專利名稱：雙變量非局部平均濾波x射線圖像消噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于X射線圖像消噪領(lǐng)域，具體涉及一種模糊自適應(yīng)參數(shù)調(diào)整的雙變量非局部平均濾波(Fuzzy Adaptive Non Local means,簡寫為FANL means)算法的X射線圖像的消噪方法。
背景技術(shù)：
隨著工業(yè)X射線探傷技術(shù)的不斷發(fā)展，對X射線掃描圖像的質(zhì)量也提出了越來越多的要求，這就要求有效的消除實時檢測過程中產(chǎn)生的噪聲信息。由于X射線掃描圖像灰度區(qū)間比較窄、缺陷邊緣模糊、圖像噪聲多、缺陷特征有時被淹沒的特點，影響了根據(jù)X射線圖像對被檢測工件進(jìn)行分析和評價的效果。隨著X射線采集設(shè)備的不斷更新，新的X射線掃描機(jī)能更加全面、準(zhǔn)確的描述工業(yè)圖像的信息，這就導(dǎo)致圖像中含有更多的像素，其像素間的冗余量大大增加。因此，通過模糊自適應(yīng)優(yōu)化算子去除信息中不相關(guān)的量，并保持其內(nèi)部結(jié)構(gòu)的不變性是非局部平均消噪亟待解決的關(guān)鍵技術(shù)。非局部平均濾波算法利用冗余信息進(jìn)行消噪處理，它是對傳統(tǒng)局部消噪模型的一個革新，其主要思想不是用圖像中單個像素的灰度值進(jìn)行比較，而是對該像素周圍的整個灰度的分布狀況進(jìn)行比較，根據(jù)整個灰度分布的相似性來估計權(quán)值，其本質(zhì)是將原圖像像素間的相關(guān)性映射到象空間進(jìn)行處理。Buades指出應(yīng)充分利用冗余信息為消噪服務(wù)，在 Buades近年研究的理論分析和實驗結(jié)果表明，傳統(tǒng)非局部平均濾波消噪算法在主客觀性能上都優(yōu)于常見的圖像消噪算法，如高斯濾波、各向異性濾波、總誤差最小化、鄰域濾波等等， 它起源于鄰域濾波算法，是對鄰域濾波算法的一種推廣，其權(quán)值根據(jù)像素周圍整個區(qū)域灰度分布的相似性得到，在降低圖像噪聲的同時具有很強(qiáng)的保持圖像空間分辨率的能力。利用傳統(tǒng)的非局部平均濾波算法處理復(fù)雜圖像時，其計算量較大，處理速度慢，尤其是在處理較大圖像時，此問題更加突出；此外，該方法會在圖像的平滑區(qū)域引入人工偽影，圖像變得模糊，空間分辨率受到影響。模糊自適應(yīng)參數(shù)調(diào)整的雙變量非局部平均濾波的X射線圖像的消噪方法是利用模糊算法實現(xiàn)濾波參數(shù)選擇窗口的自適應(yīng)調(diào)整，以粒子群優(yōu)化算子的概念和理論為基礎(chǔ)， 當(dāng)有多個優(yōu)化濾波參數(shù)需要選擇時，利用模糊控制規(guī)則進(jìn)行最佳濾波參數(shù)的選擇，通過選擇優(yōu)化窗開啟來完成進(jìn)化搜索，獲得更好處理效果，更快的收斂速度和全局尋優(yōu)的能力。但到目前為止，還沒有人將該算法應(yīng)用于非局部平均優(yōu)化方面。針對上述問題，本發(fā)明對傳統(tǒng)NL-means方法進(jìn)行改進(jìn)，算法從數(shù)據(jù)間的本征特性出發(fā)，尋找使重建誤差最小的權(quán)重值，達(dá)到使誤差函數(shù)最小的目的。同時，智能優(yōu)化算法的本質(zhì)決定了權(quán)重的確定不依賴于數(shù)據(jù)點間的距離，有效地降低圖像鄰域像素之間的相關(guān)性，運算復(fù)雜度降低，節(jié)省了計算時間，提高了算法運行速度，以適應(yīng)工業(yè)生產(chǎn)任務(wù)中的檢測需要
發(fā)明內(nèi)容
