一種改進(jìn)的用于去除干擾噪聲的p-g快速方法
【專利摘要】本發(fā)明屬于數(shù)字圖像處理領(lǐng)域。具體地說是一種改進(jìn)的用于去除干擾噪聲的P?G快速方法。本發(fā)明包括：對原圖像進(jìn)行灰度變換，去除圖像顏色；對圖像中的非噪聲點進(jìn)行標(biāo)記；將非噪聲點儲存到數(shù)組中；將圖像中的噪聲點和其他干擾點初始值設(shè)置為均值；根據(jù)圖像的頻域設(shè)置截止頻率，并且用平滑的頻域低通濾波器代替原有的頻域低通濾波器，保留部分高頻信息。本發(fā)明將P?G外推法運用到了圖像去噪的領(lǐng)域，通過設(shè)計更平滑的濾波器，保留了部分高頻信息，同時改善了在濾波過程中造成信號能量減小的情況，解決了原有P?G算法在修復(fù)后邊緣模糊與亮度偏暗的不足。
【專利說明】
-種改進(jìn)的用于去除干擾噪聲的P-G快速方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于數(shù)字圖像處理領(lǐng)域。具體地說是一種改進(jìn)的用于去除干擾噪聲的P-G 快速方法。
【背景技術(shù)】
[0002] 聲納系統(tǒng)已經(jīng)廣泛應(yīng)用在各種水下設(shè)備中，在軍事船舶中更是發(fā)揮著重要的作 用，是其獲取目標(biāo)信息的主要手段。聲納圖像是目標(biāo)回波的可視化信息，由于海洋環(huán)境的復(fù) 雜性，海洋中充斥的各種噪聲污染聲納圖像，給后續(xù)的分析工作帶來困難，所W有效的去除 噪聲便成了準(zhǔn)確獲取信息的必要工作。聲納圖像與傳統(tǒng)光學(xué)圖像的成像機制，成像環(huán)境不 同，不能直接利用后者方法。
[0003] 中值濾波器，它是一種常用的非線性平滑濾波器，其基本原理是把數(shù)字圖像或數(shù) 字序列中一點的值用該點的一個領(lǐng)域中各點值的中值代換其主要功能是讓周圍象素灰度 值的差比較大的像素改取與周圍的像素值接近的值，從而可W消除孤立的噪聲點，所W中 值濾波對于濾除圖像的椒鹽噪聲非常有效。
[0004] 均值濾波器，采用鄰域平均法的均值濾波器非常適用于去除通過掃描得到的圖像 中的顆粒噪聲。領(lǐng)域平均法有力地抑制了噪聲，同時也由于平均而引起了模糊現(xiàn)象，模糊程 度與領(lǐng)域半徑成正比。
[0005] 小波去噪，小波分析進(jìn)行圖像去噪主要有3個步驟：（1)對圖象信號進(jìn)行小波分解。 (2)對經(jīng)過層次分解后的高頻系數(shù)進(jìn)行闊值量化。（3)利用二維小波重構(gòu)圖象信號。
[0006] 本發(fā)明主要提出的是一種改進(jìn)的P-G快速方法用于去除干擾噪聲。通過與文獻(xiàn)[1] 所述方法進(jìn)行對比，證實了此方法可W有效的去除聲納圖像中的噪聲。與本發(fā)明相關(guān)的參 考文南犬包括：Priyam Chatter jee ,and Sujata Mukher jee ,Application of Papoulis- Gerchberg Method in Image Super-resolution 曰nd Inpainting.

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的是提供一種改進(jìn)的用于去除干擾噪聲的P-G快速方法。
[000引本發(fā)明的目的是運樣實現(xiàn)的：
[0009] (1)對原圖像進(jìn)行灰度變換，去除圖像顏色；
[0010] (2)對圖像中的非噪聲點進(jìn)行標(biāo)記；
[0011] (3)將非噪聲點儲存到數(shù)組中；
[0012] (4)將圖像中的噪聲點和其他干擾點初始值設(shè)置為均值；
[0013] (5)根據(jù)圖像的頻域設(shè)置截止頻率，并且用平滑的頻域低通濾波器代替原有的頻 域低通濾波器，保留部分高頻信息；
[0014] (6)將圖像通過步驟(5)中的平滑低通濾波器濾波；
[0015] (7)將非噪聲點與非干擾點賦W原有的初值，保留原有圖像的信息；
[0016] (8)計算迭代前后兩幅圖像的均方誤差，判斷是否滿足終止條件，如果滿足迭代終 止，如果不滿足則回到步驟(6);
[0017] (9)通過均方誤差或者峰值信噪比來驗證修復(fù)圖像效果。
[0018] 所述步驟(4)所使用的像素均值處理方法為8鄰域均值化方法。
[0019] 所述步驟(5)所使用的是PG算法。
