專(zhuān)利名稱(chēng)：基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，具體地說(shuō)屬于圖像乘性噪聲(相干斑)抑制的濾波技術(shù)，特別是一種基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法。
背景技術(shù)：
在遙感、合成孔徑雷達(dá)、核磁共振等相干成像過(guò)程中，圖像不可避免地受到乘性噪聲(相干斑)的污染。相干斑噪聲嚴(yán)重降低了圖像質(zhì)量，影響了圖像的判讀、分類(lèi)以及進(jìn)一步處理，因此相干斑噪聲抑制是許多圖像后處理前的必要步驟。在抑制圖像相干斑噪聲的過(guò)程中，保持圖像的邊緣、紋理等重要幾何結(jié)構(gòu)是非常重要的。同時(shí)，為適應(yīng)實(shí)際應(yīng)用中對(duì)不同的圖像的處理，需要對(duì)去噪模型和算法的參數(shù)進(jìn)行自適應(yīng)計(jì)算，并對(duì)算法的穩(wěn)定性及計(jì)算效率提出較高的要求。因此研究能夠良好保持圖像邊緣、紋理等結(jié)構(gòu)形態(tài)的自適應(yīng)相干斑濾波方法，具有重要實(shí)用價(jià)值和廣泛的應(yīng)用前景。目前，國(guó)際上關(guān)于相干斑抑制過(guò)程中的圖像細(xì)節(jié)保持問(wèn)題已有許多研究，其中基于全變差正則化的方法在邊緣保持方面具有較好的效果，Aubert G.等人針對(duì)服從Gamma分布的乘性噪聲所提出的AA模型(Aubert G.and Aujol F.A variationalapproach to removing multiplicative noise.SIAM Journal on AppliedMathematics, 2008，68(4):925-946)是這類(lèi)方法的代表，也是近年來(lái)使用較多的乘性噪聲抑制模型。但該模型對(duì)于圖像的紋理結(jié)構(gòu)保持并不理想，而且全變差正則化容易導(dǎo)致去噪圖像出現(xiàn)“階梯效應(yīng)”。2010年，張軍等人在AA模型基礎(chǔ)上提出了基于分?jǐn)?shù)階全變差正則化的分?jǐn)?shù)階AA模型(張軍，韋志輝.SAR圖像去噪的分?jǐn)?shù)階多尺度變分PDE模型及自適應(yīng)算法.電子與信息學(xué)報(bào)，2010, 32 (7): 1654-1659)，這種方法由于采用了分?jǐn)?shù)階全變差正則化，在紋理保持和“階梯效應(yīng)”抑制方面有比較好的效果。針對(duì)模型計(jì)算問(wèn)題,雖然Huang Y.等人針對(duì)AA模型提出的HNW算法(Huang Y.，NgM.and Wen Y.A new total variation method for multiplicative noise removal.SIAMJournal on Imaging Sciences, 2009，2 (I): 22 - 40)從一定程度上降低了模型的計(jì)算復(fù)雜度，但是它在每一個(gè)迭代步中都需要求解兩個(gè)特定的非線性方程，算法的收斂速度慢，計(jì)算量比較大，而且模型的參數(shù)需要人工調(diào)節(jié)，這大大影響了該方法在實(shí)際問(wèn)題中的應(yīng)用。分?jǐn)?shù)階AA模型雖然在紋理保持和“階梯效應(yīng)”抑制方面有較好的效果，但由于分?jǐn)?shù)階微分計(jì)算的復(fù)雜性以及模型本身具有的強(qiáng)非線性不可微性，模型的計(jì)算也非常困難，目前所采用的梯度下降算法收斂速度非常慢，計(jì)算量很大。