[发明专利]实时高效的数字图像分数阶积分滤波器

说明书

所属领域

体发明所提出的实时高效的数字图像分数阶积分滤波器是一种对受噪声污 染的数字图像进行实时增强的信号处理电路装置。本发明涉及的积分滤波器的 系数是根据分数阶积分的Riemann-Liouville定义推导而得，在工程应用中这一 分数阶积分的阶次一般取负的分数或负的有理小数。见图1，该实时高效的数字 图像分数阶积分滤波器是由数字视频流行存储器组9、锁相/移位电路组10、分 数阶积分掩模卷积电路11与平均值计算器12以级联方式构成的。它的分数阶 积分掩模卷积电路11中的8个特定的方向算法单元电路的运算规则是采用基于 Riemann-Liouville定义的分数阶积分掩模卷积方案来实现的数字图像分数阶积 分的空域滤波器。本发明所提出的实时高效的数字图像分数阶积分滤波器，其 电路结构简单，运算规则简明，对被噪声污染的数字图像的增强效果好，实时 性高，特别适用于对在采集或传输过程中不可避免的要受噪声污染的数码相机 摄取图像、扫描仪图像、卫星遥感图像等进行实时增强处理的应用场合。本发 明属于应用数学、数字图像处理和数字电路交叉学科的技术领域。

背景技术

图像是人们记录和传递信息的重要载体，在对图像进行采集、获取、编码、 存储和传输的过程中，图像不可避免的会受到不同类型和不同程度噪声的污染， 这不仅降低了图像的质量、影响了人们对信息的获取和应用、阻碍了信息化建 设的进程，也制约了社会经济水平和科学技术的发展、延缓了人们生活水平和 生活质量的提高。近年来，随着人们对数码相机等数码设备所拍摄图像效果要 求的不断提高；随着超高清晰扫描设备对扫描图像在对比度、清晰度和实时性 要求方面的不断提高；随着卫星遥感图像对其复杂地理纹理细节特征清晰程度 要求的不断提高，这些都迫切要求构造一种实时、高效地增强受噪声污染的数 字图像的滤波器新方案。

对噪声图像进行增强的过程也就是对图像进行平滑滤波的过程，即对参与 运算的数字图像的像素点进行积分求和运算，如何做到保边去噪(即在去除噪 声的同时保留住图像的边缘、纹理等细节信息)是这一处理过程的关键。现有 的基于空域的噪声图像增强算法可分为五类：第1类，高斯平滑算法(Gaussian  smoothing filter，GSF)。这类算法将噪声的方差作为正态分布的方差、将噪声的 均值作为正态分布的均值，根据这一正态分布(也就是高斯函数)来推导滤波 器的系数值。这类算法的实时性好，适合于被高斯噪声污染、细节信息少的平 稳图像的增强处理中。均值滤波算法、高斯模糊算法、各向同性扩散算法 (isotropic linear filtering，ILF)均属于该类算法。第2类，各向异性扩散算法 (anisotropic filter，AF)。这类算法假设数字图像是分段平滑的几何图形，将数 字图像看成由跃变的边界部分和平滑区域组成。去噪的过程与热的传导和扩散 过程类似，边界被看成是绝热的，热的传导和扩散只在平滑区域内进行。算法 在具体实现时，首先设定梯度阈值T，当像素的梯度值大于梯度阈值T时，认为 该像素是边界点，算法沿着梯度的切线方向进行扩散，避免对图像边缘、细节 等造成模糊；当像素的梯度值小于等于梯度阈值T时，认为该像素点位于平滑区 域，算法采用各向同性的扩散方式对受噪声污染的图像进行增强。这类算法根 据设定的梯度阈值T有选择地对图像进行平滑处理，但在减少噪声的同时仍会破 坏掉图像的细节与纹理信息。第3类，基于全变分(total variation，TV)的去噪 算法。这类算法基于图像中最重要的信息是不连续的边界特征这一假设，采用 本质上是导数的L¹范数的TV范数。与基于最小二乘估计的L²范数不同，L¹范数 是非线性的，因此该类算法计算复杂耗时，且仅适用于分片光滑的卡通图。第4 类，邻域滤波算法(neighborhood filter，NF)。这类算法首先根据图像像素位置 的接近程度和像素灰度值的相似程度来定义像素的邻域，然后在所定义的邻域 内，计算当前像素和其邻域像素间的相似度，最后把相似度作为权值与其邻域 内的像素点进行加权求和，所得结果作为该点的像素值。双向线性插值滤波算 法(Bilateral filter，BF)、Yaroslavsky邻域滤波算法(Yaroslavsky neighborhood  filter，YNF)、非局部均值滤波算法(non-local meanfilter，NLMF)均属于该类 算法。这类算法在去噪的同时，对图像的纹理和细节信息的保留较好，但是计 算复杂度高，极大地消耗了计算资源，降低了处理效率，不能满足计算的实时 性要求。