[发明专利]基于最小局部均方差计算的噪点检测方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及在进行图像去噪处理时，对于边缘点和噪点的区分判定换问题。具体讲，涉及基于最小局部均方差计算的噪点检测方法。

背景技术

在进行图像目标识别与跟踪时，摄像机所采集的图像，在成像、数字化以及传输过程中，难免会受到各种各样噪声的干扰，图像的质量往往会出现不尽人意的退化，影响了图像的视觉效果。通常这些噪声干扰使得图像退化，表现为图像模糊，特征淹没，这会对图像分析产生不利，使所获得的图像质量较低。对这样的图像直接进行目标的识别与跟踪是比较困难的。抑制使图像退化的各种干扰信号、增强图像中的有用信号，以及将观测到的不同图像在同一约束条件下进行校正处理就显得非常重要。所以可以通过平滑、滤波等一系列方式对图像中的噪声进行处理可以改善图像质量。

近年来比较主流的图像去噪方法有：高斯滤波，适用于滤除高斯白噪声，已广泛应用于图像处理的预处理阶段；均值滤波也称为线性滤波，该方法可以平滑图像，速度快，算法简单。但是无法去掉噪声，只能微弱的减弱它；中值滤波法是一种非线性平滑技术，在图像处理中，中值滤波常用来保护边缘信息,是经典的平滑噪声的方法，该方法对消除椒盐噪音非常有效，在光学测量条纹图像的相位分析处理方法中有特殊作用，但在条纹中心分析方法中作用不大；双边滤波是一种可以保留边缘去除噪声的滤波器；各向异性扩散的优点在于它可以在去除噪声的同时,保留甚至增强图像中的边缘信息。由此可以看出，对于高斯滤波，均值这类平滑图像的滤波方法来讲，其对于噪点，边缘点以及其他像素点所做处理是一样的，这样图像的边缘信息便被削减；而对于中值滤波，双边滤波以及各向异性滤波来讲，他们能够保留甚至增强图像中的边缘信息，于此同时它们同样也会将一些噪点增强，在高强度噪声环境下，去噪能力大幅下降。

所以对于噪声点和边缘点的判别并对其进行不同处理时图像去噪一个关键步骤。

发明内容

为克服现有技术的不足，提供一种根据像素点邻域内局部均方差与去掉本身的局部均方差的差值大小进行局部检测并判断该点是否为噪声点的方法。该方法能够有效地降低非噪声点误判为噪声点的概率。为此，本发明采取的技术方案是，基于最小局部均方差计算的噪点检测方法，采用某像素点邻域内的像素点，分别选取小邻域，行，列，两个斜向五组中的几组将其局部均方差和局部去心均方差的差值的绝对值与某个阈值做比较来对某个像素点是否为噪声点进行判断，具体是，对某个像素点计算该点邻域内五组的局部均方差S_i'和邻域内去掉该点后的局部去心均方差S_i，计算二者的绝对值|S_i'-S_i|，并取五组结果中最小的值S＝min|S_i'-S_i|加以判断，S＝min|S_i'-S_i|大表示该点对邻域灰度有较大影响，认为是噪声点，采用最小值可以降低将边缘点误判为噪声点的概率，在不同条件下，使用者也可根据情况自定义地选择几组数据进行S的选取。

根据不同邻域内的局部统计特征自适应的确定其阈值步骤是，当局部邻域内的S值大于该阈值时，判断其为噪声点，小于该阈值时，判断为非噪声点，表示为：

S＝min|S_i'-S_i|(1)

S0=10254*lnSSi‾2---(2)]]>