CN113781328B - 一种sigma图像滤波方法及系统 - Google Patents
一种sigma图像滤波方法及系统 Download PDFInfo
- Publication number
- CN113781328B CN113781328B CN202110941992.8A CN202110941992A CN113781328B CN 113781328 B CN113781328 B CN 113781328B CN 202110941992 A CN202110941992 A CN 202110941992A CN 113781328 B CN113781328 B CN 113781328B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- detected
- pixel points
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims abstract description 44
- 238000012937 correction Methods 0.000 claims abstract description 24
- 238000012216 screening Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 230000005764 inhibitory process Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种sigma图像滤波方法及系统,属于遥感图像处理领域。方法包括:设定邻域窗口的尺寸参数,按照滤波顺序依次对图像每个待检测的像素点进行滤波,通过邻域窗口的统计特性构造判别条件,对待检测的像素点进行甄别,将待检测的像素点划分为正常像素点或异常像素点;对异常像素点,通过邻域窗口的统计特性构造筛选条件,对异常像素点对应邻域窗口内的像素点进行筛选,考虑这些像素点到异常像素点的距离,计算相应的权重,取加权平均值,作为异常像素点的修正值,完成对图像的滤波。采用本发明提供的sigma图像滤波方法,可以更加完整地保留图像原始的真实细节,并对现有sigma滤波方法未能过滤掉的噪声起到较好的抑制作用,进而提高图像滤波效果。
Description
技术领域
本发明属于遥感图像处理领域,具体是一种sigma图像滤波方法及系统。
背景技术
在进行遥感图像处理中发现一些随机分布的黑白斑点,其亮度值与周边像素点具有极大的差异,这种异常的斑点往往对后续科学研究造成巨大噪声影响,称为斑点噪声。斑点噪声的存在对地面温度、土壤湿度的反演以及局部地物特征的识别造成随机干扰,影响反演或识别的精度,因此针对斑点噪声抑制的方法相继提出。均值滤波将邻域窗口内像素点的灰度值取平均值,作为待检测的像素点的修正值,斑点噪声可以得到有效抑制,但是滤波后图像极为模糊,大大损失了图像原有的精度。基于此,sigma滤波方法通过建立一个与待检测的像素点相距2倍噪声标准差的范围对邻域窗口内的像素点进行筛选,以此提高图像的清晰程度,相对于均值滤波而言,在保持图像细节方面有了很大的提高。但上述现有的sigma滤波方法仍然存在以下问题:
(1)现有sigma滤波方法的噪声标准差的选取过于经验化。噪声标准差选择较小时图像细节保持更完整,但斑点噪声抑制程度越弱;噪声标准差选择较大时斑点噪声抑制效果越好,但是图像变得更加模糊,图像细节容易丢失;
(2)现有sigma滤波方法不加区别地对所有的像素点都进行了修正,导致正常的像素点的值也被改变,致使图像失真;
(3)现有sigma滤波方法在进行修正值计算时未考虑地理因素的影响,在计算均值时认为距离较远的点和距离较近的点对待检测的像素点的影响程度相同。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种sigma图像滤波方法及系统,其目的在于解决sigma滤波方法噪声标准差选取难、图像易失真的问题。
为实现上述目的,本发明一方面提供了一种sigma图像滤波方法,包括:先设定邻域窗口的尺寸参数,然后按照滤波顺序依次对图像每个待检测的像素点进行滤波,通过待检测的像素点的邻域窗口的统计特性构造判别条件,使用判别条件对待检测的像素点进行甄别,将待检测的像素点划分为正常像素点和异常像素点两类;在对异常像素点进行修正时,通过异常像素点的邻域窗口的统计特性构造筛选条件,使用筛选条件对异常像素点对应邻域窗口内的像素点进行筛选,考虑这些像素点到异常像素点的距离,计算相应的权重,并取加权平均值,作为异常像素点的修正值,完成对图像的滤波过程。所述滤波顺序是从左到右从上至下的顺序。
优选地,上述sigma滤波方法中,若某个待检测的像素点的灰度值为ak,l,那么该像素点对应的邻域窗口的图像为方形状,且其图像矩阵的表示形式为
其中,k、l分别指待检测的像素点对应的行号和列号,若待滤波图像的矩阵总行数和总列数分别为m和n,那么1≤k≤m,1≤l≤n;r为尺寸参数,满足需要根据经验指定,一般介于2~5,min{m,n}表示m和n中的最小值。
优选地,上述sigma滤波方法中,邻域窗口的统计特性主要包括均值和标准差sk,l,计算公式如下
其中,ai,j指邻域窗口内像素点的灰度值,i、j分别指邻域窗口内像素点对应待滤波图像的矩阵行号和列号。