[0020] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
[0021] 本發(fā)明將P-G外推法運用到了圖像去噪的領(lǐng)域，通過設(shè)計更平滑的濾波器，保留了 部分高頻信息，同時改善了在濾波過程中造成信號能量減小的情況，解決了原有P-G算法在 修復(fù)后邊緣模糊與亮度偏暗的不足。與傳統(tǒng)的中值濾波、小波去噪等相比更好的保存了圖 像原有的有價值信息，例如輪廓，紋理等。
【附圖說明】
[0022] 圖1為算法流程圖；
[0023] 圖2為原圖像；
[0024] 圖3為加了椒鹽噪聲后的圖像；
[0025] 圖4本發(fā)明改進(jìn)的更平滑的頻域二維濾波器；
[00%]圖5 P-G原始算法的頻域理想二維濾波器；
[0027]圖6-9為中值濾波后的圖像，選取了不同窗口；
[00%]圖10-12為均值濾波后的圖像，選取了不同窗口；
[0029] 圖13為小波去噪硬闊值法；
[0030] 圖14為小波去噪軟闊值法；
[0031] 圖15為本文的去噪方法；
[0032] 圖16原始光學(xué)圖像；
[0033] 圖17加干擾的光學(xué)圖像。
【具體實施方式】
[0034] 下面結(jié)合附圖對本發(fā)明做進(jìn)一步描述。
[0035] 該發(fā)明提供了一種基于改進(jìn)的化poul i S-Gerchberg算法的聲納圖像恢復(fù)方法。針 對P-G算法應(yīng)用于理想二維濾波器導(dǎo)致恢復(fù)圖像邊緣模糊與亮度偏暗的不足，提出一種改 進(jìn)的快速P-G算法。首先假設(shè)對于噪聲點或者干擾點的位置信息有先驗知識，使用均值濾波 來填補運些噪聲點的像素值作為初始值，并將填補后的圖像通過更平滑的頻域低通濾波 器，代替原有理想的頻域低通濾波器，意在保留部分高頻信息；由于通過濾波器后那些非噪 聲點與非干擾點的像素值也被改變，將運些點賦W原有的初值，W保留原有圖像的信息;通 過不斷重復(fù)迭代與賦值的步驟，直到每次迭代圖像之間的均方誤差小于給定的闊值，運樣 就實現(xiàn)了對噪聲點與干擾點的填補與整幅圖像的修復(fù)。
[0036] 因為聲納圖像本身就含有一定噪聲，因此可W使用光學(xué)不帶噪圖像來驗證算法的 修復(fù)程度，本算法通過使用平滑濾波器代替原有理想濾波器使得圖像恢復(fù)的峰值信噪比有 一定的提升。本發(fā)明算法不但可W去除未知的干擾，而且應(yīng)用于某些典型噪聲，如椒鹽噪 聲，比傳統(tǒng)的去噪方法如中值濾波、均值濾波等效果更好。
[0037] 其具體實現(xiàn)方法如下：
[0038] (I)對原圖像進(jìn)行灰度變換，去除圖像顏色；
[0039] (2)對圖像中的非噪聲點進(jìn)行標(biāo)記；
[0040] (3)將運些非噪聲點儲存到數(shù)組中；
[0041] (4)將圖像中的噪聲點和其他干擾點初始值設(shè)置為臨近像素的均值(使用均值濾 波填補噪聲點和噪聲點的像素值）；
[0042] (5)根據(jù)圖像的頻域設(shè)置合理的截止頻率，并且設(shè)計平滑的頻域低通濾波器代替 原有理想的頻域低通濾波器(可使用matlab濾波器工具設(shè)計平滑濾波器，本算法所討論濾 波器均為二維濾波器），保留部分高頻信息；
[0043] (6)將圖像通過(5)中所設(shè)計的平滑低通濾波器；
[0044] (7)由于通過濾波器后那些非噪聲點與非干擾點的像素值也被改變，將運些點賦 W原有的初值，W保留原有圖像的信息；
[0045] (8)計算迭代前后兩幅圖像的均方誤差，判斷是否滿足終止條件，如果滿足迭代終 止。如果不滿足則回到(6);
[0046] (9)通過均方誤差或者PSNR(峰值信噪比）來驗證修復(fù)圖像效果，并對比其他算法 效果。
[0047] (10)對待處理圖像進(jìn)行預(yù)處理。
[0048] 待處理聲納圖像原圖如圖1所示，是由側(cè)掃聲納獲得的聲納圖像，在原圖像基礎(chǔ)上 加入了椒鹽噪聲，圖2所示。
[0049] 首先對圖像進(jìn)行預(yù)處理。預(yù)處理過程包括去色，標(biāo)記，將非噪聲點位置存入數(shù)組。 把彩色或者偽彩色的圖像轉(zhuǎn)換成灰度圖像，然后通過對噪聲點灰度值的先驗知識對其進(jìn) 行標(biāo)記，把未被標(biāo)記的點也就是非噪聲點存入到創(chuàng)建好的數(shù)組中，之后將噪聲點和其它的 干擾點看做是未知像素點，并將像素值的初始值設(shè)為臨近像素的均值，3x3的窗口中間位置 的像素值由其他8個鄰域的像素值的均值確定(均值濾波）。均值濾波使用公式如下：
