[发明专利]一种基于视觉非经典感受野模型的图像去噪方法

摘要

一种基于视觉非经典感受野模型的图像去噪方法，属于图像处理技术领域，涉及图像噪声去除方法。本发明基于目前最新的视觉神经电生理研究成果，模拟人眼的视网膜视觉机制，建立视觉非经典感受野模型实现了图像的去噪处理。本发明不但能对图像处理中常见的噪声进行去除，对图像边缘细节还具有增强作用。通过大量的生物实验结果仿真和实际的图像去噪实验，证实了本发明的正确性和有效性。

主权项

一种基于视觉非经典感受野模型的图像去噪方法，包括以下步骤：步骤1：设定视觉非经典感受野模版大小及相应模型参数；设定视觉非经典感受野模版的中心区、外周抑制区和单个抑制亚区的直径分别为dc，ds，du，且dc＝du，ds等于3至5倍dc；敏感度分别为Ac，As，Au，且Ac＝As＝Au＝1.0；步骤2：以待去噪原始图像的每一个像素点为中心，按照从左至右、从上到下的顺序和每次移动一个像素点的原则，在待去噪原始图像中确定若干个与步骤1所设定的视觉非经典感受野模版大小相同的区域；每一个这样的区域构成一个视觉非经典感受野模型；针对每一个视觉非经典感受野模型，进行下述步骤3至步骤8的操作；步骤3：根据公式 I cen ( x 0 , y 0 ) = A c ∫ ∫ c - area I ( x , y ) f c ( x , y ) dxdy I cen ′ ( x 0 , y 0 ) = A c ∫ ∫ c - area I ′ ( x , y ) f c ( x , y ) dxdy 计算视觉非经典感受野模型中心区中心像素点(x0，y0)在不受外周抑制区抑制作用下的响应Icen(x0，y0)和Icen′(x0，y0)；其中：I(x，y)是视觉非经典感受野模型中心区像素点(x，y)的像素值；而I′(x，y)＝Imax I(x，y)，Imax是灰度图像的理论最大像素值；“c area”表示中心区域“ x 0 - d c 2 ≤ x ≤ x 0 + d c 2 , y 0 - d c 2 ≤ y ≤ y 0 + d c 2 ”； f c ( x , y ) = exp [ - ( x 2 + y 2 ) / σ c 2 ] / 2 k c π σ c 2 是中心区高斯核函数；kc是规一化因子，表示为： k c = ∫ ∫ c - area exp [ - ( x 2 + y 2 ) / σ c 2 ] / 2 π σ c 2 dxdy ; σ c = d c 6 为中心区高斯核函数fc(x，y)的尺度参数；步骤4：根据 I u ( x 1 + m , y 1 + n ) = A u ∫ ∫ sub - unit I ( x 1 + m , y 1 + n ) f u ( x 1 + m , y 1 + n ) dmdn I u ′ ( x 1 + m , y 1 + n ) = A u ∫ ∫ sub - unit I ′ ( x 1 + m , y 1 + n ) f u ( x 1 + m , y 1 + n ) dmdn 计算视觉非经典感受野模型的外周抑制区中中心点为(x1，y1)的抑制亚区受到周围另一中心点为(x1+m0，y1+n0)的抑制亚区的抑制性作用Iu(x1+m，y1+n)和Iu′(x1+m，y1+n)；其中：I(x1+m，y1+n)是视觉非经典感受野模型中中心点为(x1+m0，y1+n0)的抑制亚区的像素点(x1+m，y1+n)的像素值；而I′(x1+m，y1+n)＝Imax I(x1+m，y1+n)，Imax是灰度图像的理论最大像素值；“sub unit”表示中心点为(x1+m0，y1+n0)的抑制亚区的区域“ x 1 + m 0 - d u 2 ≤ m ≤ x 1 + m 0 + d u 2 , y 1 + n 0 - d u 2 ≤n ≤ y 1 + n 0 + d u 2 ”； f u ( x 1 + m , y 1 + n ) = exp { - [ ( x 1 + m ) 2 + ( y 1 + n ) 2 ] / σ u 2 } / 2 k u π σ u 2 是中心点为(x1+m0，y1+n0)的抑制亚区的高斯核函数； k u = ∫ ∫ sub - unit exp { - [ ( x 1 + m ) 2 + ( y 1 + n ) 2 ] / σ u 2 } / 2 π σ u 2 dmdn 是规一化因子； σ u = d u 6 为中心点为(x1+m0，y1+n0)的抑制亚区的高斯核函数fu(x1+m，y1+n)的尺度参数；步骤5：根据 I u ( x 1 , y 1 ) = A u ∫ ∫ sur - area I u ( x 1 + m , y 1 + n ) f u ( x 1 + m , y 1 + n ) dmdn I u ′ ( x 1 , y 1 ) = A u ∫ ∫ sur - area I u ′ ( x 1 + m , y 1 + n ) f u ( x 1 + m , y 1 + n ) dmdn 计算视觉非经典感受野模型的外周抑制区中中心点为(x1，y1)的抑制亚区受到周围其他所有抑制亚区总的抑制性作用Iu(x1，y1)和Iu′(x1，y1)；其中：“sur area”表示视觉非经典感受野模型的外周抑制区的区域“ ( d c 2 ) 2 ≤ ( x 0 + m ) 2 + ( y 0 + n ) 2 ≤ ( d s 2 ) 2 ”；步骤6：根据 I sur ( m , n ) = A s ∫ ∫ sur - area I ( x 0 + m , y 0 + n ) f s ( x 0 + m , y 0 + n ) dmdn - I u ( x 1 , y 1 ) I sur ′ ( m , n ) = A s ∫ ∫ sur - area I ′ ( x 0 + m , y 0 + n ) f s ( x 0 + m , y 0 + n ) dmdn - I u ( x 1 , y 1 ) 计算视觉非经典感受野模型的外周抑制区对中心区总的抑制作用Isur(m，n)和Isur′(m，n)；其中：I(x0+m，y0+n)为外周抑制区内像素点(x0+m，y0+n)的像素值；I′(x0+m，y0+n)＝Imax I(x0+m，y0+n)； f s ( x 0 + m , y 0 + n ) = exp { - [ ( x 0 + m ) 2 + ( y 0 + n ) 2 ] / σ s 2 } / 2 k s π σ s 2 是外周抑制区的高斯核函数， k s = ∫ ∫ sur - area exp [ - ( x 2 + y 2 ) / σ s 2 ] / 2 π σ s 2 dxdy 是规一化因子； σ s = d s 6 为高斯核函数fs(x0+m，y0+n)的尺度参数；步骤7：根据 RX(x0，y0)＝Icen(x0，y0) Isur(m，n) RX′(x0，y0)＝Icen′(x0，y0) Isur′(m，n)计算视觉非经典感受野模型的中心像素点(x0，y0)在受到外周抑制区抑制作用下的输出响应RX(x0，y0)和RX′(x0，y0)；步骤8：根据 R(x0，y0)＝wRX′(x0，y0)+(1 w)RX(x0，y0)计算视觉非经典感受野模型经去噪处理后的中心像素点(x0，y0)的像素值R(x0，y0)；其中：w(x，y)＝1.0/(1.0+exp(mean(RF) medv)，Mean(RF)是视觉非经典感受野模型的平均像素值，medv是整幅待去噪原始图像的平均像素值；步骤9：经步骤3至步骤8计算出步骤2所得的所有视觉非经典感受野模型经去噪处理后的中心像素点(x0，y0)的像素值R(x0，y0)后，将所有像素值R(x0，y0)按像素点(x0，y0)在待去噪原始图像中的位置合成，即得到经去噪处理的图像。