一种基于多通道噪声检测的滤波方法及装置[发明专利]

(12)发明专利申请

(10)申请公布号 CN 106327436 A(43)申请公布日 2017.01.11

(21)申请号 201610651404.6(22)申请日 2016.08.10

(71)申请人 广东工业大学

地址 510062 广东省广州市越秀区东风东

路729号大院(72)发明人 熊园园　钟灵　唐平　

(74)专利代理机构 北京集佳知识产权代理有限

公司 11227

代理人 罗满(51)Int.Cl.

G06T 5/00(2006.01)

权利要求书2页 说明书10页 附图2页

()发明名称

一种基于多通道噪声检测的滤波方法及装置

(57)摘要

本发明公开了一种基于多通道噪声检测的滤波方法及装置，通过获取待检测彩色图像；分别对彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵；通过子通道噪声标识矩阵得到彩色图像的噪声标识矩阵；根据彩色图像的噪声标识矩阵，对彩色图像中的脉冲噪声点进行滤除，获取滤波后图像。本发明所提供的滤波方法及装置，不仅能够快速有效地抑制脉冲噪声，而且保护图像边缘信息和细节特征的能力也更加优异，提高了图像处理的速度和精准度。CN 106327436 ACN 106327436 A

权　利　要　求　书

1/2页

1.一种基于多通道噪声检测的滤波方法，其特征在于，包括：获取待检测彩色图像；

分别对所述彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵；

通过所述子通道噪声标识矩阵得到所述彩色图像的噪声标识矩阵；根据所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，获取滤波后图像。

2.如权利要求1所述的基于多通道噪声检测的滤波方法，其特征在于，所述分别对所述彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵包括：

通过自适应加权矢量中值噪声检测器进行噪声检测，对图像像素点进行分类，在检测窗口内求取所有图像灰度值的极大值与极小值，并根据像素灰度值与所有极值像素值的加权平均值的差值是否超过预先设定的检测阈值来判断是否为噪声点。

3.如权利要求2所述的基于多通道噪声检测的滤波方法，其特征在于，所述通过所述子通道噪声标识矩阵得到所述彩色图像的噪声标识矩阵包括：

通过将所述子通道噪声标识矩阵进行矩阵逻辑或运算，得到所述彩色图像的噪声标识矩阵。

4.如权利要求1至3任一项所述的基于多通道噪声检测的滤波方法，其特征在于，所述根据所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，获取滤波后图像包括：

采用改进中值滤波方法对所述彩色图像中的脉冲噪声点进行滤除。5.如权利要求4所述的基于多通道噪声检测的滤波方法，其特征在于，所述采用改进中值滤波方法对所述彩色图像中的脉冲噪声点进行滤除包括：

扫描所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，而保留滤波窗口中未被噪声污染的点。

6.一种基于多通道噪声检测的滤波装置，其特征在于，包括：获取模块，用于获取待检测彩色图像；检测模块，用于分别对所述彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵；

确定模块，用于通过所述子通道噪声标识矩阵得到所述彩色图像的噪声标识矩阵；滤波模块，用于根据所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，获取滤波后图像。

7.如权利要求6所述的基于多通道噪声检测的滤波装置，其特征在于，所述检测模块具体用于：

通过自适应加权矢量中值噪声检测器进行噪声检测，对图像像素点进行分类，在检测窗口内求取所有图像灰度值的极大值与极小值，并根据像素灰度值与所有极值像素值的加权平均值的差值是否超过预先设定的检测阈值来判断是否为噪声点。

