高斯噪声。并且噪声往往是以叠加为混合噪声的方式出现。所以彩色图像混合噪声的去除不仅具有一定的科研价值，也有一定的实际工程应用价值。

目前图像去噪按图像所在空间可分为基于空域的滤波和基于变换域的滤波；按图像信息来源可分为局部图像去噪和非局部图像去噪；按图像去噪方法可分为滤波器去噪，稀疏性表达，外部先验和深度学习。但已有的图像去噪算法大多针对单一噪声设计的，当将其推广至混合噪声时去噪效果总是差强人意。所以科研人员逐渐将图像去噪的焦点转移至混合噪声的滤除上来。由于不同噪声具有不同的特点，两种噪声叠加后会使得图像去噪变得十分复杂。彩色图像所含信息量比之灰度图像大大增多，且实际应用中绝大多数为彩色图像。因此目前还未有较好的混合噪声滤波方法。

发明内容

本发明的目的在于提供一种彩色图像混合噪声的去除方法，解决了现有技术中图像去噪方法针对单一噪声设计，两种噪声叠加去噪复杂以及彩色图像去噪混合噪声去噪目前较少涉及的问题。

本发明所采用的技术方案是，彩色图像混合噪声的去除方法，具体按照以下步骤进行：

步骤S1、脉冲噪声处理阶段，检测待处理像素x_i,j是否含脉冲噪声，不含脉冲噪声原样输出，含脉冲噪声则进行脉冲噪声去噪，得到脉冲噪声滤波的图像；

步骤S2、对步骤S1得到的脉冲噪声滤波的图像进行高斯噪声处理，即由步骤S1得到的脉冲噪声滤波的图像中取图块并进行相似块匹配分组得到第一图组，随后三维块变换处理并进行硬阈值滤波，依次进行逆三维变换、逐块估计、聚合，得到基本估计的图像，基本估计的图像取图块并进行相似块匹配分组，得到第二图组，随后结合第二图组和第一图组依次进行三维块变换、维纳滤波、逆三维变换、逐块估计、聚合，即得到最终估计的图像。

进一步的，所述步骤S1具体按照以下步骤进行：

步骤S11、检测待处理像素点x_i,j是否含脉冲噪声；

在彩色图像上选取N₁×N₁检测窗口，N₁×N₁为检测窗口内像素点的个数，K_p为以待处理像素点x_i,j为中心的方向算子，其中，p∈(1,2,3,4)，x_i,j为第i行第j列的待处理像素点，K_p的定义如下所示：

将待处理像素点x_i,j在四个方向进行色差判断，K₁方向的色差d₁为：

其中，k表示待处理像素点x_i,j所在通道，k是R通道、G通道、B通道中的任意一种；x_i,j(k)表示待处理像素点x_i,j在k通道的像素值，表示第i行第列待处理像素点在k通道的像素值，x_i,j-1(k)表示第i行第j-1列待处理像素点x_i,j-1在k通道的像素值，x_i,j+1(k)表示第i行第j+1列待处理像素点x_i,j+1在k通道的像素值，表示第i行第列待处理像素点在k通道的像素值；

K₂方向的色差d₂为：

；其中，表示第行第j列待处理像素点在k通道的像素值，x_i-1,j(k)表示第i-1行第j列待处理像素点x_i-1,j在k通道的像素值，x_i+1,j(k)表示第i+1行第j列的待处理像素点x_i+1,j在k通道的像素值，表示第行第j列的待处理像素点在k通道的像素值；

K₃方向的色差d₃为：

；其中，表示第行第列的待处理像素点在k通道的像素值，x_i-1,j-1(k)表示第i-1行第j-1列的待处理像素点x_i-1,j-1在k通道的像素值，x_i+1,j+1(k)表示第i+1行第j+1列的待处理像素点x_i+1,j+1在k通道的像素值，表示第行第列的待处理像素点在k通道的像素值；

K₄方向的色差d₄为：

；其中，表示第行第列的待处理像素点在k通道的像素值，x_i+1,j-1(k)表示第i+1行第j-1列的待处理像素点x_i+1,j-1在k通道的像素值，x_i-1,j+1(k)表示第i-1行第j+1列的待处理像素点x_i-1,j+1在k通道的像素值，表示第

