專(zhuān)利名稱(chēng)：基于最頻值濾波的各向異性圖像平滑方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種既可去除圖像噪聲又能保持圖像邊緣的平滑方法。
(二)
背景技術(shù)：
在醫(yī)學(xué)圖像、雷達(dá)圖像、遙感圖像中常常疊加一些噪聲，這些噪聲嚴(yán)重影響圖像質(zhì)量， 降低成像系統(tǒng)對(duì)目標(biāo)的分辨能力，影響對(duì)圖像性質(zhì)或特征的理解、檢測(cè)與提取，限制了圖像 的應(yīng)用。因此采取有效措施，去處或降低噪聲的影響一直足一個(gè)重要的研究課題。
圖像去噪或降噪亦稱(chēng)為圖像平滑， 一般要求在有效抑制噪聲的同時(shí)，要保留圖像有用的 細(xì)節(jié)信息，如保持圖像邊緣、銳角等，這就為圖像平滑算法帶來(lái)了難度。
例如，在醫(yī)學(xué)超聲成像中，由于相干波疊加造成的散斑噪聲對(duì)超聲圖像影響嚴(yán)重，降低 了超聲成像系統(tǒng)對(duì)目標(biāo)的分辨能力，影響了人們對(duì)圖像的理解和特征的自動(dòng)檢測(cè)與提取，限 制了醫(yī)學(xué)超聲圖像在臨床沴斷中的應(yīng)用。對(duì)超聲圖像進(jìn)行去噪處理，是醫(yī)學(xué)超聲圖像處理的 重要環(huán)節(jié)，因此對(duì)散斑噪聲抑制技術(shù)的研究一直是國(guó)內(nèi)外超聲成像技術(shù)的重要課題。
近年來(lái)，基于熱傳導(dǎo)偏微分方程的圖像平滑算法得到了迅速的發(fā)展和廣泛的應(yīng)用。LUIS ALVAREZ等人，針對(duì)熱擴(kuò)散各向同性平滑算法丟失邊緣信息和Perona、 Malik提出的各向異 性擴(kuò)散方程(P-M)在噪聲處會(huì)引起振蕩的缺點(diǎn)，提出了一種被稱(chēng)為Alvarez圖像選擇性平滑算 法，其基本算式是
對(duì)于廣Qcf—i 的原始圖像，有
//(x，j/,OH〃o(x,力
式中&v表示散度算子、V表示梯度算子。
通常情況下，擴(kuò)散函數(shù)g(lsl)是一個(gè)單調(diào)遞減函數(shù)，當(dāng)卜'|400時(shí)，g(W)40。常用的擴(kuò)
散函數(shù)gW =丄，、2或gO) = exp(-^了)，其中的A是梯度閾值參數(shù)。
公式(1)中(^(x):(2;rc7)—1/2exp(-|x|2/4cr)。由于GCT = V(G。 *w) ， g(|G。 的本
質(zhì)是先對(duì)圖像做基于高斯函數(shù)的平滑處理去除噪聲，然后計(jì)算處理后的圖像的梯度值，根據(jù) 梯度值決定圖像平滑程度。對(duì)比只在與梯度垂直的方向做擴(kuò)散而在梯度方向不做擴(kuò)散的各向異性擴(kuò)散平滑算法
= I V刈C = I,雌顯) (2 )
公式(1 )描述的Alvarez方法，為了控制擴(kuò)散速度，Alvarez方法在均值曲率流lv刈AV(^j) 前面加一個(gè)擴(kuò)散速度控制函數(shù)g(lv"l)。若圖像中某點(diǎn)的局部區(qū)域的梯度較大，就認(rèn)為該區(qū)域
處在邊緣處，g(IV"l)降低均值曲率運(yùn)動(dòng)速度，保持邊緣；反之，使均值曲率運(yùn)動(dòng)以較快的速 度擴(kuò)散，對(duì)圖像加大平滑力度。為了降低噪聲對(duì)梯度的干擾，Alvarez把擴(kuò)散速度控制函數(shù)修 改為g(K^aV"l)，其原理是對(duì)圖像中某點(diǎn)做擴(kuò)散之前先對(duì)圖像做高斯平滑，去除噪聲后再對(duì)
平滑后的圖像計(jì)算局部梯度值，再確定擴(kuò)散速度。
在速度控制函數(shù)中采用高斯濾波對(duì)圖像去噪有以下缺點(diǎn)-
① 由于高斯濾波是線(xiàn)性濾波，經(jīng)高斯濾波后的圖像邊緣會(huì)退化，迭代次數(shù)越多邊緣退化 越嚴(yán)重；
② 高斯濾波對(duì)散斑噪聲這種非對(duì)稱(chēng)分布的噪聲效果并不好；
③ 高斯濾波器參數(shù)是事先設(shè)定的，不能做到自適應(yīng)濾波。同時(shí)由于圖像中噪聲分布不盡