优选地,上述sigma图像滤波方法中,通过待检测的像素点的邻域窗口的统计特性构造的判别条件包括:若待检测的像素点的灰度值则该待检测的像素点为正常像素点;若/>则该待检测的像素点为异常像素点。
优选地,上述sigma图像滤波方法中,在对异常像素点进行修正时,通过异常像素点的邻域窗口的统计特性构造的筛选条件包括:若邻域窗口内的像素点的灰度值则该像素点符合筛选条件。
优选地,上述sigma图像滤波方法中,通过考虑邻域窗口内像素点到异常像素点的距离的影响,计算异常像素点的修正值,公式如下
其中,ak,l′为待检测的像素点的灰度值ak,l的修正值;pi,j是筛选信号值,在公式中表达的含义是,将邻域窗口内在范围内的像素点的灰度值ai,j取加权平均值作为待检测的像素点的修正值。
按照本发明的另一方面,提供了一种sigma图像滤波系统,包括计算机可读存储介质和处理器;
所述计算机可读存储介质用于存储可执行指令;
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行权利要求本发明第一方面所述的sigma图像滤波方法。
总体而言,通过本发明提出的sigma图像滤波方法仅利用异常像素点邻域窗口内符合筛选条件的像素点计算异常像素点灰度值的修正值,剔除了部分噪声点对计算异常像素点灰度值的影响,在更加完整地保留图像原始真实细节的基础上,对现有sigma滤波方法未能过滤掉的噪声起到较好的抑制作用。
附图说明
图1是本发明提供的sigma图像滤波方法的一个实施流程示意图;
图2是未滤波的遥感图像;
图3是对图2经过均值滤波方法滤波后的遥感图像;
图4是对图2经过现有sigma滤波方法滤波后的遥感图像;
图5是对图2经过本发明提供的sigma滤波方法滤波后的遥感图像;
图6是某个待检测像素点对应的邻域窗口。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面将结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种sigma图像滤波方法,其滤波流程示意图如附图1所示,假设一幅遥感图像由m行、n列像素点构成,记作Am×n,则对Am×n滤波包括如下步骤:
(1)设定邻域窗口的尺寸参数r。尺寸参数r满足需要根据经验指定,一般介于2~5,min{m,n}表示m和n中的最小值。
(2)按照滤波顺序依次滤波。从左至右从上至下的顺序对每个待检测的像素点执行滤波操作,操作步骤如下:
(2.1)计算邻域窗口的统计特性。包括如下两步:
(2.1.1)首先以待检测的像素点为中心,根据尺寸参数r设定一个(2r+1)×(2r+1)的方形邻域窗口。若待检测的像素点为ak,l,那么待检测的像素点ak,l对应的邻域窗口的图像矩阵可以表示为:
记为W(2r+1)×(2r+1)。k、l分别指待检测的像素点对应待滤波图像矩阵的行号和列号(r<k≤m-r,r<l≤n-r)。
(2.1.2)计算邻域窗口内值样本的均值和标准差sk,l。计算公式如下
ai,j表示邻域窗口内像素点的灰度值,i、j分别为邻域窗口内像素点对应待滤波图像矩阵的行号和列号。
(2.2)通过邻域窗口的统计特性构造判别条件,判断待检测像素点异常与否。若待检测的像素点则ak,l为正常像素点,不用进行修正,直接进入下一个像素点的滤波过程;若/>则ak,l为异常像素点,需要修正,异常像素点的修正值的计算过程如下:
(2.2.1)通过邻域窗口的统计特性构造筛选条件,筛选出符合条件的像素点。对邻域窗口内像素点的筛选条件如下式所示
其中pi,j为筛选信号值,当pi,j=1时表示该像素点符合筛选条件,应当计入异常像素点的修正值的计算。
(2.2.2)权重计算。以邻域窗口内像素点到异常像素点的距离的倒数作为权重因子,权重计算公式如下:
(2.2.3)均值计算与修正。以邻域窗口内像素点的灰度值的加权平均值作为异常像素点的修正值。异常像素点ak,l的修正值ak,l′的计算公式如下:
将wi,j计算公式带入整理即得
将异常像素点进行修正后便进入下一个像素点的滤波过程。
以下以一幅372×445的遥感图像来阐述本发明提供的sigma图像滤波方法,具体包括如下步骤:
(1)根据图像品质设定邻域窗口的尺寸参数r=3。
(2)按照从左至右从上至下的顺序对每个待检测的像素点执行滤波操作。为了使表述更加具体易懂,本发明以某一个待检测像素点的滤波操作为示例进行介绍,如附图6是一个(2r+1)×(2r+1)即7×7的方形邻域窗口,方形的中心是待检测的像素点。对该待检测像素点进行滤波操作的过程分为以下两步:
(2.1)计算邻域窗口的统计特性。
(2.2)通过邻域窗口的统计特性构造判别条件,判断待检测像素点异常与否。由于故待检测像素点/>则ak,l为异常像素点,需要修正,异常像素点的修正值的计算过程如下:
(2.2.1)通过邻域窗口的统计特性构造筛选条件,筛选出符合条件的像素点。对邻域窗口内像素点的筛选条件如下式所示
其中pi,j为筛选信号值,计算得到的筛选信号值矩阵如下:
(2.2.2)权重计算。以邻域窗口内像素点到异常像素点的距离的倒数作为权重因子,权重计算公式如下:
计算得到的权重矩阵如下:
0.0113 | 0.0133 | 0.0152 | 0.0160 | 0.0152 | 0.0000 | 0.0113 |
0.0133 | 0.0170 | 0.0215 | 0.0240 | 0.0215 | 0.0170 | 0.0133 |