[(K)加]
[0051 ] Z (X，y)表示窗口中間位置像素值;m表示鄰域個數(shù);f (X，y)表示鄰域的像素值。
[0052] (2)設(shè)計平滑二維濾波器
[0053] 本發(fā)明意在使用平滑的二維濾波器，代替原有理想濾波器，W減小高頻信息的損 失，盡可能的保留邊緣，因此在濾波器平滑性的選擇上只考慮其保留小部分高頻信息即可， 再根據(jù)不同的圖像頻域，選取不同的截止頻率。圖3是本發(fā)明設(shè)計的一種平滑濾波器，代替 原有算法的理想二維濾波器(圖4)。濾波器原理公式：
[0054] G(u,v)=F(u,v)H(u,v)
[0055] 式中F(u，v)為含有噪聲的原圖像的傅立葉變換;H(u，v)為傳遞函數(shù)，也稱轉(zhuǎn)移函 數(shù)(即低通濾波器）;G(u，v)為經(jīng)低通濾波后輸出圖像的傅立葉變換。
[0056] (3)使用平滑二維濾波器對圖像進(jìn)行濾波
[0057] 使用上步所得的平滑濾波器，對圖像進(jìn)行濾波，由于圖像通過二維濾波器時整幅 圖像的像素點都被改變，但是算法任務(wù)是填補噪聲與干擾區(qū)域，為了最大限度的保留原始 信息，將那些非噪聲與非干擾點的恢復(fù)到初始的數(shù)值；W上步驟相當(dāng)于濾波后只改變了需 要填補(去噪）區(qū)域的像素值。用如下公式對圖像進(jìn)行平滑濾波處理：
[0化引
[0059] y(m，n)為二維濾波器輸出；h(m，n)為單位沖擊響應(yīng);x(m，n)為輸入信號序列。
[0060] (4)計算每次濾波前后均方誤差
[0061] 通過每次濾波，都需要計算濾波前后圖像的均方誤差，W判是否需要繼續(xù)濾波。如 果均方誤差未達(dá)到設(shè)定闊值，就需要回到（3)繼續(xù)對圖像進(jìn)行濾波;如果達(dá)到了設(shè)定闊值， 那么就說明均方誤差達(dá)到收斂范圍內(nèi)，可W停止了，此時圖像的噪聲和干擾點填補(去噪） 完成。
[0062] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
[0063] 首先對于本發(fā)明與其它算法比較，本發(fā)明將P-G算法法外推運用到了圖像去噪的 領(lǐng)域，尤其椒鹽噪聲，考慮到其的特殊性，噪聲點的像素值為0或者255,本發(fā)明中便于標(biāo)記 運些噪聲點，通過重復(fù)W上步驟可W達(dá)到理想的去噪效果;對比本發(fā)明的去噪方法與針對 椒鹽噪聲比較有效的中值濾波，W及均值濾波還有小波去噪，結(jié)果如圖5-圖14所示。
[0064] 第二，對于本發(fā)明與原始P-G算法進(jìn)行比較，通過選取了兩種不同的濾波器(理想 濾波器與平滑濾波器)對圖像進(jìn)行濾波，比較填補（去噪）圖像與原始無干擾圖像的均方誤 差，本發(fā)明很好的改善了填補處往往會有邊緣模糊與亮度偏暗的現(xiàn)象，而且修補處邊緣顯 得更加自然，圖15-圖17。
【主權(quán)項】
1. 一種改進(jìn)的用于去除干擾噪聲的P-G快速方法，其特征在于，包括如下步驟： (1) 對原圖像進(jìn)行灰度變換，去除圖像顏色； (2) 對圖像中的非噪聲點進(jìn)行標(biāo)記； (3) 將非噪聲點儲存到數(shù)組中； (4) 將圖像中的噪聲點和其他干擾點初始值設(shè)置為均值； (5) 根據(jù)圖像的頻域設(shè)置截止頻率，并且用平滑的頻域低通濾波器代替原有的頻域低 通濾波器，保留部分高頻信息； (6) 將圖像通過步驟(5)中的平滑低通濾波器濾波； (7) 將非噪聲點與非干擾點賦以原有的初值，保留原有圖像的信息； (8) 計算迭代前后兩幅圖像的均方誤差，判斷是否滿足終止條件，如果滿足迭代終止， 如果不滿足則回到步驟(6); (9) 通過均方誤差或者峰值信噪比來驗證修復(fù)圖像效果。2. 根據(jù)權(quán)利要求1所述的一種改進(jìn)的用于去除干擾噪聲的P-G快速方法，其特征在于： 所述步驟(4)所使用的像素均值處理方法為8鄰域均值化方法。3. 根據(jù)權(quán)利要求1所述的一種改進(jìn)的用于去除干擾噪聲的P-G快速方法，其特征在于： 所述步驟(5)所使用的是PG算法。
【文檔編號】G06T5/00GK105957021SQ201610168482
【公開日】2016年9月21日
【申請日】2016年3月23日
【發(fā)明人】卞紅雨, 陳奕名, 徐揚
【申請人】哈爾濱工程大學(xué)