CN109741278B - 一种图像去噪方法 - Google Patents

Abstract

本发明公开了一种图像去噪方法，涉及图像处理技术领域。本发明的图像去噪方法包括：将待处理图像转换为灰度图像；对所述灰度图像进行均值滤波，以得到均值图像；所述均值图像包括沿纵向分布的多个图像块；对于所述多个图像块中的每一个图像块，根据所述图像块的强度分布特征确定该图像块的噪声门限阈值，将所述图像块内的像素点强度与所述噪声门限阈值进行比较，根据比较结果确定该图像块内的带状噪声点；对所述灰度图像中的所有带状噪声点进行去噪处理。通过以上步骤，能够有效地去除ISAR图像中的噪声，尤其是带状噪声，进而提高图像质量，降低后续目标特征提取与识别的难度。

Description

一种图像去噪方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像去噪方法。

背景技术

空间目标的ISAR(逆合成孔径雷达)图像是目标各个强散射点在横向和径向上的投影图像。ISAR图像能够反映出目标的外形、结构以及姿态变化等信息，是后续空间目标特征提取与识别的重要依据。但是，ISAR图像对雷达系统参数和姿态角比较敏感，一般具有严重的噪声。这些噪声对图像质量有极大影响，增大了目标特征的提取难度。

ISAR图像中的噪声主要是由背景、目标结构、雷达信号处理方法等因素引起的。通常来说，由背景环境和雷达内部结构等因素引起的噪声主要表现为图像整体背景的嘈杂，一般强度较弱且呈分布随机；由目标本身散射等因素引起的噪声主要表现为斑点噪声和带状噪声(或称为带状干扰、横条纹干扰)，这两种噪声比较严重，尤其是带状噪声。带状噪声容易出现在目标的强散射中心周围，其强度甚至超过了较弱的目标散射点的强度，而且带状噪声横向分布较广，容易与目标连成一片，因此很不容易去除。

目前，ISAR图像主要采用一些光学图像的去噪方法，比如均值滤波、中值滤波等。这些方法均不能很好的抑制ISAR图像中的噪声，尤其是带状噪声，因此需要提供一种新的图像去噪方法。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是解决以往ISAR图像去噪效果差的问题，以能够有效地去除掉ISAR图像中的噪声，尤其是带状噪声，进而提高图像质量，降低后续目标特征提取与识别的难度。

(二)技术方案

为了解决上述技术问题，第一方面，本发明提供了一种图像去噪方法。

本发明的图像去噪方法包括：将待处理图像转换为灰度图像；对所述灰度图像进行均值滤波，以得到均值图像；所述均值图像包括沿纵向分布的多个图像块；对于所述均值图像中的每一个图像块，根据所述图像块的强度分布特征确定该图像块的噪声门限阈值，将所述图像块内的像素点强度与所述噪声门限阈值进行比较，根据比较结果确定该图像块内的带状噪声点；对所述灰度图像中的所有带状噪声点进行去噪处理。

可选地，所述方法还包括：在执行所述根据所述图像块的强度分布特征确定该图像块的噪声门限阈值的步骤之前，计算所述灰度图像中与之对应的图像块内亮点和背景点的数量占比，并确认所述亮点的数量占比大于第一占比阈值、且所述背景点的数量占比小于第二占比阈值。

可选地，所述根据所述图像块的强度分布特征确定该图像块的噪声门限阈值的步骤包括：确定所述图像块中像素点的最大强度R_max、平均强度R_mean和最小强度R_min；在所述图像块满足(R max-R mean)＞b(R max-R min)时，将第一噪声门限阈值作为该图像块的噪声门限阈值；在所述图像块满足(R max-R mean)≤b(R max-R min)时，将第二噪声门限阈值作为该图像块的噪声门限阈值；其中，0.5＜b＜1，第一噪声门限阈值大于第二噪声门限阈值。

可选地，所述第一噪声门限阈值、第二噪声门限阈值满足：

其中，T₁为第一噪声门限阈值，T₂为第二噪声门限阈值，R_max为所述图像块中像素点的最大强度，R_mean为所述图像块中像素点的平均强度，R_min为所述图像块中像素点的最小强度。