士F1曰 伯難壯加_^A、麻說(shuō)6^— 口齒會(huì)船

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能夠在圖像平滑過(guò)程中能更好地保持邊緣甚至增強(qiáng)邊緣的基 于最頻值濾波的各向異性圖像平滑方法。
本發(fā)明的目的是這樣實(shí)現(xiàn)的在典型的Alvarez圖像選擇性平滑算法中，將速度控制函 數(shù)中的高斯濾波改為最頻值濾波，從而實(shí)現(xiàn)一種用最頻值控制擴(kuò)散速度的各向異性圖像平滑 算法，達(dá)到提高圖像平滑效果的目的，其中引入最頻值濾波的逼近方法——截尾中值濾波， 用截尾中值濾波實(shí)現(xiàn)最頻值各向異性圖像平滑算法，其算法表達(dá)式為-
= g(|V(M。 )|V"—(g //(x，y,0) = //0(x,_v) 其中MoA(O為用截尾中值濾波實(shí)現(xiàn)的最頻值濾波器。
本發(fā)明針對(duì)Alvarez圖像選擇性平滑算法在速度控制函數(shù)中采用高斯濾波對(duì)圖像去噪所 帶來(lái)的問(wèn)題，提出釆用最頻值濾波代替高斯濾波的各向異性擴(kuò)散平滑算法。
4最頻值濾波是由E.R.Davies提出的，它定義如下設(shè)^(w,n) = Mode川，其巾S是
模板，O,")為模板中心位置坐標(biāo)，Mode表示在窗口 S中出現(xiàn)次數(shù)最多的那個(gè)數(shù)，那么//(>,^)
就是模板區(qū)域S的最頻值。最頻值濾波屬于非線(xiàn)性濾波。
由以上定義可知，最頻值是相對(duì)于模板覆蓋的區(qū)域而言的， 一個(gè)區(qū)域中的灰度分布可利 用該區(qū)域的直方圖來(lái)表示，最頻值與直方圖密切相關(guān)。圖像中局部區(qū)域中某點(diǎn)的極大可能估 計(jì)值和該點(diǎn)原始信號(hào)非常相似，極大可能估計(jì)是提取各種統(tǒng)計(jì)分布類(lèi)型的散斑噪聲下信號(hào)的 非常有效的方法，基于局部灰度特征的最頻值是極大可能估計(jì)一個(gè)很好的近似，因此最頻值 濾波對(duì)圖像處理有非常好的效果。
基于最頻值濾波的各向異性圖像平滑算法，在速度控制函數(shù)中采用最頻值濾波器來(lái)替代 公式(1)中的高斯濾波，其算法表達(dá)式為
<formula>formula see original document page 5</formula> (3)
式中Afotfe(-)——最頻值濾波器。
由于最頻值濾波具有邊緣增強(qiáng)特性，并且對(duì)圖像去噪有效，因此本發(fā)明方法在圖像平滑 過(guò)程中能更好地保持邊緣甚至增強(qiáng)邊緣，而且迭代次數(shù)越多，效果越明顯。
(四)


圖l-圖5為中值濾波、高斯濾波、最頻值濾波比較圖6-圖8為超聲右腎圖像30次最頻值各向異性擴(kuò)散與Alvarez擴(kuò)散的各向異性平滑結(jié)果 對(duì)比圖9-圖11為超聲乳腺腫瘤圖像30次最頻值各向異性擴(kuò)散與Alvarez擴(kuò)散的各向異性平滑 結(jié)果對(duì)比圖。
具體實(shí)施方式
下面結(jié)合附圖和具休實(shí)施例對(duì)本發(fā)明作進(jìn)一步的說(shuō)明
圖1-圖5中101為超聲右腎原始圖像，102為加散斑噪聲后圖像，103為中值濾波后的 圖像，104為高斯濾波(7 = 0.2)后的圖像，105為最頻值濾波后的圖像；圖6-圖8中201 為超聲右腎原始圖像，202為Alvarez擴(kuò)散(30次，(7 = 0.2)平滑后圖像，203為最頻值濾波 各向異性擴(kuò)散(30次)平滑后圖像；圖9-圖11巾301為超聲乳腺腫瘤原始圖像，302為 Alvarez擴(kuò)散(30次,^ = 0.2)平滑后圖像，303為最頻值濾波各向異性擴(kuò)散(30次)平滑后 圖像。本實(shí)施例中提出的用最頻值濾波代替高斯濾波改進(jìn)Alvarez圖像選擇性平滑算法的基于 最頻值濾波的各向異性圖像平滑算法主要依據(jù)公式(3)進(jìn)行數(shù)值計(jì)算，實(shí)施簡(jiǎn)潔，以下對(duì)本發(fā) 明的具體實(shí)施例作進(jìn)一步的詳細(xì)說(shuō)明。 .
