[发明专利]一种基于目标尺度的混合图像滤波方法

摘要

本发明涉及一种基于目标尺度的混合图像滤波方法，主要用于基于目标尺度的自适应中值滤波与各向异性扩散的混合图像滤波方法。其特征在于：首先，对被处理图像进行各向异性扩散，抑制了除脉冲噪声以外的绝大部分噪声；然后，对扩散后的图像计算它各像素点的目标尺度；最后，利用计算出的目标尺度对扩散后的图像进行自适应中值滤波，去除了扩散后剩余的脉冲噪声，得到最终的结果。通过以上方法，可以实现各种灰度图像的去噪，并能在去噪的同时保持图像的细节。

主权项

1.一种基于目标尺度的混合图像滤波方法，其特征在于步骤如下：步骤1：对于一幅灰度图像采用P-M扩散方程进行各向异性扩散，方程表达式为：∂I(x,y,t)∂t=div(g|▿I(x,y,t)|▿I(x,y,t))]]>其中：x，y代表像素点在被处理图像中的坐标，t是迭代的次数，I(x，y，t)表示被处理图像在迭代t步后的图像，div(·)为散度函数，代表梯度算子，g(·)为扩散系数函数，所述的扩散系数函数为Tukey扩散系数函数，表达式为：当|x|≤T时，否则g(x)＝0；其中T为梯度阈值，所述T的计算方法为：求出被处理图像的梯度直方图，将梯度直方图90％处的梯度值乘以为梯度阈值T；步骤2：计算步骤1处理后的图像中各像素点的目标尺度：Dxy=Rxy+Uxy(Rxy+1)Ts,]]>其中：D_xy为被处理图像在坐标(x，y)处像素点的目标尺度；R_xy为被处理图像在坐标(x，y)处像素点的整数目标尺度；T_s为阈值参数等于0.85；U_xy(·)为被处理图像在坐标(x，y)处像素点与其领域边界区域的相似度函数；所述的R_xy为：Rxy=argmaxr∈Z,r>1{Uxy(r)≥Ts}s.t.∀R∈Z(0≤R<Rxy-1),Uxy(r-R)≥Ts,]]>所述的U_xy(·)为：Uxy(R)=Σ(i,j)∈Bxy(R)exp[-(I(x,y)-I(i,j))22σμ2]|Bxy(R)|,]]>其中：I_(x，y)为被处理图像在坐标(x，y)处像素点的灰度值，I_(i，j)为被处理图像在(i，j)处像素点的灰度值，σ_μ为反映图像梯度分布的统计特性参数，B_xy(R)为被处理图像在坐标(x，y)处像素点半径为R的邻域的边界区域，|B_xy(R)|为边界区域中像素点的个数；所述的σ_μ的求取：计算被处理图像的梯度直方图，然后将梯度直方图中高20％部分的梯度去除，对剩余的梯度求均值等于σ_μ；所述B_xy(R)的表达式为：B_xy(R)＝{(i，j)|(i，j)∈N_xy(R)-N_xy(R-1)}其中：N_xy(R)为被处理图像在坐标(x，y)处像素点半径为R的邻域；所述N_xy(·)的表达式为：N_xy(R)＝{(x，y)||x-i|≤R，|y-i |≤R}；步骤3：利用步骤2中求出的目标尺度对步骤1处理后的图像进行自适应中值滤波，自适应中值滤波的表达式为：当D_xy＜T时，M_x，y＝median{f_x-k，x-l，(k，l)∈W}，当D_xy≥T时，M_x，y＝I_x，y，其中：M_x，y为滤波后的图像在坐标(x，y)处像素点的灰度值；I_x，y为被滤波图像在坐标(x，y)处像素点的灰度值；W为被滤波图像在坐标(x，y)处像素点的邻域，且邻域内像素点的个数为奇数；k为W内各像素点的行序号，l为W内各像素点的列序号；f_x-k，x-l为被滤波图像在坐标(x-k，y-l)处像素点的灰度值；median{·}为取中值函数为对集合中的所有元素按大小排序后取中间的元素值；T为目标尺度的阈值为0.3。