8.如权利要求7所述的基于多通道噪声检测的滤波装置，其特征在于，所述确定模块具体用于：

通过将所述子通道噪声标识矩阵进行矩阵逻辑或运算，得到所述彩色图像的噪声标识

2

CN 106327436 A

权　利　要　求　书

2/2页

矩阵。

9.如权利要求6至8任一项所述的基于多通道噪声检测的滤波装置，其特征在于，所述滤波模块具体用于：

采用改进中值滤波方法对所述彩色图像中的脉冲噪声点进行滤除。10.如权利要求9所述的基于多通道噪声检测的滤波装置，其特征在于，所述滤波模块具体用于：

扫描所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，而保留滤波窗口中未被噪声污染的点。

3

CN 106327436 A

说　明　书

一种基于多通道噪声检测的滤波方法及装置

1/10页

技术领域

[0001]本发明涉及图像处理技术领域，特别是涉及一种基于多通道噪声检测的滤波方法及装置。

背景技术

[0002]在图像处理中，无论是在图像生成过程中，还是图像应用中，都会受到各类噪声的干扰，其中最为普遍的就是受到脉冲噪声的干扰。脉冲噪声会导致图像呈现出随机分布的黑白相间的噪声点，极大地降低图像质量。近些年来掀起一股研究彩色图像滤波去噪算法的热潮。彩色图像滤波方法目前分为两大类，分别是基于分量形式的滤波方法和基于矢量的滤波方法。

[0003]分量形式的滤波方法是首先对彩色图像的三个子通道R、G、B分别滤波，然后再合成形成新的彩色图像。分量形式的滤波器将彩色图像作为多个灰度图像并且单独地处理每个颜色通道。大多数标量滤波方法可以直接应用到彩色图像，但是由于没有考虑彩色图像三个颜色通道之间的自然相关性，导致滤波后的图像引入原图中未出现的人工颜色。矢量滤波方法能够较好地解决该问题。

[0004]传统滤波方法根据统一的标准对图像的所有像素进行处理，非噪声像素被平滑处理，这样就造成滤波后的图像边缘模糊化、细节特征被损坏、视觉效果不理想，很难达到图像滤波的基本要求。人们从不同方面对传统的滤波算法进行改进，虽然改进过的滤波方法对于彩色脉冲噪声均有滤除能力，但在处理被污染的图像时，没有区分当前像素及其邻域像素是否受到噪声污染，这样也使得处理后的图像边缘信息丢失，细节特征被损坏导致图像失真。

[0005]近年来，涌现出各类开关型的矢量滤波方法，例如快速对等组滤波(FPGF)、鲁棒开关中值滤波(RSVMF)、对等体组开关中值滤波(PGSF)方法、四元数开关中值滤波(QSF)方法、基于监督学习算法的开关中值滤波(MSN)方法等等。基于噪声检测的这类滤波方法的主要特征就是通过某种特定的检测标准把受噪声污染的图像像素分为噪声像素和非噪声像素，这样大大的提高了图像滤波方法的细节保护能力和滤波性能。但是这些方法在检测阶段中容易产生许多误判和漏判现象，容易造成噪声点在滤除阶段在图像中广泛传播，图像边缘细节丢失或损坏。

发明内容

[0006]本发明的目的是提供一种基于多通道噪声检测的滤波方法及装置，目的在于快速有效地抑制脉冲噪声的同时，更好地保护图像边缘信息和细节特征。[0007]为解决上述技术问题，本发明提供一种基于多通道噪声检测的滤波方法，包括：[0008]获取待检测彩色图像；

[0009]分别对所述彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵；

4

CN 106327436 A[0010]

说　明　书

2/10页

通过所述子通道噪声标识矩阵得到所述彩色图像的噪声标识矩阵；

[0011]根据所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，获取滤波后图像。[0012]可选地，所述分别对所述彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵包括：

[0013]通过自适应加权矢量中值噪声检测器进行噪声检测，对图像像素点进行分类，在检测窗口内求取所有图像灰度值的极大值与极小值，并根据像素灰度值与所有极值像素值的加权平均值的差值是否超过预先设定的检测阈值来判断是否为噪声点。[0014]可选地，所述通过所述子通道噪声标识矩阵得到所述彩色图像的噪声标识矩阵包括：

[0015]通过将所述子通道噪声标识矩阵进行矩阵逻辑或运算，得到所述彩色图像的噪声标识矩阵。

[0016]可选地，所述根据所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，获取滤波后图像包括：

[0017]采用改进中值滤波方法对所述彩色图像中的脉冲噪声点进行滤除。[0018]可选地，所述采用改进中值滤波方法对所述彩色图像中的脉冲噪声点进行滤除包括：

[0019]扫描所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，而保留滤波窗口中未被噪声污染的点。

[0020]本发明还提供了一种基于多通道噪声检测的滤波装置，包括：[0021]获取模块，用于获取待检测彩色图像；[0022]检测模块，用于分别对所述彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵；[0023]确定模块，用于通过所述子通道噪声标识矩阵得到所述彩色图像的噪声标识矩阵；

