[01327110]基于视觉显著性和亚像素目标尺度的图像降噪算法研究

任务来源 郑州轻工业学院校内博士基金项目（2014BSJJ016） 国家自然科学基金项目（61501407）

应用领域 计算机视觉领域。

主要研究内容 1)针对现有方法不能自适应判断图像各处内容重要程度的问题，提出一种基于长期和短期稀疏特征的视觉显著性检测算法，以视觉显著性的检测结果来决定图像各处内容的重要程度，进而控制图像降噪的力度; 2)针对现有方法不能自适应的计算图像各处的尺寸特征的问题，提出一种亚像素目标尺度的定义来获取图像各处的尺寸特征，以各像素点的亚像素目标尺度大小来识别脉冲噪声和控制高斯滤波的尺度。

创新研究成果 本课题以图像降噪为研究任务，提出一种基于视觉显著性和亚像素目标尺度的图像降噪算法，获得了若干有价值的研究成果，课题研究成果可为计算机视觉领域的多种任务，如：图像分割、图像分类和目标识别等，提供预处理服务，为这些任务的执行提供保障。本课题取得的主要创新性研究成果如下： 1)提出了一种亚像素目标尺度计算方法。

对现有的目标尺度定义进行改进，使其精确到亚像素级，可以更加精细的获取图像各处的尺寸特征;以各像素点的亚像素目标尺度大小为依据来识别脉冲噪声，再采用中值滤波去除脉冲噪声;以各像素点的亚像素目标尺度大小来控制高斯滤波的方差和模板大小，抑制脉冲噪声之外的剩余噪声。

提出了一种基于视觉显著性的自适应降噪方法。通过稀疏编码对眼动数据库和输入图像进行训练，得到一组通用的特征提取模板和一组自适应的特征提取模板，采用两组模板分别对输入图像进行卷积，得到代表先验知识的长期稀疏特征和代表当前观测信息的短期稀疏特征，通过计算香农自信息将两类特征进行融合并定义图像的视觉显著性;将各像素点视觉显著性的大小作为乘积因子引入到高斯滤波的函数式中，控制图像各处滤波的力度，保护图像重要内容的细节不丢失。

本课题研究的图像降噪算法通过仿真实验表明，在加均值为0方差为100的高斯噪声和密度为0.02椒盐噪声的情况下，脉冲脉冲噪声的识别率超过98%，尖峰信噪比（PSNR）超过30。