先看最頻值濾波與高斯濾波的比較，結(jié)合圖l-圖5，對(duì)于給出的超聲右腎醫(yī)學(xué)圖像原始 圖像IOI，加散斑噪聲后得到圖像102，經(jīng)3次中值濾波、高斯濾波、最頻值濾波處理后得到 的結(jié)果分別為103、 104、 105?？梢钥闯觯咚篂V波是三個(gè)濾波器中效果最差的，圖像邊緣 細(xì)節(jié)退化明顯，最頻值濾波比中值濾波較好地保持了邊緣。
對(duì)于二維圖像的濾波平滑問(wèn)題，原始圖像如圖6中201和圖9中301所示。選擇局部圖 像窗口寬度取為7。根據(jù)公式(3)逐點(diǎn)對(duì)圖像進(jìn)行處理，經(jīng)過(guò)30次迭代后得到圖像203和 303。而圖像202和302是采用Alvarez擴(kuò)散相同次數(shù)后得到的結(jié)果。從圖中可以看出，基于 最頻值濾波的各向異性擴(kuò)散平滑算法比Alvarez圖像選擇性平滑算法較好地保持了圖像的邊 緣信息。
權(quán)利要求
1、一種基于最頻值濾波的各向異性圖像平滑方法，其特征在于在典型的Alvarez圖像選擇性平滑算法中，將速度控制函數(shù)中的高斯濾波改為最頻值濾波，其中引入最頻值濾波的逼近方法——截尾中值濾波，用截尾中值濾波實(shí)現(xiàn)最頻值各向異性圖像平滑算法。
2、 根據(jù)權(quán)利要求1所述的基于最頻值濾波的各向異性圖像平滑方法，其特征在于所述的 用截尾中值濾波實(shí)現(xiàn)最頻值各向異性圖像平滑算法的算法表達(dá)式為//0,},0) = //00，力其中MoA(，)為用截尾中值濾波實(shí)現(xiàn)的最頻值濾波器。
全文摘要
本發(fā)明提供了一種基于最頻值濾波的各向異性圖像平滑方法，用截尾中值濾波實(shí)現(xiàn)，屬于圖像處理領(lǐng)域。本發(fā)明為了克服基于最頻值濾波的各向異性圖像平滑算法中最頻值難以確定或無(wú)法確定的問(wèn)題，避免濾波器對(duì)圖像臨界位置點(diǎn)的不作為，引入最頻值濾波的逼近方法——截尾中值濾波，用截尾中值濾波實(shí)現(xiàn)最頻值各向異性圖像平滑算法，改進(jìn)后的算法更易于實(shí)現(xiàn)。本發(fā)明在圖像處理領(lǐng)域有著廣闊的應(yīng)用前景。
文檔編號(hào)G06T5/00GK101515364SQ200910071639
公開(kāi)日2009年8月26日 申請(qǐng)日期2009年3月26日 優(yōu)先權(quán)日2009年3月26日
發(fā)明者李曉峰, 毅 沈, 艷 王 申請(qǐng)人:哈爾濱工業(yè)大學(xué)