可选地，所述对所述灰度图像进行均值滤波，以得到均值图像的步骤包括：将滤波窗口对准所述灰度图像的一个区域，并将所述灰度图像在该区域内的像素点强度均值作为均值图像上该区域每个像素点的强度；在所述灰度图像上滑动所述滤波窗口，以确定均值图像上每个像素点的强度。

可选地，所述将所述图像块内的像素点强度与所述噪声门限阈值进行比较，根据比较结果确定该图像块内的带状噪声点的步骤包括：对于所述图像块内每个像素点，若该像素点的强度以及该像素点的相邻点的强度均小于所述噪声门限阈值，则确定该像素点为带状噪声点。

可选地，所述方法还包括：在执行所述对所述灰度图像中的所有带状噪声点进行去噪处理的步骤之后，计算去除带状噪声点的灰度图像上每个像素点周围的亮点区域面积，根据每个像素点周围的亮点区域面积与预设阈值的比较结果确定所述灰度图像上的所有斑点噪声点，然后，对所述灰度图像上的所有斑点噪声点进行去噪处理。

可选地，所述方法还包括：在执行所述对所述灰度图像上的所有斑点噪声点进行去噪处理的步骤之后，基于高斯滤波算法对去除斑点噪声点的所述灰度图像进行线性平滑处理。

为了解决上述问题，第二方面，本发明还提供了一种电子设备。

本发明的电子设备包括：一个或多个处理器；以及，存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明的图像去噪方法。

为了解决上述问题，第三方面，本发明还提供了一种计算机可读介质。

本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明的图像去噪方法。

(三)有益效果

本发明的上述技术方案具有如下优点：通过将待处理图像转换为灰度图像，对所述灰度图像进行均值滤波以得到均值图像，根据所述均值图像确定图像块的噪声门限阈值，并根据所述图像块内的像素点强度与所述噪声门限阈值的比较结果确定该图像块内的带状噪声点，然后对所述灰度图像中的所有带状噪声点进行去噪处理等步骤，能够解决以往ISAR图像去噪效果差的问题，有效地去除掉ISAR图像中的带状噪声，为空间目标后续的特征提取与识别提供清晰的图像输入。

附图说明

图1是本发明实施例一的图像去噪方法的主要步骤示意图；

图2是本发明实施例二的图像去噪方法的主要步骤示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，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的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。

实施例一

如图1所示，本发明实施例提供的图像去噪方法包括：

步骤S101、将待处理图像转换为灰度图像。

示例性地，所述待处理图像可以为ISAR图像。在该步骤中，所述灰度图像可定义为一个二维函数f(x,y)，其中，(x,y)表示空间平面坐标，在任一坐标(x,y)处的幅度f表示这一位置处的像素点强度(或称为“亮度”)。假设灰度图像有M行N列，则x取值从0到M-1，y取值从0到N-1。

步骤S102、对所述灰度图像进行均值滤波，以得到均值图像；所述均值图像包括沿纵向分布的多个图像块。

在一可选实施方式中，所述对所述灰度图像进行均值滤波以得到均值图像包括：将滤波窗口对准所述灰度图像的一个区域，并将所述灰度图像在该区域内的像素点强度均值作为均值图像上该区域每个像素点的强度；在所述灰度图像上滑动所述滤波窗口，以确定均值图像上每个像素点的强度。

优选地，所述滤波窗口可以为方形窗口，该方形窗口的尺寸可设置为图像尺寸的1/50。例如，如果图像尺寸为801*801，则方形窗口可设置为17*17。通过步骤S102中的均值滤波，能够平均灰度图像中的局部强度，填补灰度图像内的细小空洞，同时通过设置较大的滤波窗口能够将带状噪声模糊化并减弱其边缘，进而有助于后续基于该均值图像识别出带状噪声。

