一种去除视频孤立噪声点的方法

摘要

本发明提供了一种去除视频孤立噪声点的方法，其包含以下步骤：1.根据输入的图像，计算亮度图；2.对图像亮度图进行分频，得到高频部分和低频部分；3.按顺序识别图像各像素点的性质，包括小幅高频噪声、非边界噪声、孤立噪声点和图像有用信号，并对其作相应的去噪处理。本发明提供的去除视频孤立噪声点的方法，针对噪声的特点，应用像素间的相关信息，对图像进行分类，分别针对孤立噪声、非边界噪声和小幅高频噪声的不同特性，采用不同的处理方法，去除噪声的效果良好，同时，在去除噪声的基础上，最大程度的保留了图像的细节和边缘的清晰度，使图像不因去噪而变得模糊。

主权项

1.一种去除视频孤立噪声点的方法，特征在于，包括以下步骤：步骤1、计算视频图像的亮度图f(i，j)，其中，i和j分别表示当前点像素在图像中所处的行列位置；步骤2、使用低通滤波器对图像亮度图f(i，j)进行低通滤波，得到图像亮度图的低频部分fL(i，j)；并计算图像亮度图的高频部分fH(i，j)： fH(i，j)＝f(i，j)-fL(i，j)；步骤3、按顺序识别图像各像素点的性质，包括小幅高频噪声、非边界噪声、孤立噪声点和图像有用信号，并作相应处理：步骤3.1、选取一个以当前像素点为中心的，大小为N*N的统计模板，其中，N是大于1的奇整数；步骤3.2、识别当前像素是否是小幅高频噪声，并对其作相应处理：步骤3.2.1、对当前像素亮度的高频部分fH(i，j)进行比较判断：若0＜|fH(i，j)|≤T1，其中，T1是预先设定的阈值，则认为该像素点为小幅高频噪声，继续执行步骤3.2.2；若|fH(i，j)|＞T1，则跳转执行步骤3.3；步骤3.2.2、令w(i，j)＝1，其中，w为权值；步骤3.2.3、对当前属于小幅高频噪声的像素点的亮度值重新赋值，得到输出值：$f_{\mathrm{den}}(i,j)=\frac{\underset{l=-k}{\overset{k}{\Sigma }}\underset{m=-k}{\overset{k}{\Sigma }}f(i+l,j+m)*w(i+l,j+m)*H(i+l,j+m)}{\underset{l=-k}{\overset{k}{\Sigma }}\underset{m=-k}{\overset{k}{\Sigma }}w(i+l,j+m)};$ 其中，H是一低通滤波器模板，k＝(N-1)/2；步骤3.3、识别当前像素是否是非边界噪声，并对其作相应处理；步骤3.3.1、由于当前像素点|fH(i，j)|＞T1，在以该点为中心的N*N的统计模板内，统计|fH(i，j)|＞T1的像素点的个数n；若n＜T2，T2是预先设定的N*N邻域边界像素点数的阈值，则执行步骤3.3.2；若n≥T2，则跳转执行步骤3.4；步骤3.3.2、令w(i，j)＝0，其中，w为权值；步骤3.3.3、对当前属于非边界噪声的像素点的亮度值重新赋值，得到输出值：$f_{\mathrm{den}}(i,j)=\frac{\underset{l=-k}{\overset{k}{\Sigma }}\underset{m=-k}{\overset{k}{\Sigma }}f(i+l,j+m)*w(i+l,j+m)}{\underset{l=-k}{\overset{k}{\Sigma }}\underset{m=-k}{\overset{k}{\Sigma }}w(i+l,j+m)};$ 其中，k＝(N-1)/2；步骤3.4、识别当前像素是否是孤立噪声点，并对其作相应处理：步骤3.4.1、判断|fH(i，j)-max_f(i，j)|＞T3是否成立，其中，T3是预先设定的阈值；若成立，则执行步骤3.4.3；若不成立，则执行步骤3.4.2；步骤3.4.2、判断|fH(i，j)-max_f(i，j)|≤T3&|fH(i，j)-sec_f(i，j)|＞T3是否成立，其中，max_f(i，j)是以当前像素点为中心的N*N-1邻域内的像素点高频分量绝对值的最大值，sec_f(i，j)是以当前像素点为中心的N*N-1邻域内的像素点的高频分量绝对值的第二大值；若成立，则执行步骤3.4.3；若不成立，则说明当前像素点不属于孤立噪声点，执行步骤3.5；步骤3.4.3、对当前为孤立噪声的像素点的亮度值重新赋值，得到输出值：$f_{\mathrm{den}}(i,j)=\frac{\underset{l=-k}{\overset{k}{\Sigma }}\underset{m=-k}{\overset{k}{\Sigma }}f(i+l,j+m)}{N*N-1};$ 步骤3.5、当前像素点不属于噪声点，属于图像边界或细节信息，保留输入的原值，并直接输出。