本發(fā)明涉及一種圖像噪聲抑制方法，特別涉及一種利用圖像區(qū)域勻質(zhì)性對(duì)多尺度形態(tài)學(xué)濾波結(jié)果進(jìn)行融合的激光圖像去噪方法。
背景技術(shù)：
：近年來，激光主動(dòng)成像技術(shù)迅速發(fā)展起來，因?yàn)樵摷夹g(shù)能提供更加穩(wěn)定、清晰的目標(biāo)圖像，能夠?yàn)闇?zhǔn)確描述目標(biāo)幾何形狀提供更豐富的信息,所以在雷達(dá)偵察、目標(biāo)探測(cè)與跟蹤、精確制導(dǎo)等軍事領(lǐng)域具有廣泛的應(yīng)用前景。然而,激光照射下的目標(biāo)圖像會(huì)受到激光散斑的調(diào)制,散斑噪聲的存在使圖像的質(zhì)量嚴(yán)重下降,這必然影響對(duì)目標(biāo)的識(shí)別及跟蹤精度,所以研究適用于激光圖像中散斑噪聲的噪聲抑制方法具有重要的實(shí)用價(jià)值。散斑噪聲為信號(hào)相關(guān)噪聲,本質(zhì)上是非線性的,比加性噪聲難去除。國(guó)內(nèi)外學(xué)者提出了各種各樣的圖像濾波算法。經(jīng)典的算法有Lee、Kuan、SBF以及小波濾波等，這些方法在抑制散斑噪聲的同時(shí)，很多邊緣細(xì)節(jié)信息也受到了損失。非局部均值濾波(NLM)能夠充分利用整幅圖像中蘊(yùn)含的信息，在有效抑制噪聲的同時(shí)很好地保留圖像的紋理結(jié)構(gòu)，但其執(zhí)行計(jì)算復(fù)雜度較大，算法運(yùn)行速度較慢?；谛螒B(tài)學(xué)的濾波方法易于硬件邏輯結(jié)構(gòu)實(shí)現(xiàn)，具有能實(shí)時(shí)處理和較好地保持圖像邊緣的優(yōu)點(diǎn)，但傳統(tǒng)的形態(tài)學(xué)濾波算法用于激光圖像去噪時(shí)，其噪聲壓縮能力較差，所以如果能對(duì)傳統(tǒng)形態(tài)學(xué)濾波算法進(jìn)行改進(jìn)，就可以在保持圖像邊緣的前提下，提高激光圖像中的散斑噪聲抑制能力。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提供一種激光主動(dòng)成像的圖像噪聲抑制方法，結(jié)合激光圖像特點(diǎn)，提出了一種多尺度形態(tài)學(xué)濾波方法，將激光圖像在多個(gè)尺度下進(jìn)行形態(tài)學(xué)濾波處理，然后充分利用大尺度結(jié)構(gòu)元素濾波效果強(qiáng)和小尺度結(jié)構(gòu)元素保持邊緣細(xì)節(jié)清晰的優(yōu)勢(shì),根據(jù)計(jì)算的圖像區(qū)域勻質(zhì)性系數(shù)，將不同尺度下的形態(tài)學(xué)濾波結(jié)果融合，達(dá)到既能抑制噪聲又能保持圖像邊緣的目的。本發(fā)明采取的技術(shù)方案是，包括下列步驟：(一)、采用不同尺度結(jié)構(gòu)元素，分別對(duì)激光主動(dòng)成像的圖像進(jìn)行形態(tài)開-閉和形態(tài)閉-開濾波運(yùn)算；選取不同尺度的“disk”結(jié)構(gòu)元素，半徑分別為d1、d2……dn，結(jié)構(gòu)元素用Bd(i)表示，Bd(1)為半徑為d1的“disk”結(jié)構(gòu)元素，Bd(2)為半徑為d2的“disk”結(jié)構(gòu)元素，以此類推；設(shè)F(x,y)為輸入信號(hào)，S(x,y)為輸出信號(hào)，利用結(jié)構(gòu)元素Bd(i)對(duì)輸入信號(hào)作形態(tài)開-閉和形態(tài)閉-開運(yùn)算，運(yùn)算結(jié)果分別表示為OCd(i)(x,y)、COd(i)(x,y)；將形態(tài)開-閉和形態(tài)閉-開運(yùn)算結(jié)果相結(jié)合：其中，代表形態(tài)學(xué)開運(yùn)算，代表形態(tài)學(xué)閉運(yùn)算，OCCOd(i)(x,y)代表利用半徑為di的“disk”結(jié)構(gòu)元素進(jìn)行形態(tài)開-閉和形態(tài)閉-開運(yùn)算相結(jié)合的濾波結(jié)果圖像；(二)根據(jù)圖像局部區(qū)域的勻質(zhì)性，將多尺度形態(tài)學(xué)濾波結(jié)果融合；(1).