行第列的待处理像素点在k通道的像素值；

计算得到N₁×N₁检测窗口内四个方向的色差后将其排序，找出最小色差d_min与阈值T进行比较；

若d_min>T，则待处理像素点x_i,j含脉冲噪声；若d_min≤T，则待处理像素点x_i,j不含脉冲噪声；

步骤S12、根据步骤S11的待处理像素点x_i,j是否含脉冲噪声的结果进行处理；

(1)若待处理像素点x_i,j含脉冲噪声，则对待处理像素点x_i,j进行脉冲噪声去噪并采用矢量中值滤波处理，具体按照以下步骤进行：

以待处理像素点x_i,j为中心取N₂×N₂滤波窗口，N₂×N₂为滤波窗口内像素点的个数，将滤波窗口内像素点在RGB颜色空间内表示为一组矢量集合V，V包含N₂×N₂个矢量v_1,1表示滤波窗口内第一行第一列的像素点在RGB颜色空间内的矢量形式，计算窗口内每个像素点与其他像素点间的矢量距离和S，S_i,j表示待处理像素点x_i,j与其他像素点的距离之和；对所有S排序，得到最小值S_min，S_min所对应的矢量即为滤波窗口下矢量中值滤波输出结果v_VMF；依次对含脉冲噪声的像素点进行矢量中值滤波处理，得到脉冲噪声滤波的图像；

(2)若待处理像素点x_i,j不含脉冲噪声，则原样输出，得到脉冲噪声滤波的图像。

进一步的，所述步骤S2具体按照以下步骤进行：

步骤S21、在由步骤S1得到的脉冲噪声滤波的图像中取图块R，使用块匹配群组把所有与R相似的图块和R组成一个图组，依次操作最终将整个图像中所有相似的图块进行块匹配分组，得到若干个由相似图块组成的第一图组；

步骤S22、第一图组进行三维块变换处理，利用硬阈值滤波减弱图像噪声，然后对硬阈值滤波后的结果进行逆三维变换；

步骤S23、对于逆三维变换后进行逐块估计，同一个相似块会出现多个估计值，结合图块R和与R相似的图块的相似度对所有估计值进行加权平均，聚合得到二维图块的估值，即得到基本估计的图像；

步骤S24、对基本估计的图像中按照步骤S21得到若干个由相似图块组成的第二图组，并结合步骤S21中的第一图组；

步骤S25、将第二图组和第一图组进行三维块变换，随后使用维纳滤波进行能量谱系数收缩，将维纳滤波后的第二图组和第一图组进行逆三维变换，对于逆三维变换后进行逐块估计，逆三维变换会在第一图组和第二图组的同一位置会出现多个估计值，将所有估计值并进行加权平均，聚合得到最终估计的图像。

进一步的，所述步骤S21块匹配群组采用K均值聚类方法。

进一步的，所述步骤S22三维块变换处理采用离散余弦变换处理方法。

本发明的有益效果是对彩色图像混合噪声的滤除有较好效果。在最大程度保留图像所含信息的前提下，不仅客观图像质量评价优于目前已有方法且主观人眼观测效果也较好。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程图；

图2为脉冲噪声处理阶段的流程图；

图3为高斯噪声处理阶段的流程图；

图4为相似块匹配示意图；

图5a为lena原图像及其局部图像图；

图5b为加噪lena图像及其局部图像图；

图5c为滤波后lena图像及其局部图像图；

图6a为bird原图像及其局部图像图；

图6b为加噪bird图像及其局部图像图；

图6c为滤波后bird图像及其局部图像图。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

彩色图像混合噪声的去除方法，如图1所示，为本方法的整体流程图，具体按照以下步骤进行：

步骤S1、脉冲噪声处理阶段，如图2所示为S1脉冲噪声处理阶段流程图；检测待处理像素x_i,j是否含脉冲噪声，不含脉冲噪声原样输出，含脉冲噪声则进行脉冲噪声去噪，得到脉冲噪声滤波的图像；脉冲噪声处理阶段利用的是图像局部统计信息进行处理；具体按照以下步骤进行：

步骤S11、检测待处理像素点x_i,j是否含脉冲噪声；

在彩色图像上选取N₁×N₁检测窗口，N₁×N₁为检测窗口内像素点的个数，K_p为以待处理像素点x_i,j为中心的方向算子，其中，p∈(1,2,3,4)，x_i,j为第i行第j列的待处理像素点，K_p的定义如下所示：

将待处理像素点x_i,j在四个方向进行色差判断，K₁方向的色差d₁为：

其中，k表示待处理像素点x_i,j所在通道，k是R通道、G通道、B通道中的任意一种；x_i,j(k)表示待处理像素点x_i,j在k通道的像素值，表示第i行第列待处理像素点在k通道的像素值，x_i,j-1(k)表示第i行第j-1列待处理像素点x_i,j-1在k通道的像素值，x_i,j+1(k)表示第i行第j+1列待处理像素点x_i,j+1在k通道的像素值，表示第i行第列待处理像素点在k通道的像素值；

K₂方向的色差d₂为：

；其中，表示第行第j列待处理像素点在k通道的像素值，x_i-1,j(k)表示第i-1行第j列待处理像素点x_i-1,j在k通道的像素值，x_i+1,j(k)表示第i+1行第j列的待处理像素点x_i+1,j在k通道的像素值，表示第行第j列的待处理像素点在k通道的像素值；

K₃方向的色差d₃为：

；其中，表示第行第列的待处理像素点在k通道的像素值，x_i-1,j-1(k)表示第i-1行第j-1列的待处理像素点x_i-1,j-1在k通道的像素值，x_i+1,j+1(k)表示第i+1行第j+1列的待处理像素点x_i+1,j+1在k通道的像素值，表示第行第列的待处理像素点在k通道的像素值；

K₄方向的色差d₄为：

；其中，表示第行第列的待处理像素点在k通道的像素值，x_i+1,j-1(k)表示第i+1行第j-1列的待处理像素点x_i+1,j-1在k通道的像素值，x_i-1,j+1(k)表示第i-1行第j+1列的待处理像素点x_i-1,j+1在k通道的像素值，表示第

行第列的待处理像素点在k通道的像素值；

计算得到N₁×N₁检测窗口内四个方向的色差后将其排序，找出最小色差d_min与阈值T进行比较，阈值T为根据噪声浓度所得经验值，当σ＝10时，T＝27；当σ＝15时，T＝33；当σ＝20时，T＝39(σ为高斯噪声标准差)；

若d_min>T，则待处理像素点x_i,j含脉冲噪声；若d_min≤T，则待处理像素点x_i,j不含脉冲噪声；

步骤S12、根据步骤S11的待处理像素点x_i,j是否含脉冲噪声的结果进行处理；

(1)若待处理像素点x_i,j含脉冲噪声，则对待处理像素点x_i,j进行脉冲噪声去噪并采用矢量中值滤波处理，具体按照以下步骤进行：

以待处理像素点x_i,j为中心取N₂×N₂滤波窗口，N₂×N₂为滤波窗口内像素点的个数，将滤波窗口内像素点在RGB颜色空间内表示为一组矢量集合V，V包含N₂×N₂个矢量v_1,1表示滤波窗口内第一行第一列的像素点在RGB颜色空间内的矢量形式，计算窗口内每个像素点与其他像素点间的矢量距离和S，S_i,j表示待处理像素点x_i,j与其他像素点的距离之和；对所有S排序，得到最小值S_min，S_min所对应的矢量即为滤波窗口下矢量中值滤波输出结果v_VMF；依次对含脉冲噪声的像素点进行矢量中值滤波处理，得到脉冲噪声滤波的图像；

(2)若待处理像素点x_i,j不含脉冲噪声，则原样输出，得到脉冲噪声滤波的图像；

步骤S2、对步骤S1得到的脉冲噪声滤波的图像进行高斯噪声处理，即由步骤S1得到的脉冲噪声滤波的图像中取图块并进行相似块匹配分组得到第一图组，随后三维块变换处理并进行硬阈值滤波，依次进行逆三维变换、逐块估计、聚合，得到基本估计的图像，基本估计的图像取图块并进行相似块匹配分组，得到第二图组，随后结合第二图组和第一图组依次进行三维块变换、维纳滤波、逆三维变换、逐块估计、聚合，即得到最终估计的图像；根据自然图像存在重复冗余信息的特点，利用图像整体的自相关性和图像稀疏表达的特性进行高斯噪声处理；如图3所示，具体按照以下步骤进行：

步骤S21、在由步骤S1得到的脉冲噪声滤波的图像中取图块R，使用块匹配群组把所有与R相似的图块和R组成一个图组，依次操作最终将整个图像中所有相似的图块进行块匹配分组，得到若干个由相似图块组成的第一图组；匹配群组采用K均值聚类方法；

步骤S22、第一图组进行三维块变换处理，利用硬阈值滤波减弱图像噪声，然后对硬阈值滤波后的结果进行逆三维变换；

步骤S23、对于逆三维变换后进行逐块估计，同一个相似块会出现多个估计值，结合图块R和与R相似的图块的相似度对所有估计值进行加权平均，聚合得到二维图块的估值，即得到基本估计的图像；

步骤S24、对基本估计的图像中按照步骤S21得到若干个由相似图块组成的第二图组，并结合步骤S21中的第一图组；

步骤S25、将第二图组和第一图组进行三维块变换，随后使用维纳滤波进行能量谱系数收缩，将维纳滤波后的第二图组和第一图组进行逆三维变换，对于逆三维变换后进行逐块估计，逆三维变换会在第一图组和第二图组的同一位置会出现多个估计值，将所有估计值并进行加权平均，聚合得到最终估计的图像。

实施例

彩色图像混合噪声的去除方法，如图1所示，具体按照以下步骤进行：

步骤S1、检测待处理像素x_i,j是否含脉冲噪声，不含脉冲噪声原样输出进行高斯噪声去噪，含脉冲噪声则进行脉冲噪声去噪；

步骤S11、检测待处理像素点x_i,j是否含脉冲噪声，如图2所示，具体按照以下步骤进行：

选取5×5检测窗口，K_p为以待处理像素点x_i,j为中心的方向算子，其中，p∈(1,2,3,4)，x_i,j为第i行第j列的待处理像素点，四个方向上的像素集合可由K_p表示，如下所示，像素位置为“1”所在位置，

将待处理像素点x_i,j在四个方向进行色差判断，以K₁方向为例：

其中k表示像素点所在通道，k是R通道、G通道、B通道中的任意一种；x_i,j(k)表示待处理像素点x_i,j在k通道的像素值，x_i,j-2(k)、x_i,j-1(k)、x_i,j+1(k)、x_i,j+2(k)表示窗口内沿K₁方向的像素点在k通道的像素值；同理计算得到所选窗口内四个方向的色差后将其排序，找出最小色差d_min与阈值T进行比较；

若d_min>T，则待处理像素点x_i,j含脉冲噪声；若d_min≤T，则待处理像素点x_i,j不含脉冲噪声；

步骤S12、根据步骤S11的待处理像素点x_i,j是否含脉冲噪声的结果进行处理；

(1)若待处理像素点x_i,j含脉冲噪声，则对待处理像素点x_i,j进行脉冲噪声去噪。采用矢量中值滤波处理，具体按照以下步骤进行：

以待处理像素点x_i,j为中心取3×3的滤波窗口，如下所示，将滤波窗口内像素点在RGB颜色空间内表示为一组矢量集合V，V包含3×3个矢量{v_1,1,v_1,2,…v_3,3}，v_1,1表示滤波窗口内第一行第一列位置的像素点在RGB颜色空间内的矢量形式，计算窗口内每个像素点与其他像素点间的矢量距离和S，S_i,j表示待处理像素点x_i,j与其他像素点的距离之和；对所有S排序，得到最小值S_min，S_min所对应的矢量即为滤波窗口下矢量中值滤波输出结果v_VMF，依次对被脉冲噪声污染的像素点进行矢量中值滤波处理，得到脉冲噪声滤波的图像；

S_1,1＝||(1,1,1)-(1,1,2)||+||(1,1,1)-(1,1,3)||+...+||(1,1,1)-(3,1,3)||＝14.7，同理可得S_1,2＝12.3，S_1,3＝14.7，S_2,1＝12.3，S_2,2＝9.7，S_2,3＝12.3，S_3,1＝14.7，S_3,2＝12.3，S_3,3＝14.7，所以S_min＝S_2,2，则3×3的滤波窗口下矢量中值滤波输出结果为(2,1,2)；

(2)若待处理像素点x_i,j不含脉冲噪声，则原样输出，得到脉冲噪声滤波的图像；

步骤S2、对步骤S1得到的脉冲噪声滤波的图像进行高斯噪声处理，即由步骤S1得到的脉冲噪声滤波的图像中取图块并进行相似块匹配分组得到第一图组，随后三维块变换处理并进行硬阈值滤波，依次进行逆三维变换、逐块估计、聚合，得到基本估计的图像，基本估计的图像取图块并进行相似块匹配分组，得到第二图组，随后结合第二图组和第一图组依次进行三维块变换、维纳滤波、逆三维变换、逐块估计、聚合，即得到最终估计的图像，如图3所示；