針對(duì)加性噪聲去噪問(wèn)題，張軍等人提出了分?jǐn)?shù)階全變差正則化加性噪聲去噪方法(Zhang J.Wei Z and Xiao L.Adaptive Frac tional-order Mult1-scale Method forImage Denoising.Journal of Mathematical Imaging and Vision,2012,43(I):39 -49)，對(duì)目前常用的求解全變差正則化圖像去噪問(wèn)題的Chambolle投影算法(ChambolleA.An algorithm for total variation minimization and applications.Journal ofMathematical Imaging and Vision, 2004，20 (I)，89-97)進(jìn)行了推廣，提出了一種推廣Chambolle算法來(lái)求解分?jǐn)?shù)階全變差正則化加性噪聲去噪問(wèn)題，大大提高了計(jì)算效率。但這種方法只能解決加性噪聲去噪問(wèn)題，目前還沒(méi)有用于相干斑乘性噪聲抑制問(wèn)題。另外，雖然在張軍的這兩篇基于分?jǐn)?shù)階全變差圖像去噪方法的文章中，對(duì)模型參數(shù)進(jìn)行都進(jìn)行了自適應(yīng)計(jì)算，在計(jì)算參數(shù)時(shí)考慮了圖像紋理、卡通(含平滑及邊緣)形態(tài)成分的差異，但文章中所采用的參數(shù)估計(jì)方法受到紋理影響，容易產(chǎn)生較大誤差，對(duì)于圖像紋理形態(tài)和卡通形態(tài)成分的分類(lèi)，以及分?jǐn)?shù)階差分階數(shù)的計(jì)算都是采用簡(jiǎn)單的硬閾值方法，容易導(dǎo)致分類(lèi)不準(zhǔn)確，而且處理后的圖像的灰度在不同圖像形態(tài)成分的交界處有明顯階躍，視覺(jué)效果不夠理想。

發(fā)明內(nèi)容
本發(fā)明目的是提供一種基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法。實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為:一種基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，通過(guò)以下兩個(gè)步驟的交替迭代計(jì)算來(lái)實(shí)現(xiàn)圖像相干斑噪聲抑制:步驟一:對(duì)于當(dāng)前待處理的含噪聲圖像，利用分?jǐn)?shù)階全變差正則化加性噪聲去噪方法進(jìn)行去噪，得到當(dāng)前的去噪圖像和加性殘差圖像；步驟二:將步驟一中得到的加性殘差圖像乘以一個(gè)權(quán)重矩陣之后，反饋加回到原始含噪聲圖像中，得到新的待處理的含噪聲圖像；該交替迭代過(guò)程用下面的公式表示:
權(quán)利要求
1.一種基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，其特征在于，通過(guò)以下兩個(gè)步驟的交替迭代計(jì)算來(lái)實(shí)現(xiàn)圖像相干斑噪聲抑制: 步驟一:對(duì)于當(dāng)前待處理的含噪聲圖像，利用分?jǐn)?shù)階全變差正則化加性噪聲去噪方法進(jìn)行去噪，得到當(dāng)前的去噪圖像和加性殘差圖像； 步驟二:將步驟一中得到的加性殘差圖像乘以一個(gè)權(quán)重矩陣之后，反饋加回到原始含噪聲圖像中，得到新的待處理的含噪聲圖像； 該交替迭代過(guò)程用下面的公式表示:
2.根據(jù)權(quán)利要求1所 述的基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，其特征在于:公式(I)中的分?jǐn)?shù)階全變差正則化加性噪聲去噪模型的正則化參數(shù)Y = O，其中ο為原始含噪聲圖像f中所含相干斑噪聲的標(biāo)準(zhǔn)差。
3.依據(jù)權(quán)利要求1所述的基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，其特征在于，圖像中每個(gè)像素點(diǎn)(i，j)處的分?jǐn)?shù)階奇異性指標(biāo)a (i, j)按照如下方式進(jìn)行計(jì)算:
4.依據(jù)權(quán)利要求1、2或3所述的基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，其特征在于:所述的相干斑噪聲的標(biāo)準(zhǔn)差σ、圖像卡通形態(tài)成分Ue以及相應(yīng)的乘性殘差圖像/ = f/uc的局部方差Varltj。，按照下面的方法進(jìn)行計(jì)算: 首先，按照如下公式對(duì)圖像所含相干斑噪聲的標(biāo)準(zhǔn)差進(jìn)行初步估計(jì):