0.0152 | 0.0215 | 0.0339 | 0.0480 | 0.0339 | 0.0215 | 0.0152 |
0.0160 | 0.0240 | 0.0480 | 0.0000 | 0.0480 | 0.0240 | 0.0160 |
0.0152 | 0.0215 | 0.0339 | 0.0480 | 0.0339 | 0.0215 | 0.0152 |
0.0133 | 0.0170 | 0.0215 | 0.0240 | 0.0215 | 0.0170 | 0.0133 |
0.0000 | 0.0133 | 0.0152 | 0.0160 | 0.0152 | 0.0133 | 0.0113 |
(2.2.3)均值计算与修正。以邻域窗口内像素点的灰度值的加权平均值作为异常像素点的修正值。异常像素点ak,l的修正值ak,l′则为:
按照上述的实施流程对图2执行滤波操作,并结合均值滤波方法和现有sigma滤波方法的效果图进行对比说明,如图2、图3、图4和图5所示。从图像滤波效果图可以看出,均值滤波后的图像较为模糊,相对于均值滤波而言,现有sigma滤波在图像细节方面保持较好。而本发明sigma滤波方法更加完整地保留了图像的真实细节,并且对现有sigma滤波方法未能过滤掉的强烈噪声点进行了有效的过滤。因此,本发明sigma滤波方法作为遥感图像滤波方法具有一定的优势,能为遥感图像处理领域提供一定的技术支持。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种sigma图像滤波方法,其特征在于,包括以下步骤:
设定待检测的像素点的邻域窗口的尺寸参数,然后按照滤波顺序依次选取图像每个待检测的像素点,通过邻域窗口的统计特性构造判别条件,使用判别条件对待检测的像素点进行甄别,将待检测的像素点划分为正常像素点或异常像素点;若某个待检测的像素点的灰度值为ak,l,那么该像素点对应的邻域窗口的图像为方形,且其图像矩阵的表示形式为
其中,k、l分别指待检测的像素点对应的行号和列号,1≤k≤m,1≤l≤n,m和n分别为待滤波图像的矩阵行数和列数;r为邻域窗口的尺寸参数,满足邻域窗口的统计特性包括均值/>和标准差sk,l,计算公式如下
其中,ai,j指邻域窗口内像素点的灰度值,i、j分别指邻域窗口内像素点对应待滤波图像的矩阵行号和列号;
对于异常像素点,通过异常像素点的邻域窗口的统计特性构造筛选条件,使用筛选条件对异常像素点对应邻域窗口内的像素点进行筛选,考虑这些像素点到异常像素点的距离,计算相应的权重,并取加权平均值,作为异常像素点的修正值,完成对图像的滤波;通过考虑邻域窗口内像素点到异常像素点的距离,计算异常像素点的修正值,公式如下:
其中,ak,l′为待检测的像素点的灰度值ak,l的修正值;pi,j是筛选信号值,表示将邻域窗口内在范围内的像素点的灰度值ai,j取加权平均值,作为待检测的像素点的灰度值的修正值。
2.如权利要求1所述的一种sigma图像滤波方法,其特征在于,通过待检测的像素点的邻域窗口的统计特性构造的判别条件:若待检测的像素点的灰度值则该待检测的像素点为正常像素点;若/>则该待检测的像素点为异常像素点。
3.如权利要求1所述的一种sigma图像滤波方法,其特征在于,在对异常像素点的灰度值ak,l进行修正时,通过异常像素点的邻域窗口的统计特性构造的筛选条件:若邻域窗口内的像素点的灰度值则该像素点符合筛选条件;若/>则该像素点不符合筛选条件。
4.如权利要求1所述的一种sigma图像滤波方法,其特征在于,所述滤波顺序是从左到右从上至下的顺序。
5.一种sigma图像滤波系统,其特征在于,包括计算机可读存储介质和处理器;
所述计算机可读存储介质用于存储可执行指令;
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行权利要求1至4任一项所述的sigma图像滤波方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110941992.8A CN113781328B (zh) | 2021-08-17 | 2021-08-17 | 一种sigma图像滤波方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110941992.8A CN113781328B (zh) | 2021-08-17 | 2021-08-17 | 一种sigma图像滤波方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113781328A CN113781328A (zh) | 2021-12-10 |
CN113781328B true CN113781328B (zh) | 2024-02-06 |
Family
ID=78838208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110941992.8A Active CN113781328B (zh) | 2021-08-17 | 2021-08-17 | 一种sigma图像滤波方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781328B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094917B (zh) * | 2023-10-20 | 2024-02-06 | 高州市人民医院 | 一种心血管3d打印数据处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2405200C2 (ru) * | 2008-07-17 | 2010-11-27 | Корпорация "Самсунг Электроникс Ко., Лтд" | Способ и устройство быстрого фильтрования шума цифровых изображений |