判斷圖像中各像素是否屬于勻質(zhì)區(qū)域?qū)τ诿總€(gè)圖像像素，選取周圍M×M鄰域，根據(jù)式(8)，分別計(jì)算每個(gè)尺度下濾波圖像OCCOd(i)(x,y)的區(qū)域均勻度，結(jié)果記為Hd(i)(x,y)；其中，f(x,y)代表以像素(x,y)為中心的M×M鄰域，Var(f(x,y))、E[f(x,y)]分別表示局部區(qū)域內(nèi)像素灰度值的方差和均值；用來判斷圖像區(qū)域勻質(zhì)性的閾值為Hthresh，當(dāng)Hd(i)≤Hthresh，像素(x,y)屬于勻質(zhì)區(qū)域；當(dāng)Hd(i)>Hthresh，像素(x,y)屬于非勻質(zhì)區(qū)域；(2).融合多尺度形態(tài)濾波結(jié)果的激光圖像噪聲抑制多尺度形態(tài)學(xué)的圖像去噪是將各個(gè)尺度結(jié)構(gòu)元素的形態(tài)濾波結(jié)果進(jìn)行加權(quán)平均，設(shè)Y(x,y)為融合圖像，則：其中，si為對(duì)應(yīng)各尺度結(jié)構(gòu)元素濾波圖像的加權(quán)系數(shù)；對(duì)si的定義如下：si'＝|Hd(i)(x,y)-Hthresh|，本發(fā)明步驟(二)中的(1)中：判斷圖像區(qū)域勻質(zhì)性閾值Hthresh的選?。河?jì)算最大尺度結(jié)構(gòu)元素下濾波圖像的區(qū)域均勻度Hd(max)(x,y)，利用最大類間方差法Otsu方法對(duì)其進(jìn)行二值化，二值化過程中得到的閾值選取為Hthresh。本發(fā)明的有益效果是：(1)基于形態(tài)學(xué)的濾波方法易于硬件邏輯結(jié)構(gòu)實(shí)現(xiàn)，具有能實(shí)時(shí)處理和較好地保持圖像邊緣的優(yōu)點(diǎn)；(2)采用多個(gè)尺度的結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)濾波去噪，可以充分利用大尺度結(jié)構(gòu)元素濾波效果強(qiáng)和小尺度結(jié)構(gòu)元素保持邊緣細(xì)節(jié)清晰的優(yōu)勢(shì)；(3)利用圖像局部區(qū)域的勻質(zhì)性，作為各尺度結(jié)構(gòu)元素濾波圖像的融合依據(jù)，可以獲得更好的激光圖像去噪效果。對(duì)于灰度均勻的圖像區(qū)域，主要采用大尺度形態(tài)學(xué)濾波結(jié)果，以獲得較強(qiáng)的抑制噪聲能力；對(duì)于包含豐富細(xì)節(jié)的非均勻圖像區(qū)域,主要采用小尺度形態(tài)學(xué)濾波結(jié)果，以發(fā)揮小尺度下的定位特性，得到豐富的邊緣。本發(fā)明可以應(yīng)用于激光主動(dòng)成像系統(tǒng)、合成孔徑雷達(dá)、紅外醫(yī)學(xué)成像等存在散斑噪聲的圖像去噪場(chǎng)合。附圖說明圖1是本發(fā)明方法的流程圖；圖2是拍攝的激光圖像；圖3是最大尺度濾波圖像的區(qū)域均勻度圖；圖4是本發(fā)明方法的噪聲抑制結(jié)果圖像；圖5是Lee濾波圖像；圖6是SBF濾波圖像；圖7是Kuan濾波圖像。具體實(shí)施方式包括下列步驟：(一)、采用不同尺度結(jié)構(gòu)元素，分別對(duì)激光圖像進(jìn)行形態(tài)開-閉和形態(tài)閉-開濾波運(yùn)算；形態(tài)學(xué)的基本運(yùn)算有膨脹、腐蝕、開啟和閉合?；谶@些基本運(yùn)算可以推導(dǎo)和組合成各種形態(tài)學(xué)實(shí)用算法。假定結(jié)構(gòu)元素為B，信號(hào)為F，灰度形態(tài)學(xué)定義的基本運(yùn)算為:膨脹：腐蝕：(FΘB)(x,y)＝min{F(x+s,y+t)-B(s,t)|(x+s),(y+t)∈DF；(s,t)∈DB}(2)開啟：閉合：一般情況下,圖像中的噪聲往往由信號(hào)上下凸起的尖峰組成。在對(duì)圖像進(jìn)行噪聲抑制時(shí)，最常用的形態(tài)學(xué)濾波技術(shù)是開運(yùn)算、閉運(yùn)算以及它們的混合運(yùn)算。本文算法首先通過不同順序級(jí)聯(lián)開、閉運(yùn)算，構(gòu)造形態(tài)開-閉和形態(tài)閉-開濾波器；選取不同尺度的“disk”結(jié)構(gòu)元素，半徑分別為d1、d2……dn，結(jié)構(gòu)元素用Bd(i)表示，Bd(1)為半徑d1的“disk”結(jié)構(gòu)元素，Bd(2)為半徑為d2的“disk”結(jié)構(gòu)元素，以此類推；設(shè)F(x,y)為輸入信號(hào)，S(x,y)為輸出信號(hào)，利用結(jié)構(gòu)元素Bd(i)對(duì)輸入信號(hào)作形態(tài)開-閉和形態(tài)閉-開運(yùn)算，運(yùn)算結(jié)果分別表示為OCd(i)(x,y)、COd(i)(x,y)；將形態(tài)開-閉和形態(tài)閉-開運(yùn)算結(jié)果相結(jié)合：其中，代表形態(tài)學(xué)開運(yùn)算，代表形態(tài)學(xué)閉運(yùn)算，OCCOd(i)(x,y)代表利用半徑為di的“disk”結(jié)構(gòu)元素進(jìn)行形態(tài)開-閉和形態(tài)閉-開運(yùn)算相結(jié)合的濾波結(jié)果圖像；(二)根據(jù)圖像局部區(qū)域的勻質(zhì)性，將多尺度形態(tài)學(xué)濾波結(jié)果融合。對(duì)于灰度均勻的圖像區(qū)域，主要采用大尺度形態(tài)學(xué)濾波結(jié)果，以獲得較強(qiáng)的抑制噪聲能力；對(duì)于包含豐富細(xì)節(jié)的非均勻圖像區(qū)域,主要采用小尺度形態(tài)學(xué)濾波結(jié)果，以發(fā)揮小尺度下的定位特性，得到豐富的邊緣。這一過程包括兩個(gè)步驟：一是判斷圖像中各像素屬于勻質(zhì)區(qū)域還是非勻質(zhì)區(qū)域；二是根據(jù)圖像局部區(qū)域的勻質(zhì)性，將多尺度形態(tài)學(xué)濾波結(jié)果進(jìn)行融合，詳細(xì)步驟如下：(1).判斷圖像中各像素是否屬于勻質(zhì)區(qū)域?qū)τ诿總€(gè)圖像像素，選取周圍M×M鄰域，根據(jù)式(8)，計(jì)算該圖像區(qū)域的均勻度H(x,y)。其中，f(x,y)代表以像素(x,y)為中心的M×M鄰域，Var(f(x,y))、E[f(x,y)]分別表示局部區(qū)域內(nèi)像素灰度值的方差和均值；用來判斷圖像區(qū)域勻質(zhì)性的閾值為Hthresh，當(dāng)Hd(i)≤Hthresh，像素(x,y)屬于勻質(zhì)區(qū)域；當(dāng)Hd(i)>Hthresh，像素(x,y)屬于非勻質(zhì)區(qū)域；下面介紹判斷圖像區(qū)域勻質(zhì)性閾值Hthresh的選取，因?yàn)榇蟪叨冉Y(jié)構(gòu)元素的濾波圖像受噪聲干擾較小，所以計(jì)算最大尺度結(jié)構(gòu)元素下濾波圖像的Hd(max)(x,y)，利用Otsu方法(最大類間方差法)對(duì)其進(jìn)行二值化，二值圖像對(duì)應(yīng)著濾波圖像的邊緣信息，二值化過程對(duì)應(yīng)的閾值就是確定圖像邊緣信息的依據(jù)，也是確定像素是否位于均勻區(qū)域的依據(jù)；所以，選擇二值化過程的閾值Hthresh做為圖像中各像素是否屬于勻質(zhì)區(qū)域的判斷標(biāo)準(zhǔn)。(2).融和多尺度形態(tài)濾波結(jié)果的激光圖像噪聲抑制多尺度形態(tài)學(xué)的圖像去噪是將各個(gè)尺度結(jié)構(gòu)元素的形態(tài)濾波結(jié)果進(jìn)行加權(quán)平均，設(shè)Y(x,y)為融合圖像，則其中，si為對(duì)應(yīng)各尺度結(jié)構(gòu)元素濾波圖像的加權(quán)系數(shù)，對(duì)si的定義如下：si'＝|Hd(i)(x,y)-Hthresh|，當(dāng)像素(x,y)屬于勻質(zhì)區(qū)域，即Hd(i)≤Hthresh，大尺度形態(tài)濾波圖像的加權(quán)系數(shù)需要大一些，這樣可以充分利用大尺度結(jié)構(gòu)元素的抗噪特性，通常情況下，對(duì)于像素(x,y)，d(i)尺度越大，Hd(i)(x,y)值越小，根據(jù)式(10)，si'越大，加權(quán)系數(shù)si也越大；當(dāng)像素(x,y)屬于非勻質(zhì)區(qū)域，即Hd(i)>Hthresh，小尺度形態(tài)濾波圖像的加權(quán)系數(shù)需要大一些，這樣可以保留小尺度結(jié)構(gòu)元素濾波圖像中的邊緣信息。通常情況下，對(duì)于像素(x,y)，d(i)尺度越小，Hd(i)(x,y)值越大，根據(jù)式(10)，si'越大，加權(quán)系數(shù)si也越大。本發(fā)明方法的流程圖如圖1所示。下邊結(jié)合具體實(shí)驗(yàn)例來進(jìn)一步說明本發(fā)明。(一)、本發(fā)明實(shí)驗(yàn)例中拍攝的建筑物的激光圖像，如圖2所示，分辨率為510*384，256級(jí)灰度，選取半徑為2、3、4、5的“disk”結(jié)構(gòu)元素，利用式(5)、(6)、(7)分別對(duì)圖2進(jìn)行多尺度形態(tài)濾波，得到四幅濾波圖像；(二)、根據(jù)圖像局部區(qū)域的勻質(zhì)性，將四幅不同尺度的形態(tài)學(xué)濾波圖像融合，詳細(xì)步驟如下：1.選取鄰域窗口為5*5，利用式(8)，分別計(jì)算四幅濾波圖像的區(qū)域均勻度，最大尺度濾波圖像的區(qū)域均勻度圖，如圖3所示。2.采用Otsu方法求出圖3的二值化閾值Hthresh為0.015686，以此作為判斷圖像中各像素是否屬于勻質(zhì)區(qū)域的標(biāo)準(zhǔn)。3.根據(jù)式(10)計(jì)算對(duì)應(yīng)四幅不同尺度結(jié)構(gòu)元素濾波圖像的加權(quán)系數(shù)，按照式(9)對(duì)四幅濾波圖像進(jìn)行融合，得到最終的降噪圖像，如圖4所示。下面對(duì)常用的幾種激光圖像去噪方法進(jìn)行了仿真實(shí)驗(yàn)，圖5、圖6、圖7分別為L(zhǎng)ee濾波算法、SBF濾波算法、Kuan濾波算法的處理結(jié)果。我們可以看到本發(fā)明方法解決了激光圖像噪聲明顯的問題。相比于Lee濾波算法、SBF濾波算法、Kuan濾波算法,本發(fā)明方法能夠有效地抑制圖像噪聲并且保持圖像清晰度。此外，為了定量地衡量濾波效果，通過計(jì)算每幅圖像的散斑指數(shù)來比較不同方法的抑制散斑噪聲能力。散斑指數(shù)越小，該算法抑制散斑噪聲的能力越強(qiáng)。散斑指數(shù)定義為：其中，m、n表示圖像大小，δij表示濾波窗口中元素的標(biāo)準(zhǔn)差，表示濾波窗口中元素的均值。表1中給出了原始圖像和幾種算法處理結(jié)果的散斑指數(shù)。從表1可見,本發(fā)明方法的散斑噪聲抑制能力較強(qiáng)。表1不同方法處理結(jié)果的散斑指數(shù)原始圖像Lee濾波SBFKuan本發(fā)明方法0.07570.03160.05050.03580.0300當(dāng)前第1頁(yè)1 2 3