[0024]滤波模块，用于根据所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，获取滤波后图像。[0025]可选地，所述检测模块具体用于：

[0026]通过自适应加权矢量中值噪声检测器进行噪声检测，对图像像素点进行分类，在检测窗口内求取所有图像灰度值的极大值与极小值，并根据像素灰度值与所有极值像素值的加权平均值的差值是否超过预先设定的检测阈值来判断是否为噪声点。[0027]可选地，所述确定模块具体用于：

[0028]通过将所述子通道噪声标识矩阵进行矩阵逻辑或运算，得到所述彩色图像的噪声标识矩阵。

[0029]可选地，所述滤波模块具体用于：

[0030]采用改进中值滤波方法对所述彩色图像中的脉冲噪声点进行滤除。[0031]可选地，所述滤波模块具体用于：[0032]扫描所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，而保留滤波窗口中未被噪声污染的点。

5

CN 106327436 A[0033]

说　明　书

3/10页

本发明所提供的基于多通道噪声检测的滤波方法及装置，通过获取待检测彩色图

像；分别对彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵；通过子通道噪声标识矩阵得到彩色图像的噪声标识矩阵；根据彩色图像的噪声标识矩阵，对彩色图像中的脉冲噪声点进行滤除，获取滤波后图像。本发明所提供的滤波方法及装置，不仅能够快速有效地抑制脉冲噪声，而且保护图像边缘信息和细节特征的能力也更加优异，提高了图像处理的速度和精准度。

附图说明

[0034]为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0035]图1为本发明所提供的基于多通道噪声检测的滤波方法的一种具体实施方式的流程图；

[0036]图2为本发明所提供的基于多通道噪声检测的滤波方法的另一种具体实施方式的示意图；

[0037]图3为本发明所提供的基于多通道噪声检测的滤波方法的另一种具体实施方式的流程图；

[0038]图4为本发明实施例提供的基于多通道噪声检测的滤波装置的结构框图；[0039]图5(a)为原始图像lena图；图5(b)、(c)、(d)、(e)分别为滤波器FPGF、ACWVMF、RSVMF和AMF对应输出的结果图像；图5(f)为本发明所提供的滤波器的输出图像。具体实施方式

[0040]为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0041]本发明所提供的基于多通道噪声检测的滤波方法的一种具体实施方式的流程图如图1所示，该方法包括：[0042]步骤S101：获取待检测彩色图像；[0043]步骤S102：分别对所述彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵；[0044]步骤S103：通过所述子通道噪声标识矩阵得到所述彩色图像的噪声标识矩阵；[0045]步骤S104：根据所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，获取滤波后图像。

[0046]本发明所提供的基于多通道噪声检测的滤波方法，通过获取待检测彩色图像；分别对彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵；通过子通道噪声标识矩阵得到彩色图像的噪声标识矩阵；根据彩色图像的噪声标识矩阵，对彩色图像中的脉冲噪声点进行滤除，获取滤波后图像。本发明所提供的滤波方法，不仅能够快速有

6

CN 106327436 A

说　明　书

4/10页

效地抑制脉冲噪声，而且保护图像边缘信息和细节特征的能力也更加优异，提高了图像处理的速度和精准度。

[0047]在上述实施例的基础上，本发明所提供的基于多通道噪声检测的滤波方法分别对所述彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵的过程可以具体为：

[0048]通过自适应加权矢量中值噪声检测器进行噪声检测，对图像像素点进行分类，在检测窗口内求取所有图像灰度值的极大值与极小值，并根据像素灰度值与所有极值像素值的加权平均值的差值是否超过预先设定的检测阈值来判断是否为噪声点。[0049]在得到三个子通道噪声标识矩阵之后，通过子通道噪声标识矩阵得到彩色图像的噪声标识矩阵的过程可以具体为：

[0050]通过将所述子通道噪声标识矩阵进行矩阵逻辑或运算，得到所述彩色图像的噪声标识矩阵。

[0051]在上述任一实施例的基础上，本发明所提供的基于多通道噪声检测的滤波方法中，根据所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，获取滤波后图像的过程可以具体为：