5.依據(jù)權(quán)利要求1或3所述的基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，其特征在于:圖像中(i，j)處像素點(diǎn)的邊緣形態(tài)模糊隸屬度Earea(i，j)按照下面步驟進(jìn)行計(jì)算: 首先，針對(duì)依據(jù)權(quán)利要求4計(jì)算得到的卡通形態(tài)成分ue，使用Canny邊緣檢測(cè)算子進(jìn)行邊緣檢測(cè)，得到二值圖像E(ue)，在邊緣處值為1，其余部分值為O ; 然后，將二值圖像E(Ue)與一個(gè)標(biāo)準(zhǔn)化Gauss模板G進(jìn)行卷積，得到圖像
6.依據(jù)權(quán)利要求1或3所述的基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，其特征在于:圖像中(i，j)處像素點(diǎn)的紋理形態(tài)模糊隸屬度Tarea(i，j)和平滑形態(tài)模糊隸屬度Carea (i，j)按照下面步驟進(jìn)行計(jì)算: 首先，利用依據(jù)權(quán)利要求4計(jì)算得到的局部方差矩陣Varltj。，對(duì)圖像中(i，j)處像素點(diǎn)的紋理形態(tài)隸屬度進(jìn)行初步估計(jì)
7.依據(jù)權(quán)利要求1所述的基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，其特征在于:對(duì)于任意一幅圖像U，在圖像像素點(diǎn)(i，j)處的a (i，j)階分?jǐn)?shù)階差分
8.依據(jù)權(quán)利要求1所述的基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，其特征在于:在按照迭代公式(I)進(jìn)行計(jì)算過(guò)程中，當(dāng)?shù)玫叫碌娜ピ雸D像1^)時(shí)，按照下面方式對(duì)加權(quán)矩陣^11)進(jìn)行更新:
9.依據(jù)權(quán)利要求1或8所述的基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法，其特征在于:參數(shù)C1, C2, C3滿足O < C1 < C2彡C3 < 2，其計(jì)算公式為
全文摘要
本發(fā)明公開(kāi)了一種基于圖像形態(tài)模糊隸屬度的分?jǐn)?shù)階自適應(yīng)相干斑濾波方法。該方法通過(guò)分?jǐn)?shù)階全變差正則化加性噪聲去噪和殘差圖像加權(quán)反饋兩個(gè)步驟的交替迭代來(lái)實(shí)現(xiàn)相干斑濾波，利用對(duì)噪聲標(biāo)準(zhǔn)差、圖像卡通形態(tài)成分及其相應(yīng)的殘差圖像的局部方差的估計(jì)，計(jì)算每個(gè)像素點(diǎn)歸屬于圖像邊緣、紋理和平滑三種形態(tài)的模糊隸屬度，在此基礎(chǔ)上提出模型參數(shù)的自適應(yīng)計(jì)算方法，并簡(jiǎn)化分?jǐn)?shù)階差分的計(jì)算，提出一種分?jǐn)?shù)階自適應(yīng)相干斑濾波方法。本方法能有效抑制噪聲和“階梯效應(yīng)”，較好地保持圖像邊緣和紋理細(xì)節(jié)，濾波圖像具有良好的視覺(jué)效果。本方法計(jì)算速度快，算法參數(shù)自適應(yīng)計(jì)算，具有良好的實(shí)用性，在遙感、合成孔徑雷達(dá)以及醫(yī)學(xué)成像等領(lǐng)域具有廣泛應(yīng)用前景。
文檔編號(hào)G06T5/00GK103236046SQ201310157990
公開(kāi)日2013年8月7日 申請(qǐng)日期2013年4月28日 優(yōu)先權(quán)日2013年4月28日
發(fā)明者張軍, 肖亮, 韋志輝 申請(qǐng)人:南京理工大學(xué)