[发明专利]一种基于证据理论的图像去噪方法

摘要

本发明涉及一种基于证据理论的图像去噪方法，其步骤如下：(1) 读入一帧图像，令第一个像素点为当前像素点；(2) 判断所述当前像素点是否为噪声点；(3)以噪声点为中心，在所述图像上对目标像素构造一个n×n正方形模板；(4) 利用证据合成公式计算所述n×n正方形模板中当前像素点标准灰度值：(5)按下述公式（4）计算当前像素点的灰度与当前像素点标准灰度值的差值的绝对值；(6)预设灰度值的阈值；(7)噪音去除：当，把当前像素定义为噪声，此时用当前像素点标准灰度值去代替当前像素点的灰度进行修正。本发明的去噪方法是根据证据理论计算的像素点的灰度证据，再利用证据合成公式进行灰度证据合成，能有效减少计算复杂度，得到更为精确的去噪效果。

主权项

一种基于证据理论的图像去噪方法，其特征在于步骤如下：(1)读入一帧图像，令第一个像素点为当前像素点；(2)判断所述当前像素点是否为噪声点，若是则按照以下步骤进行处理，若不是则置下一个像素点为当前像素点，接着判断，直到遇到噪声点或算法结束；上述判断噪声点的方法采用区间法，即灰度值位于0‑5或250‑255之间的为噪声点，否则为信号点；(3)以噪声点为中心，在所述图像上对目标像素构造一个n×n正方形模板，该模板为在横轴和纵轴上均包含n个像素点，n为3或5；如果图像边界的像素点为噪声，则对于以该像素点为中心构造的所述n×n正方形模板中超出图像区域的部分忽略不计，防止超出边界时发生溢出问题；(4)利用证据合成公式计算所述n×n正方形模板中当前像素点标准灰度值(一)n＝3时，计算当前像素点标准灰度值①按照下述公式(1)分别计算3×3正方形模板的第1行和第3行像素的行灰度值之和fx‾=Σj=-11f′(i,j)---(1)]]>式中：x为行数，x＝1，3；i为行标，i＝‑1，1；j为列标，j＝‑1，0，1；为行灰度值之和；f′(i,j)为3×3正方形模板中像素点(i,j)的灰度；f1‾=Σj=-11f′(-1,j)f3‾=Σj=-11f′(1,j)]]>式中：j＝‑1，0，1；②按下述公式(2)分别计算3×3正方形模板第1，3行中每一像素点的灰度证据f1(‑1,j)和f3(1,j)：fx(i,j)=f′(i,j)fx‾---(2)]]>式中：x为行数，x＝1，3；i为行标，i＝‑1，1；j为列标，j＝‑1，0，1；为行灰度值之和；f1(-1,j)=f′(-1,j)f1‾f3(1,j)=f′(1,j)f3‾]]>式中：j＝‑1，0，1；③灰度证据合成，因为只有3行，所以直接计算m0:m0=f1(-1,0)·f3(1,0)f1(-1,-1)·f3(1,-1)+f1(-1,0)·f3(1,0)+f1(-1,1)·f3(1,1)]]>④将灰度证据合成值m0赋值于当前像素点标准灰度值即(二)当n＝5时，计算当前像素点标准灰度值①按下述公式(1)分别计算5×5正方形模板的第1‑2行和4‑5行像素的行灰度值之和fx‾=Σj=-22f′(i,j)---(1)]]>其中，的下标x＝1，2，4，5；i＝‑2，‑1，1，2；j＝‑2，‑1，0，1，2；f′(i,j)为5×5正方形模板中像素点(i,j)的灰度；②按照下述公式分别计算第1,2,4,5行中的各像素点的灰度证据f1(‑2,j)，f2(‑1,j)，f4(1,j)，f5(2,j)：f1(-2,j)=f′(-2,j)f1‾f2(-1,j)=f′(-1,j)f2‾]]>f4(1,j)=f′(1,j)f4‾f5(2,j)=f′(2,j)f5‾]]>其中：j＝‑2，‑1，0，1，2；③灰度证据合成：a.第一轮灰度证据合成：首先将第1行与第5行灰度证据进行合成：m1.5′=f1(-2,j)·f5(2,j)f1(-2,-2)·f5(2,-2)+f1(-2,-1)·f5(2,-1)+f1(-2,0)·f5(2,0)+f1(-2,1)·f5(2,1)+f1(-2,2)·f5(2,2)]]>式中：j＝‑2，‑1，0，1，2；合成后的灰度证据m′1,5为5个灰度证据，构成新1行灰度证据：然后，将第2行与第4行灰度证据进行合成：m2,4′=f2(-1,j)·f4(1,j)f2(-1,-2)·f4(1,-2)+f2(-1,-1)·f4(1,-1)+f2(-1,0)·f4(1,0)+f2(-1,1)·f4(1,1)+f2(-1,2)·f4(1,2)]]>合成后的灰度证据m′2,4为5个灰度证据，它们构成另一行灰度证据；b.第二轮灰度证据合成(将新构成的两行灰度证据进行合成)：因为只剩这两行灰度证据，所以直接计算灰度证据合成值m0：④将灰度证据合成值m0赋值于当前像素点标准灰度值即(5)按下述公式(4)计算当前像素点的灰度f'(0,0)与当前像素点标准灰度值的差值的绝对值σ：σ=|f′(0,0)-f^(0,0)|---(4)]]>(6)预设灰度值的阈值ε：0＜ε＜30；(7)噪音去除：当σ≥ε，把当前像素定义为噪声，此时用当前像素点标准灰度值去代替当前像素点的灰度f'(0,0)进行修正；(8)如果所述图像中所有的像素点处理完毕，则算法结束；否则，置下一个像素点为当前像素点，返回上述步骤(2)，继续处理。