[0052]采用改进中值滤波方法对所述彩色图像中的脉冲噪声点进行滤除。[0053]具体地，扫描所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，而保留滤波窗口中未被噪声污染的点。

[00]请参照图2以及图3本发明所提供的基于多通道噪声检测的滤波方法的另一种具体实施方式的示意图以及流程图，下面对本发明所提供的滤波方法的另一种具体实施方式的工作过程进行进一步详细描述。该实施例的实施过程具体包括：[0055]步骤S201：输入待检测彩色脉冲噪声图像I0。

[0056]

I0可以分成三个颜色子通道图像：红色子通道图像绿色子通道图像和蓝色

子通道图像

[0057]

步骤S202：由于彩色图像的3个通道都有可能受到噪声的干扰，因此可分别对3个颜色通道图像进行噪声检测。

首先创建一个与各颜色通道噪声图像的维数大小相同的布尔矩阵

表示，即

来标识彩色

[0058]

图像的噪声像素。这里C∈{R,G,B}。每个子通道标识矩阵中的每个元素相对应于单通道噪声图像的每个像素，标识矩阵中的每个元素用

[0059][0060]

为1表示该元素所对应的图像像素为脉冲噪声，为0表示原图像像素。在进行

噪声检测的过程中，脉冲噪声检测器检测待处理图像像素，将矩阵中的元素赋值为1或保持

原值0。在分别得到3个颜色通道噪声标识矩阵后，通过进行矩阵逻辑或运算到整个彩色图像的噪声标识矩阵

[0061][0062][0063]

M0＝{M0(i,j),0≤i≤L,0≤j≤M}

这里的表示M0整个彩色图像的噪声标识矩阵，|表示矩阵逻辑或运算。

7

CN 106327436 A[00]

说　明　书

5/10页

步骤S203：在滤波阶段，只滤除噪声像素，而对未受噪声干扰的像素则保持原值。

[0065]扫描整体图像噪声检测矩阵M0的元素值，如果为1则对所对应的图像像素点被噪声污染需要进行滤波去除，为0则保持原值，该像素点不需要参与滤波阶段。

[0066]

[0067]这里为最终的像素颜色输出值，Imea为经过改进的矢量中值滤波器输出的

像素值。

[0068]步骤S204：输出滤波后图像If。

[0069]下面对自适应加权中值噪声检测器的具体工作流程进行进一步详细阐述。

[0070]

从待检测彩色图像I0中分离出3个通道子图像以R通道图像为例，任意选取每一像素的R分量

以

和三个子通道图像可以

采用3×3大小的窗口进行噪声检测。

[0071]

为中心确定噪声检测窗口

则检测窗口内所有像素灰度值构成的集合Cij可表示为：

[0072][0073]

将Cij中所有像素灰度值从小到大依次排列，找到窗口内所有像素点的中值

和最小灰度值

并且统计检测出个数N。Cij中灰度值与

并且找出最大灰度值

相等的图像像素构成一个集合Aij，并且求取该集合中所有像素灰度值的加权平

均值。在集合Aij中，某一像素(i+s,j+t)对应的加权系数Hi,j,s.t与两个因素有关：所有像素灰度值中值

[0074]

与

的差值以及最大灰度值与最小灰度值的差值。

[0075]求取Ai，j窗口内所有像素的加权平均值

[0076]

[0077]如果某个像素满足与之间的差值大于检测阈值Td，同时

加以标记；否则，视

与和中某标

一值相等，则判定记。

[0078][0079]

为噪声点，用为非噪声点，用

通过子通道脉冲噪声检测器可以别得到图像G和B通道中的噪声分布标识矩阵

8

CN 106327436 A

说　明　书

6/10页

和由此，对于噪声图像I0三个通道分别运用该脉冲噪声检测器，可以检测噪声图像中

所有噪声像素点。

[0080]下面对本发明实施例中对彩色图像中的脉冲噪声点进行滤除，获取滤波后图像的过程进行进一步阐述。需要指出的是，该过程只让滤波窗口中未被噪声污染的点参与滤波，滤波去除脉冲噪声点，这样可有效地抑制阻止噪声点在图像中的广泛传播，更好的保护图像细节特征。