在本发明实施例中，所述均值图像可定义为一个二维函数fe(x,y)，其可表示为：

其中，W表示滤波窗口的宽度，x＝0,1,…,M-1，y＝0,1,…,N-1。

优选地，若以x轴为横向，y轴为纵向，则所述图像块可以为由同一y值下的所有像素点构成的图像单元。进而，所述均值图像fe(x,y)可划分为N个图像块。

步骤S103、对于所述均值图像中的每一个图像块，根据所述图像块的强度分布特征确定该图像块的噪声门限阈值。

具体实施时，由于每个图像块内的强度分布特征可能不同，因此不同图像块的噪声门限阈值也可能不同。

步骤S104、将所述图像块内的像素点强度与所述噪声门限阈值进行比较，根据比较结果确定该图像块内的带状噪声点。

步骤S105、对所述灰度图像中的所有带状噪声点进行去噪处理。

在该步骤中，所述去噪处理可以为：将灰度图像中的所有带状噪声点的强度设置为0。

在本发明实施例中，通过以上步骤能够解决以往ISAR图像去噪效果差的问题，有效地去除掉ISAR图像中的带状噪声，为空间目标后续的特征提取与识别提供清晰的图像输入。

实施例二

如图1所示，本发明实施例提供的图像去噪方法包括：

步骤S201、将待处理图像转换为灰度图像。

示例性地，所述待处理图像可以为ISAR图像。在该步骤中，所述灰度图像可定义为一个二维函数f(x,y)，其中，(x,y)表示空间平面坐标，在任一坐标(x,y)处的幅度f表示这一位置处的像素点强度(或称为“亮度”)。假设灰度图像有M行N列，则x取值从0到M-1，y取值从0到N-1。

步骤S202、将所述灰度图像进行均值滤波，以得到均值图像。其中，所述均值图像包括沿纵向分布的多个图像块。

在一可选实施方式中，所述对所述灰度图像进行均值滤波以得到均值图像包括：将滤波窗口对准所述灰度图像的一个区域，并将所述灰度图像在该区域内的像素点强度均值作为均值图像上该区域每个像素点的强度；在所述灰度图像上滑动所述滤波窗口，以确定均值图像上每个像素点的强度。

优选地，所述滤波窗口可以为方形窗口，该方形窗口的尺寸可设置为图像尺寸的1/50。例如，如果图像尺寸为801*801，则方形窗口可设置为17*17。通过步骤S102中的均值滤波，能够平均灰度图像中的局部强度，填补灰度图像内的细小空洞，同时通过设置较大的滤波窗口能够将带状噪声模糊化并减弱其边缘，进而有助于后续基于该均值图像识别出带状噪声。

在本发明实施例中，所述均值图像可定义为一个二维函数fe(x,y)，其可表示为：

其中，W表示滤波窗口的宽度，x＝0,1,…,M-1，y＝0,1,…,N-1。

优选地，若以x轴为横向，y轴为纵向，则所述图像块可以为由同一y值下的所有像素点构成的图像单元。进而，所述均值图像fe(x,y)可划分为N个图像块。

步骤S203、对于所述多个图像块中的一个图像块，计算所述灰度图像中与之对应的图像块内亮点的数量占比w_ld和背景点的数量占比w_bj。

其中，所述灰度图像中与之对应的图像块，是指灰度图像中与均值图像的图像块处于同一位置的图像块。为了便于描述，以下将“所述灰度图像中与之对应的图像块”简称为“所述灰度图像中的图像块”。

具体来说，在该步骤中，可先统计灰度图像中图像块内亮点个数以及背景点个数，然后，将图像块内亮点个数与图像块内像素点总数的比值作为该图像块内亮点的数量占比，将图像块内背景点个数与图像块内像素点总数的比值作为该图像块内背景点的数量占比。

在步骤S203之后，若该图像块内亮点的数量占比w_ld大于第一占比阈值a₁，且图像块内背景点的数量占比w_bj小于第二占比阈值a₂，则认为该图像块存在带状噪音(或称为“带状干扰”、“横条纹干扰”)，进而可执行步骤S204；否则，认为该图像块不存在带状噪音，进而可针对下一图像块执行步骤S203。其中，第一占比阈值a₁可设置为0.6，第二占比阈值a₂可设置为0.25。