本發(fā)明對工業(yè)X射線掃描圖像中產(chǎn)生的隨機(jī)噪聲模型的消噪情況進(jìn)行了研究，采用基于模糊自適應(yīng)參數(shù)調(diào)整的雙變量非局部平均濾波快速消噪方法實現(xiàn)了工業(yè)X射線掃描圖像的有效消噪處理。模糊自適應(yīng)參數(shù)調(diào)整有效地對X射線分塊圖像并行處理，降低了圖像塊之間的相關(guān)性，實現(xiàn)X射線掃描圖像的快速消噪處理，同時，發(fā)明中引入x，y雙變量保證了圖像消噪過程的位置不變性，并且，由于其采用粒子群優(yōu)化方法也可以獲得較好的收斂性。因而，本發(fā)明利用粒子群優(yōu)化算法從數(shù)據(jù)間的本征特性出發(fā)，尋找在X射線掃描圖像中使重建誤差最小的權(quán)重值，從而使得工業(yè)X射線消噪圖像在保證精度的條件下獲得較快的處理速度。以下對本發(fā)明方法做進(jìn)一步的說明，具體內(nèi)容如下雙變量非局部平均濾波X射線圖像消噪方法，本發(fā)明特征是，方法為I).模糊消噪窗的選擇方法非局部平均濾波算法有一個前提假設(shè)采樣數(shù)據(jù)所在局部空間是線性的，即每個采樣點與它的近鄰點有相似關(guān)系，通過權(quán)重貢獻(xiàn)值線性表示；該算法的學(xué)習(xí)目標(biāo)是在低維空間中充分利用像素間的冗余關(guān)系，根據(jù)灰度分布的相似性來設(shè)置每個鄰域中的權(quán)重，即假設(shè)鑲?cè)氲挠成浯霸诰植渴蔷€性的條件下，最小化不相關(guān)像素，重構(gòu)原圖像；設(shè)c(x，y)為X射線掃描圖像函數(shù)，r(x，y)為理想圖像函數(shù)，n (x，y)為噪聲圖像函數(shù)，X, y為圖像像素點的直角坐標(biāo)系下的坐標(biāo)，則有
權(quán)利要求
1.雙變量非局部平均濾波X射線圖像消噪方法，其特征是，方法為.1).模糊消噪窗的選擇方法非局部平均濾波算法有一個前提假設(shè)采樣數(shù)據(jù)所在局部空間是線性的，即每個采樣點與它的近鄰點有相似關(guān)系，通過權(quán)重貢獻(xiàn)值線性表示；此算法在低維空間中充分利用像素間的冗余關(guān)系，根據(jù)灰度分布的相似性來設(shè)置每個鄰域中的權(quán)重，即假設(shè)鑲?cè)氲挠成浯霸诰植渴蔷€性的條件下，最小化不相關(guān)像素，重構(gòu)原圖像；設(shè)c(x,y)為X射線掃描圖像函數(shù)，r(x,y)為理想圖像函數(shù),n (x, y)為噪聲圖像函數(shù), x，y為圖像像素點的直角坐標(biāo)系下的坐標(biāo)，則有
全文摘要
雙變量非局部平均濾波X射線圖像消噪方法，本發(fā)明特征是，方法為1)模糊消噪窗的選擇方法；2)雙變量模糊自適應(yīng)非局部平均濾波算法。本發(fā)明的有益效果為，為了更好的消除工業(yè)X射線掃描圖像中存在的未知量子噪聲的影響，提出了將不易處理的量子噪聲模型轉(zhuǎn)為常見的高斯加性噪聲模型，運用模糊運算選擇濾波器窗口的大小，尋找使誤差函數(shù)最小的相關(guān)權(quán)值矩陣的雙變量模糊自適應(yīng)非線性平均濾波的X射線圖像消噪方法。在本發(fā)明中，引入粒子群優(yōu)化濾波參數(shù)，進(jìn)而局部重建權(quán)值矩陣，降低了局部相關(guān)性對樣本數(shù)據(jù)的影響，提高了算法收斂速度，提高了工業(yè)X射線掃描圖像去噪處理的速度和精度，適用于對噪聲模型不確定的X射線掃描圖像的處理。
文檔編號G06T5/00GK102609904SQ201210007379
公開日2012年7月25日 申請日期2012年1月11日 優(yōu)先權(quán)日2012年1月11日
發(fā)明者于虹, 吳章勤, 李金 , 梁洪, 王妍瑋, 王磊, 王達(dá)達(dá), 趙現(xiàn)平, 郭濤濤, 閆文斌, 魏杰 申請人:云南電力試驗研究院(集團(tuán))有限公司電力研究院, 哈爾濱工程大學(xué)