[0081]扫描整体彩色图像噪声标识矩阵，如果元素值为1则对所对应的脉冲噪声点进行滤波消除，为0则保持原值。

[0082]

[0083]这里，为最终的像素颜色输出值，Imea为经过滤改进的矢量中值滤波器输出

的灰度值。

[0084]本实施例通过改进传统矢量中值滤波方法，在滤波窗口WF邻域内去掉窗口中噪声像素点，设滤波窗口WF中检测出p个脉冲噪声点，噪声点的颜色灰度值不参与计算。则修正后的矢量中值滤波器可以表示为：

[0085]

下面对本发明实施例提供的基于多通道噪声检测的滤波装置进行介绍，下文描述

的基于多通道噪声检测的滤波装置与上文描述的基于多通道噪声检测的滤波方法可相互对应参照。

[0087]图4为本发明实施例提供的基于多通道噪声检测的滤波装置的结构框图，参照图4基于多通道噪声检测的滤波装置可以包括：[0088]获取模块100，用于获取待检测彩色图像；[00]检测模块200，用于分别对所述彩色图像的每个颜色通道进行噪声点检测，得到三个子通道噪声标识矩阵；[0090]确定模块300，用于通过所述子通道噪声标识矩阵得到所述彩色图像的噪声标识矩阵；

[0091]滤波模块400，用于根据所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，获取滤波后图像。[0092]在上述实施例的基础上，本发明所提供的基于多通道噪声检测的滤波装置中，检测模块200可以具体用于：

[0093]通过自适应加权矢量中值噪声检测器进行噪声检测，对图像像素点进行分类，在检测窗口内求取所有图像灰度值的极大值与极小值，并根据像素灰度值与所有极值像素值的加权平均值的差值是否超过预先设定的检测阈值来判断是否为噪声点。[0094]作为一种具体实施方式，上述确定模块300具体用于：[0095]通过将所述子通道噪声标识矩阵进行矩阵逻辑或运算，得到所述彩色图像的噪声标识矩阵。

9

[0086]

CN 106327436 A[0096]

说　明　书

7/10页

在上述任一实施例的基础上，上述滤波模块400可以具体用于：

[0097]采用改进中值滤波方法对所述彩色图像中的脉冲噪声点进行滤除。[0098]具体地，扫描所述彩色图像的噪声标识矩阵，对所述彩色图像中的脉冲噪声点进行滤除，而保留滤波窗口中未被噪声污染的点。

[0099]下面从噪声检测和滤波性能两方面将本发明所提供的滤波方法与几种常用的滤波器进行性能比较。

[0100]在检测阶段中，由于各种噪声检测器的检测准则不尽相同，容易造成噪声误判和漏判，第一阶段的检测结果会直接影响到第二阶段的滤波效果。误检率Pm和漏检率Pu两个参数被用来衡量噪声检测器的检测性能：

[0101][0102]

Nu是误将噪声像素判断为非噪声像素的数目；Nm是误将非噪声像素判断为噪声像

素的数目；Nt是噪声图像I0中的所有像素。[0104]在标准灰度图像“airplane”和“lena”(8位灰度图像，大小为256×256)中人工加入噪声概率从10％～50％的脉冲噪声，采用MaxMin检测、AWVMD检测、DWM检测、ASM检测四种检测算法对噪声图像进行噪声点的检测，比较各种检测方法在噪声检测阶段性能的优劣。四种检测方法对应的Pu和Pm如表1、2所示。

[0105]表1四种检测方法lena图像对比实验结果

[0103]

[0106]

[0107]

表2四种检测方法airplane图像对比实验结果

10

CN 106327436 A

说　明　书

8/10页

[0108]

[0109]

