[发明专利]基于分数阶微分梯度的随机噪声点检测算法

摘要

基于分数阶微分梯度的随机噪声点检测算法从分析图像中噪声特性出发，依据噪声是图像中局部特性的不连续点，噪声点像素相对应邻域像素的灰度发生了急剧的变化。从图像的频域分析来看，噪声相当于是高频信号，同为高频信号的边缘具有有序性、方向性和结构性的边缘属性特征，边缘的这种变化在临近的像素中会有类似的表现。而噪声即使成片出现，临近的噪声点像素的之间也无确定的对应关系。本算法利用分数阶微分梯度算子检测图像中像素点灰度值的变化，并为此构建了28个方向的分数阶微分梯度算子，用于检测图像相邻像素在对应28个可能边缘方向的梯度变化，并选择了合适的数理统计方法，用于确定图像中噪声点的位置。

主权项

一种基于分数阶微分的随机噪声检测算法，包括以中心点像素O为基准，与其周围A，B，C，D，E，F，G，H这八个像素点构成可能出现的边缘方向依次为DAOB，DAOC，DAOD，DAOE，DAOF，DAOG，DAOH，DBOC，…，DEOH，DFOG，DFOH，DGOH等28个方向，并以此方向构建分数阶微分梯度掩膜；使用28个方向的分数阶微分梯度模板与噪声图像进行卷积运算，分别得到28个不同方向的分数阶微分梯度图；分别计算28个方向梯度图的均值取整并加2‑3作为阈值，获取28个图像方向梯度方向的梯度检测图；结合多个方向的梯度图，通常选5‑7个方向，通过与运算，消除梯度图中在某些方向上无梯度跳变的点，即图像中的边缘，即可获取检测出的噪声点位置。