步骤S21、由步骤S1得到的脉冲噪声滤波的图像中取N₃×N₃大小的图块R，使用K均值聚类的方法把所有与R相似的图块和R组成一个图组，依次操作最终将整个图像中所有相似的图块进行块匹配分组，得到若干个由相似图块组成的第一图组；如图4所示即为在8幅不同图像中相似块组成的图组在整体中的位置示意图，图块R为在图像中所取待处理图块，其余图块为与R相似的图块，它们共同组成一个相似图块组；

步骤S22、第一图组进行离散余弦变换处理，利用硬阈值滤波减弱图像噪声，然后对硬阈值滤波后的结果进行逆三维变换；

步骤S23、对于逆三维变换后进行逐块估计，同一个相似块会出现多个估计值，结合图块R和与R相似的图块的相似度对所有估计值进行加权平均，得到二维图块的估值，得到基本估计的图像；

步骤S24、对基本估计的图像中按照步骤S21得到若干个由相似图块组成的第二图组，并结合步骤S21中的第一图组；

步骤S25、将第二图组和第一图组进行三维块变换，随后使用维纳滤波进行能量谱系数收缩，将维纳滤波后的第二图组和第一图组进行逆三维变换，对于逆三维变换后进行逐块估计。逆三维变换会在第一图组和第二图组的同一位置会出现多个估计值，将所有估计值并进行加权平均，聚合得到最终估计的图像。

图5a为lena原图像及其局部图像图；图5b为加噪lena图像及其局部图像图；图5c为滤波后lena图像及其局部图像图；图6a为bird原图像及其局部图像图；图6b为加噪bird图像及其局部图像图；图6c为滤波后bird图像及其局部图像图，从图5c和图6c可看出本发明的方法去噪后的图像最大程度的保留了原图像的信息，且图像的质量并没有很大的损失。

表1为对像素大小为256×256的lena图像实验不同方法的效果对比。由实验结果可知，本发明的方法与现有方法相比有较好的去噪效果。表2为本发明不同图像的实验结果对比。

表1以lena图像为例的不同方法的实验结果对比

(注：PSNR为峰值信噪比，MAE为均值绝对值误差，p为脉冲噪声概率，σ为高斯噪声标准差)

表2本发明下不同图像的实验结果对比

(注：PSNR为峰值信噪比，MAE为均值绝对值误差，p为脉冲噪声概率，σ为高斯噪声标准差)

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (5)

1.彩色图像混合噪声的去除方法，其特征在于，具体按照以下步骤进行：

步骤S1、脉冲噪声处理阶段，检测待处理像素x_i,j是否含脉冲噪声，不含脉冲噪声原样输出，含脉冲噪声则进行脉冲噪声去噪，得到脉冲噪声滤波的图像；

步骤S2、对步骤S1得到的脉冲噪声滤波的图像进行高斯噪声处理，即由步骤S1得到的脉冲噪声滤波的图像中取图块并进行相似块匹配分组得到第一图组，随后三维块变换处理并进行硬阈值滤波，依次进行逆三维变换、逐块估计、聚合，得到基本估计的图像，基本估计的图像取图块并进行相似块匹配分组，得到第二图组，随后结合第二图组和第一图组依次进行三维块变换、维纳滤波、逆三维变换、逐块估计、聚合，即得到最终估计的图像。

2.根据权利要求1所述的彩色图像混合噪声的去除方法，其特征在于，所述步骤S1具体按照以下步骤进行：

步骤S11、检测待处理像素点x_i,j是否含脉冲噪声；

在彩色图像上选取N₁×N₁检测窗口，N₁×N₁为检测窗口内像素点的个数，K_p为以待处理像素点x_i,j为中心的方向算子，其中，p∈(1,2,3,4)，x_i,j为第i行第j列的待处理像素点，K_p的定义如下所示：

将待处理像素点x_i,j在四个方向进行色差判断，K₁方向的色差d₁为：

其中，k表示待处理像素点x_i,j所在通道，k是R通道、G通道、B通道中的任意一种；x_i,j(k)表示待处理像素点x_i,j在k通道的像素值，表示第i行第列待处理像素点在k通道的像素值，x_i,j-1(k)表示第i行第j-1列待处理像素点x_i,j-1在k通道的像素值，x_i,j+1(k)表示第i行第j+1列待处理像素点x_i,j+1在k通道的像素值，表示第i行第列待处理像素点在k通道的像素值；