由表1和表2可以看出：在漏检率方面，MaxMin检测和AWVMD检测算法均优于DWM检

测和ASM检测。在误检率方面，AWVMD检测均为0，有利于保护图像的细节特征以及边缘信息。WVM算法的漏检率和误检率随着噪声密度的增大而不断升高，因此，对于具有高噪声密度的图像，WVM检测算法始终不能获得较为满意的检测结果。ASM算法在不同的噪声概率下，漏检率和误检率一直都有存在，其漏检率随着噪声概率的升高也不断增加。综合多方面来考虑，AWVMD检测算法具有更强更稳定的噪声检测能力。[0110]均值绝对差(MAE)，归一化彩色标准(NCD)和均值平方差(MSE)三个客观性能参数被用来评估滤波器的滤波性能。通过这些指标值可以对不同滤波器的噪声抑制能力和细节保护能力进行客观评价。NCD是将RGB颜色空间的矢量们转换到均匀的CIELAB颜色空间后，再计算其距离差值并归一化的结果。本申请采用MAE和MSE、NCD作为评价标准，其定义如下：

[0111]

[0112]

[0113]

[0114]

其中，L、M分别为图像的高度和宽度，(i,j)为像素在图像中的位置；I0(l)和If(l)分别表示在图像位置(i,j)处没有受到噪声污染的原图像中像素值和滤波后图像中像素值；

分别代表未污染的原图矢量在CIELAB颜色空间下的三分量，

即代表了

矢量I0ij的亮度，代表了色量的亮度，代表了滤波后矢量Ifij的

各个分量。

[0115]在标准测试图像“lena”中加入仿真的椒盐脉冲噪声，噪声概率为5％～40％，滤波窗口为3×3。图5(a)-5(f)为本发明所提供的滤波器和常用的矢量滤波器的滤波效果对比图。图5(a)为原始图像lena图；图5(b)、(c)、(d)、(e)分别为常用的矢量滤波器FPGF、ACWVMF、RSVMF和AMF所输出的结果图像；图5(f)为本发明所提供的滤波器的输出图像。

11

CN 106327436 A[0116]

说　明　书

9/10页

从滤波结果对比图可以看出，常用的传统滤波器的输出图像中，有明显的噪声点

没有去除干净，AMF滤波输出的图像边缘模糊化非常明显，边缘信息部分丢失。但在本发明所提供的滤波器MAVMF的输出图像中，噪声去除得比较干净，看不出明显的噪声点，基本上保证了图像细节特征和边缘信息的完整性。综合来看，本申请所提供的滤波器具有更强的保护原有图像细节特征以及边缘信息的能力。[0117]表1采用不同滤波方法的MAE结果

[0118]

[0119]

表2采用不同滤波方法的MSE结果

[0120]

[0121]

表3采用不同滤波方法的NCD结果

[0122]

[0123]

表1、2和3是对于Lena测试图像在不同噪声概率下各种滤波器的MAE、MSE和NCD数

值。由定义可以看出，它们的值越小，表明滤波器滤波效果越好，滤波性能更强。从上面三个表中可以清楚地看出，相对于常用滤波器来说，本发明所提供的滤波器NDAVMF表现出来更加优异的滤波性能。本发明所提供的滤波器不仅具有比较稳定精准的滤波性能而且能够很好地保留图像的细节特征。

[0124]针对被脉冲噪声污染的彩色图像，本发明所提供的基于多通道噪声检测的滤波方法及装置，在噪声检测阶段中首先采用自适应加权中值噪声检测器分别去检测三个子颜色通道中的噪声像素点，得到三个子通道噪声标识矩阵，然后通过矩阵的逻辑或运算得到整个彩色图像对应的噪声标识矩阵。在滤波阶段中，应用后续的滤波算法滤波去除噪声像素，而非噪声像素点保持原值不变。

[0125]本申请在检测阶段过程中不仅能快速有效地检测出噪声像素，从而直接影响到后

12

CN 106327436 A

说　明　书

10/10页

面的滤波效果，更好地保留原有图像中的细节特征和边缘信息，避免边缘细化或粗化导致图像失真。对于含有脉冲噪声的彩色图像来说，本发明所提供的滤波器的去除噪声能力和保留图像中原有细节的性能明显优于传统的矢量滤波方法。[0126]本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

[0127]专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

[0128]结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

[0129]以上对本发明所提供的基于多通道噪声检测的滤波方法以及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

13

CN 106327436 A

说　明　书　附　图

1/2页

图1

图2

14

CN 106327436 A

说　明　书　附　图

2/2页

图3

图4

图5(a)图5(b)图5(c)

图5(d)

图5(e)

15

图5(f)