进一步，所述亮点和背景点可根据如下方式确定：根据所述灰度图像计算阈值T，将所述灰度图像中强度大于T的像素点作为亮点，将所述灰度图像中强度小于10的像素点作为背景点。其中，阈值T可根据如下公式计算得到：

T＝e×Tratio

其中，Tratio表示修正系数，一般可设置为2或3；f(x,y)表示灰度图像中像素点的强度。

步骤S204、根据所述图像块的强度分布特征确定该图像块的噪声门限阈值。

在一示例中，步骤S204具体包括：确定所述图像块中像素点的最大强度R_max、平均强度R_mean和最小强度R_min；在所述图像块满足(R max-R mean)＞b(R max-R min)时，将第一噪声门限阈值作为该图像块的噪声门限阈值；在所述图像块满足(R max-R mean)≤b(Rmax-R min)时，将第二噪声门限阈值作为该图像块的噪声门限阈值。其中，0.5＜b＜1，比如b可设置为0.75；第一噪声门限阈值大于第二噪声门限阈值。

进一步，所述第一噪声门限阈值、第二噪声门限阈值满足：

其中，T₁为第一噪声门限阈值，T₂为第二噪声门限阈值，R_max为所述图像块中像素点的最大强度，R_mean为所述图像块中像素点的平均强度，R_min为所述图像块中像素点的最小强度。

在该步骤中，当所述图像块满足(R max-R mean)＞b(R max-R min)，认为该图像块内的带状干扰较大，此时选取较大的第一噪声门限阈值；当所述图像块满足(R max-Rmean)≤b(R max-R min)时，认为该图像块内的带状干扰较小，此时选取较小的第二噪声门限阈值。这样一来，能够根据不同图像块中带状干扰的强弱不同自主选取对应的阈值，有助于后续根据选取的阈值更为准确、合理地确定并去除带状噪声点、进而能够解决普通滤波方法无法有效去除ISAR图像中的带状干扰的问题。

步骤S205、将所述图像块内的像素点强度与所述噪声门限阈值进行比较，根据比较结果确定该图像块内的带状噪声点。

在一示例中，步骤S205具体包括：对于所述图像块内每个像素点，若该像素点的强度以及该像素点的相邻点的强度均小于所述噪声门限阈值，则确定该像素点为带状噪声点；否则，确定该像素点不是带状噪声点。其中，该像素点的相邻点可以是：以该像素点为中心的九宫格中的其他八个像素点。

在步骤S205之后，可判断是否确定了所有图像块中的带状噪声点。若是，执行步骤S206；若否，可针对下一图像块再次执行步骤S203。

步骤S206、对灰度图像上所有带状噪声点进行去噪处理。

具体来说，在该这步骤中，可将所述灰度图像上的所有带状噪声点的强度设置为0。

步骤S207、对所述灰度图像中所有斑点噪声点进行去噪处理。

在该步骤中，可先计算去除带状噪声点的灰度图像上每个像素点周围的亮点区域面积，然后根据每个像素点周围的亮点区域面积与预设阈值的比较结果确定所述灰度图像上的所有斑点噪声点，最后对所述灰度图像上的所有斑点噪声点进行去噪处理。

示例性地，所述预设阈值可设置为10*10(其表示100个像素点所占的面积)。在该示例中，若像素点周围的亮点区域面积小于10*10时，认为该像素点为斑点噪声点；否则，认为该像素点不是斑点噪声点。在确定了所有的斑点噪声点之后，可将灰度图像中所有的斑点噪声点的强度设置为0。

步骤S208、基于高斯滤波算法对去除斑点噪声点的所述灰度图像进行线性平滑处理。

高斯滤波算法是根据高斯函数的形状来选择权值的线性平滑滤波算法，用于消除高斯噪声，是对整幅图像进行加权平均的过程。在基于高斯滤波算法进行处理时，每一个像素点的强度值都由该像素点和邻域内其他像素点的强度值经过加权平均后得到，从而能够起到图像平滑的作用。

在本发明实施例中，通过根据均值图像中不同图像块中噪声强度的不同自主选择噪声门限阈值，并根据选择的噪声门限阈值判定该图像块中的带状噪声点，再对带状噪声点进行去噪处理，能够有效去除图像中的带状噪声；进一步，通过去除斑点噪声以及基于高斯滤波算法对图像进行平滑处理，能够进一步去除图像中的其他噪声。进而，本发明实施例提供的方法能够解决以往ISAR图像去噪效果差的问题，有效地去除掉ISAR图像中的带状噪声，为空间目标后续的特征提取与识别提供清晰的图像输入。

另一方面，本发明还提供了一种电子设备，该电子设备可包括：一个或多个处理器；以及，存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的图像去噪方法。

作为再一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行以下流程：将待处理图像转换为灰度图像；对所述灰度图像进行均值滤波，以得到均值图像；所述均值图像包括沿纵向分布的多个图像块；对于所述多个图像块中的每一个图像块，根据所述图像块的强度分布特征确定该图像块的噪声门限阈值，将所述图像块内的像素点强度与所述噪声门限阈值进行比较，根据比较结果确定该图像块内的带状噪声点；对所述灰度图像中的所有带状噪声点进行去噪处理。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种图像去噪方法，其特征在于，所述方法包括：

将待处理图像转换为灰度图像；

对所述灰度图像进行均值滤波，以得到均值图像；所述均值图像包括沿纵向分布的多个图像块；

对于所述均值图像中的每一个图像块，根据所述图像块的强度分布特征确定该图像块的噪声门限阈值，将所述图像块内的像素点强度与所述噪声门限阈值进行比较，根据比较结果确定该图像块内的带状噪声点；

对所述灰度图像中的所有带状噪声点进行去噪处理；

所述根据所述图像块的强度分布特征确定该图像块的噪声门限阈值的步骤包括：

确定所述图像块中像素点的最大强度R_max、平均强度R_mean和最小强度R_min；在所述图像块满足(Rmax-Rmean)＞b(Rmax-Rmin)时，将第一噪声门限阈值作为该图像块的噪声门限阈值；在所述图像块满足(Rmax-Rmean)≤b(Rmax-Rmin)时，将第二噪声门限阈值作为该图像块的噪声门限阈值；其中，0.5＜b＜1，第一噪声门限阈值大于第二噪声门限阈值；

所述第一噪声门限阈值、第二噪声门限阈值满足：

其中，T₁为第一噪声门限阈值，T₂为第二噪声门限阈值，R_max为所述图像块中像素点的最大强度，R_mean为所述图像块中像素点的平均强度，R_min为所述图像块中像素点的最小强度。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在执行所述根据所述图像块的强度分布特征确定该图像块的噪声门限阈值的步骤之前，计算所述灰度图像中与之对应的图像块内亮点和背景点的数量占比，并确认所述亮点的数量占比大于第一占比阈值、且所述背景点的数量占比小于第二占比阈值。

3.根据权利要求1所述的方法，其特征在于：所述对所述灰度图像进行均值滤波，以得到均值图像的步骤包括：

将滤波窗口对准所述灰度图像的一个区域，并将所述灰度图像在该区域内的像素点强度均值作为均值图像上该区域每个像素点的强度；在所述灰度图像上滑动所述滤波窗口，以确定均值图像上每个像素点的强度。

4.根据权利要求1所述的方法，其特征在于，所述将所述图像块内的像素点强度与所述噪声门限阈值进行比较，根据比较结果确定该图像块内的带状噪声点的步骤包括：

对于所述图像块内每个像素点，若该像素点的强度以及该像素点的相邻点的强度均小于所述噪声门限阈值，则确定该像素点为带状噪声点。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在执行所述对所述灰度图像中的所有带状噪声点进行去噪处理的步骤之后，计算去除带状噪声点的灰度图像上每个像素点周围的亮点区域面积，根据每个像素点周围的亮点区域面积与预设阈值的比较结果确定所述灰度图像上的所有斑点噪声点，然后，对所述灰度图像上的所有斑点噪声点进行去噪处理。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

在执行所述对所述灰度图像上的所有斑点噪声点进行去噪处理的步骤之后，基于高斯滤波算法对去除斑点噪声点的所述灰度图像进行线性平滑处理。

7.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一所述的方法。

8.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至6中任一所述的方法。

Images