K₂方向的色差d₂为：

；其中，表示第行第j列待处理像素点在k通道的像素值，x_i-1,j(k)表示第i-1行第j列待处理像素点x_i-1,j在k通道的像素值，x_i+1,j(k)表示第i+1行第j列的待处理像素点x_i+1,j在k通道的像素值，表示第行第j列的待处理像素点在k通道的像素值；

K₃方向的色差d₃为：

；其中，表示第行第列的待处理像素点在k通道的像素值，x_i-1,j-1(k)表示第i-1行第j-1列的待处理像素点x_i-1,j-1在k通道的像素值，x_i+1,j+1(k)表示第i+1行第j+1列的待处理像素点x_i+1,j+1在k通道的像素值，表示第行第列的待处理像素点在k通道的像素值；

K₄方向的色差d₄为：

；其中，表示第行第列的待处理像素点在k通道的像素值，x_i+1,j-1(k)表示第i+1行第j-1列的待处理像素点x_i+1,j-1在k通道的像素值，x_i-1,j+1(k)表示第i-1行第j+1列的待处理像素点x_i-1,j+1在k通道的像素值，表示第行第列的待处理像素点在k通道的像素值；

计算得到N₁×N₁检测窗口内四个方向的色差后将其排序，找出最小色差d_min与阈值T进行比较；

若d_min>T，则待处理像素点x_i,j含脉冲噪声；若d_min≤T，则待处理像素点x_i,j不含脉冲噪声；

步骤S12、根据步骤S11的待处理像素点x_i,j是否含脉冲噪声的结果进行处理；

(1)若待处理像素点x_i,j含脉冲噪声，则对待处理像素点x_i,j进行脉冲噪声去噪并采用矢量中值滤波处理，具体按照以下步骤进行：

以待处理像素点x_i,j为中心取N₂×N₂滤波窗口，N₂×N₂为滤波窗口内像素点的个数，将滤波窗口内像素点在RGB颜色空间内表示为一组矢量集合V，V包含N₂×N₂个矢量v_1,1表示滤波窗口内第一行第一列的像素点在RGB颜色空间内的矢量形式，计算窗口内每个像素点与其他像素点间的矢量距离和S，S_i,j表示待处理像素点x_i,j与其他像素点的距离之和；对所有S排序，得到最小值S_min，S_min所对应的矢量即为滤波窗口下矢量中值滤波输出结果v_VMF；依次对含脉冲噪声的像素点进行矢量中值滤波处理，得到脉冲噪声滤波的图像；

(2)若待处理像素点x_i,j不含脉冲噪声，则原样输出，得到脉冲噪声滤波的图像。

3.根据权利要求1所述的彩色图像混合噪声的去除方法，其特征在于，所述步骤S2具体按照以下步骤进行：

步骤S21、在由步骤S1得到的脉冲噪声滤波的图像中取图块R，使用块匹配群组把所有与R相似的图块和R组成一个图组，依次操作最终将整个图像中所有相似的图块进行块匹配分组，得到若干个由相似图块组成的第一图组；

步骤S22、第一图组进行三维块变换处理，利用硬阈值滤波减弱图像噪声，然后对硬阈值滤波后的结果进行逆三维变换；

步骤S23、对于逆三维变换后进行逐块估计，同一个相似块会出现多个估计值，结合图块R和与R相似的图块的相似度对所有估计值进行加权平均，聚合得到二维图块的估值，即得到基本估计的图像；

步骤S24、对基本估计的图像中按照步骤S21得到若干个由相似图块组成的第二图组，并结合步骤S21中的第一图组；

步骤S25、将第二图组和第一图组进行三维块变换，随后使用维纳滤波进行能量谱系数收缩，将维纳滤波后的第二图组和第一图组进行逆三维变换，对于逆三维变换后进行逐块估计，逆三维变换会在第一图组和第二图组的同一位置会出现多个估计值，将所有估计值并进行加权平均，聚合得到最终估计的图像。

4.根据权利要求3所述的彩色图像混合噪声的去除方法，其特征在于，所述步骤S21块匹配群组采用K均值聚类方法。

5.根据权利要求3所述的彩色图像混合噪声的去除方法，其特征在于，所述步骤S22三维块变换处理采用离散余弦变换处理方法。