CN102567973A (zh) * | 2012-01-06 | 2012-07-11 | 西安电子科技大学 | 基于改进的形状自适应窗口的图像去噪方法 |
CN104978715A (zh) * | 2015-05-11 | 2015-10-14 | 中国科学院光电技术研究所 | 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法 |
-
2021
- 2021-08-17 CN CN202110941992.8A patent/CN113781328B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2405200C2 (ru) * | 2008-07-17 | 2010-11-27 | Корпорация "Самсунг Электроникс Ко., Лтд" | Способ и устройство быстрого фильтрования шума цифровых изображений |
CN102567973A (zh) * | 2012-01-06 | 2012-07-11 | 西安电子科技大学 | 基于改进的形状自适应窗口的图像去噪方法 |
CN104978715A (zh) * | 2015-05-11 | 2015-10-14 | 中国科学院光电技术研究所 | 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113781328A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8737760B2 (en) | Image processing method for suppressing spatio-temporal column or row noise | |
CN110796615B (zh) | 一种图像去噪方法、装置以及存储介质 | |
US9025903B2 (en) | Image processing device and image processing method | |
CN116309559B (zh) | 一种中硼硅玻璃生产瑕疵智能识别方法 | |
CN113989168B (zh) | 一种针对椒盐噪声的自适应非局部均值滤波方法 | |
CN107991309B (zh) | 产品质量检测方法、装置及电子设备 | |
CN113781328B (zh) | 一种sigma图像滤波方法及系统 | |
CN104331863B (zh) | 一种图像滤波去噪方法 | |
CN106651792B (zh) | 一种卫星影像条带噪声去除方法及装置 | |
CN115984148B (zh) | 一种高通量基因测序数据的去噪增强方法 | |
Indu et al. | A noise fading technique for images highly corrupted with impulse noise | |
CN111311512B (zh) | 随机噪点校正方法 | |
CN109685794B (zh) | 用于手机屏幕缺陷检测相机自适应步长dpc算法及装置 | |
CN111179184B (zh) | 基于随机抽样一致性的鱼眼图像有效区域提取方法 | |
CN109741278B (zh) | 一种图像去噪方法 | |
CN112053302A (zh) | 高光谱图像的去噪方法、装置及存储介质 | |
CN109360167B (zh) | 一种红外图像校正方法、装置及存储介质 | |
CN116485884A (zh) | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 | |
CN112884667B (zh) | 一种Bayer域降噪方法和降噪系统 | |
CN115797327A (zh) | 一种缺陷检测方法、装置、终端设备及存储介质 | |
CN115760653A (zh) | 图像校正方法、装置、设备及可读存储介质 | |
CN113259635B (zh) | 去马赛克方法、装置、设备及存储介质 | |
US6181437B1 (en) | Image processing apparatus capable of producing images without jaggies at edges | |
CN114820376A (zh) | 条带噪声的融合校正方法、装置、电子设备及存储介质 | |
CN110533605B (zh) | 一种精确噪点标定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |