下步驟:
[0039](I)向計算機輸入待去噪圖像，待去噪圖像為帶有噪聲的圖像，本實施例中選用的待去噪圖像是加入高斯噪聲的Iena圖像，帶有高斯噪聲的圖像的像素分布符合高斯分布，而且圖像的大部分像素值都有變化。
[0040]讀取待去噪圖像的所有像素點，獲取待去噪圖像的所有像素點，根據(jù)每個像素點的奇異值大小判斷該點是否為明顯噪聲點。
[0041]如果是明顯噪聲點，則直接轉(zhuǎn)到步驟(3)進行處理；否則，可以確定該像素點是非明顯噪聲點，那么轉(zhuǎn)到步驟(2)對像素點進行概率調(diào)整，即調(diào)整部分的像素點。
[0042]像素點的奇異值有一個范圍，如果像素點的奇異值超出該范圍，則該像素點為明顯噪聲點；如果像素點的奇異值落在該范圍內(nèi)，則該像素點不是明顯像素點。針對不同的圖像，奇異值的范圍有所不同，該范圍的具體數(shù)值是本領(lǐng)域技術(shù)人員在具體實驗時容易獲得的。一般來說，圖像像素點的奇異值是2左右的數(shù)值，超過2則表明該像素值變小了，需要調(diào)大；小于2則表明該像素值變大了，需要調(diào)小。本發(fā)明判斷像素點是否為明顯噪聲點的奇異值范圍是1.8至2.5，根據(jù)不同帶噪圖像，該范圍需要調(diào)整，如果像素點的奇異值大小不在此范圍內(nèi)，則該點是明顯噪聲點，否則，該點不是明顯噪聲點。
[0043](2)利用待去噪圖像的奇異矩陣，計算像素點的奇異度，利用像素點的奇異度，對像素點像素值進行調(diào)整，調(diào)整后的像素點的像素值為該像素點的原像素值與該像素點的奇異度的乘積，轉(zhuǎn)到步驟(10)。
[0044](3)獲取明顯噪聲點的相似點集合。該步驟需要確定相似點搜索尺度，本實施例的搜索尺度定義為[kl，k2]，kl、k2分別為平面圖像上橫向和縱向的像素點個數(shù)。
[0045]優(yōu)選地，搜索尺度是以待去噪點為中心的7X7至10X10的像素矩陣，本發(fā)明在7 X 7、8 X 8、9 X 9、1 X 1的尺度下搜索，濾波后的圖像平滑效果最好。
[0046](4)判斷明顯噪聲點的相似點的方法如下:計算待去噪圖像的多重分形譜矩陣，讀取搜索范圍內(nèi)的一個像素點，計算該像素點的多重分形譜值與明顯噪聲點的多重分形譜值的差值；如果該差值小于閾值，則該像素點是明顯噪聲點的相似點，轉(zhuǎn)到步驟(5)，否則轉(zhuǎn)到步驟⑵；
[0047]需要說明的是，上述的閾值是本領(lǐng)域技術(shù)人員在實驗中容易獲得的。一般來說，閾值的范圍大于0.05小于0.1，本實施例選用的閾值為0.07，本實施例在該閾值下去噪效果最好。
[0048](5)根據(jù)相似點的奇異值判斷該點是否為明顯噪聲點，如果是明顯噪聲點，則該點不能作為明顯噪聲點的相似點，轉(zhuǎn)向步驟(8)，否則轉(zhuǎn)向步驟(6)；
[0049](6)將加入到明顯噪聲點的相似點集合，判斷搜索尺度內(nèi)是否還有待求證相似點，如果有，則轉(zhuǎn)向步驟⑷；如果搜索尺度內(nèi)所有像素點均已判斷，則轉(zhuǎn)向步驟(9);
[0050](7)該像素點不是明顯噪聲點的相似點，停止對該像素點的計算，轉(zhuǎn)向步驟(4);
[0051](8)該像素點是明顯噪聲點，停止計算，轉(zhuǎn)向步驟(4);
[0052](9)如果相似點集合不為空，則使用相似點集合中的所有像素點，通過中值算法或者均值算法，對明顯噪聲點的像素值進行估計；否則轉(zhuǎn)到步驟⑵；
[0053](10)如果待去噪圖像的所有像素點均已調(diào)整完，則去噪結(jié)束；否則轉(zhuǎn)向步驟⑴。
[0054]另外，本發(fā)明采用峰值信噪比的方法對去噪的效果進行評價。
[0055]具體實驗時，在MATLAB的平臺下，本實施例中設(shè)計了自適應(yīng)平滑濾波函數(shù)multifractal_filter,其輸入?yún)?shù)包括待去噪圖像矩陣1、待去噪圖像的奇異矩陣a，待去噪圖像的多重分形譜矩陣fa，輸出參數(shù)為濾波后的圖像矩陣O。
[0056]在MATLAB的平臺下，本發(fā)明的自適應(yīng)平滑濾波方法與以下幾種常用的濾波方法進行了對比，這幾種方法包括:
[0057]a、采用medfilt2中值濾波函數(shù)對待去噪圖像進行濾波；
[0058]b、選擇一個3X3的模板，采用filter2均值濾波函數(shù)對待去噪圖像進行濾波；
[0059]C、建立一個3X3模板的高斯濾波器，采用imfilter函數(shù)對待去噪圖像進行濾波；
[0060]d、選用sym5小波，對待去噪圖像進行硬閾值濾波；
[0061]e、選用Sym5小波，對待去噪圖像進行軟閾值濾波。
[0062]本發(fā)明的自適應(yīng)平滑濾波方法與上述五種方法對比后發(fā)現(xiàn):上述五種算法均能在一定程度上消除圖像噪聲。
[0063]但是，上述的去噪算法濾波后，圖像上仍然能顯示出噪聲點的痕跡，而本發(fā)明的方法幾乎看不出噪聲點的痕跡。
[0064]因此，在圖像細(xì)節(jié)方面，本發(fā)明的自適應(yīng)平滑濾波方法的圖像邊緣點和細(xì)節(jié)點損失少，對圖像細(xì)節(jié)處理的更好，去噪效率更高。
[0065]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明實質(zhì)內(nèi)容上所作的任何修改、等同替換和簡單改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1.一種自適應(yīng)平滑濾波方法，其特征在于:該方法包括如下步驟: S1:針對待去噪圖像的像素點，判斷像素點是否為明顯噪聲點； 52:如果是明顯噪聲點，則獲取明顯噪聲點的相似點集合，然后估計明顯噪聲點的像素值； 53:如果不是明顯噪聲點，則調(diào)整像素點的像素值。
2.根據(jù)權(quán)利要求1所述的自適應(yīng)平滑濾波方法，其特征在于:步驟SI中，通過奇異值比較方法確定像素點是否為明顯噪聲點，具體方法如下:計算待去噪圖像的奇異矩陣，通過該奇異矩陣計算出待判斷像素點的奇異值，如果該奇異值小于1.8或大于2.5，則該像素點是明顯噪聲點；反之則不是。
3.根據(jù)權(quán)利要求1或2所述的自適應(yīng)平滑濾波方法，其特征在于:步驟S2中獲取明顯噪聲點的相似點的方法包括如下步驟， 520:確定搜索尺度； 521:計算待去噪圖像的多重分形譜矩陣，讀取搜索尺度范圍內(nèi)的一個像素點，計算該像素點的多重分形譜值與上述明顯噪聲點多重分形譜值的差值，如果該差值小于0.07，則該像素點是明顯噪聲點的相似點。
4.根據(jù)權(quán)利要求3所述的自適應(yīng)平滑濾波方法，其特征在于:步驟S20中，搜索尺度為以待去噪點為中心的7X7至10X10的像素矩陣。
5.根據(jù)權(quán)利要求1或2所述的自適應(yīng)平滑濾波方法，其特征在于:步驟S2中，使用相似點集合內(nèi)的像素點，通過均值或者中值算法估計所述明顯噪聲點的像素值。
6.根據(jù)權(quán)利要求1或2所述的自適應(yīng)平滑濾波方法，其特征在于:步驟S3中，調(diào)整后的像素點的像素值為該像素點的原像素值與該像素點的奇異度的乘積，像素點的奇異度為像素點奇異值與待去噪圖像奇異矩陣均值的商。
【專利摘要】本發(fā)明公開了一種自適應(yīng)平滑濾波方法，該方法包括如下步驟，獲取待去噪圖像的像素點，判斷像素點是否為明顯噪聲點；如果是明顯噪聲點，則獲取明顯噪聲點的相似點集合，然后估計明顯噪聲點的像素值；如果不是明顯噪聲點，則調(diào)整像素點的像素值。本發(fā)明的自適應(yīng)平滑濾波的方法，從圖像紋理存在自相似性的角度出發(fā)，對無規(guī)則的非奇異點進行濾波運算，能夠使得圖像在邊緣和細(xì)節(jié)點的損失盡可能地減少的情況下進行區(qū)域平滑。
【IPC分類】G06T5-10
【公開號】CN104835127
【申請?zhí)枴緾N201510257212
【發(fā)明人】郭雷風(fēng), 申玉林
【申請人】中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所
【公開日】2015年8月12日
【申請日】2015年5月19日