【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及水下超聲波圖像散斑噪聲抑制，尤其涉及水下超聲波圖像散斑噪聲抑制的issm?nl?means算法。
技術(shù)介紹
1、水下超聲波成像設(shè)備是一種重要的和不可替代的水下超聲波測量設(shè)備，已廣泛應(yīng)用于水下物體尋找、水下?lián)凭取⑺率┕ぁ⒅悄芩聶C(jī)器人航行與避碰、海底探寶（比如錳結(jié)核等）、海洋開發(fā)利用以及海洋軍事活動（如探測水雷）等。超聲波成像原理導(dǎo)致水下超聲波圖像中不可避免地存在散斑噪聲。散斑噪聲影響水下超聲波圖像的對比度，惡化水下超聲波圖像的邊緣，不利于水下超聲波圖像的人工判讀和機(jī)器識別。水下超聲波圖像散斑噪聲抑制是基于成像的水下超聲波測量領(lǐng)域的一個重要問題，也是一個公認(rèn)的難題。
2、水下超聲波圖像的邊緣含有水下目標(biāo)的重要信息，因此水下超聲波圖像散斑噪聲抑制的同時要保持水下超聲波圖像的邊緣。目前，水下超聲波圖像散斑噪聲抑制常用的方法主要是一些局部濾波器，比如：中值濾波器、均值濾波器、高斯濾波器、lee濾波器、kuan濾波器、frost濾波器。這些局部濾波器只利用圖像的空間局部信息，沒有充分地利用圖像的全部空間信息，這導(dǎo)致它們不能兼顧散斑噪聲抑制和圖像邊緣保持兩個方面。
3、近年來，nl?means（non-local?means）算法得到較多的研究，它被普遍認(rèn)為是性能良好的噪聲抑制方法。nlmeans算法將像素的灰度值估計為整幅圖像（不是圖像局部）的像素灰度值的加權(quán)均值濾波：越相似的像素的灰度值加權(quán)系數(shù)越大。該算法可以得到比常用的局部濾波器更好的噪聲抑制效果，因?yàn)樗浞值乩昧苏鶊D像的全局空間信息。該算
4、本專利技術(shù)對文獻(xiàn)r.?remya,?m.?nirmala.?a?novel?similarity?metric?for?imagefiltering.?optik,?2022,271.?doi:?10.1016/j.ijleo.2022.169977中的正弦相似性測度ssm（sinusoidal?similarity?measure）進(jìn)行改進(jìn)，提供一種改進(jìn)的正弦相似性測度issm（improved?sinusoidal?similarity?measure）；然后用issm代替nl?means算法中的歐氏距離測度，進(jìn)而提供一種用于水下超聲波圖像散斑噪聲抑制的issm?nl?means算法。
技術(shù)實(shí)現(xiàn)思路
1、為解決上述問題，本專利技術(shù)提供一種水下超聲波圖像散斑噪聲抑制的issm?nlmeans算法，通過對現(xiàn)有的正弦相似性測度ssm算法進(jìn)行改進(jìn)，然后用改進(jìn)的正弦相似性測度issm代替nlmeans算法中的歐氏距離測度，為水下超聲波圖像散斑噪聲抑制提供一種兼顧散斑噪聲抑制和圖像邊緣保持兩個方面的新方法。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)提供了一種水下超聲波圖像散斑噪聲抑制的issm?nlmeans算法，包括以下步驟：
3、步驟一，讀取原始水下超聲波圖像；
4、步驟二，水下超聲波圖像像素序號、初始化；
5、步驟三，在水下超聲波圖像中選取圖像塊；
6、步驟四，在水下超聲波圖像中選取圖像塊；
7、步驟五，計算像素、對應(yīng)的圖像塊、之間的改進(jìn)的正弦相似性測度；
8、步驟六，改變，未遍歷圖像時重復(fù)步驟四至步驟六，遍歷圖像后轉(zhuǎn)到步驟七；
9、步驟七，計算歸一化常數(shù)；
10、步驟八，計算像素、之間加權(quán)系數(shù)；
11、步驟九，計算處理后的水下超聲波圖像中像素 i的灰度值；
12、步驟十，改變，未遍歷圖像時重復(fù)步驟三至步驟九，遍歷圖像后轉(zhuǎn)到步驟十一。
13、步驟十一，輸出處理后的圖像。
14、優(yōu)選的，步驟三中，在水下超聲波圖像中選取像素，以像素為中心選取一個 k× k鄰域，將其記作圖像塊。
15、優(yōu)選的，步驟四中，在水下超聲波圖像中選取像素，以像素為中心選取一個 k× k鄰域，將其記作圖像塊。
16、優(yōu)選的，改進(jìn)的正弦相似性測度issm按下列公式計算：
17、；
18、；
19、；
20、；
21、式中，、代表像素的序號，也是圖像塊的序號，圖像塊是以像素為中心的一個鄰域，圖像塊是以像素為中心的一個鄰域，圖像塊、的大小均為 m× n，表示圖像塊中像素的灰度值（這里、取以圖像塊為參照的行與列的相對值），表示圖像塊中像素的灰度值（這里、取以圖像塊為參照的行與列的相對值），是整幅圖像中灰度值的最大值，是一個中間量，為足夠小的正數(shù)，是整幅圖像的中值，表示像素、對應(yīng)的圖像塊、之間的改進(jìn)的正弦相似性測度。
22、優(yōu)選的，歸一化常數(shù)的計算公式如下
23、；
24、式中，表示水下超聲波圖像像素的集合，為濾波參數(shù)。
25、優(yōu)選的，加權(quán)系數(shù)的計算公式如下
26、。
27、優(yōu)選的，灰度值的計算公式如下
28、；
29、式中，表示像素的灰度值。
30、本專利技術(shù)具有以下有益效果：
31、1、本專利技術(shù)中的算法利用了整幅圖像的全局空間信息，與中值濾波器、均值濾波器、高斯濾波器、lee濾波器、kuan濾波器、frost濾波器等一些常用的局部濾波器相比，本專利技術(shù)算法能夠在兼顧散斑噪聲抑制和圖像邊緣保持兩個方面具有更大的優(yōu)勢。
32、2、本專利技術(shù)中的算法用改進(jìn)的正弦相似性測度issm代替nlmeans算法中的歐氏距離，與nl-means算法相比，本專利技術(shù)算法能夠在兼顧散斑噪聲抑制和圖像邊緣保持兩個方面具有更大的優(yōu)勢。
33、下面通過附圖和實(shí)施例，對本專利技術(shù)的技術(shù)方案做進(jìn)一步的詳細(xì)描述。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種水下超聲波圖像散斑噪聲抑制的ISSM?NL?means算法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的水下超聲波圖像散斑噪聲抑制的ISSM?NL?means算法，其特征在于：改進(jìn)的正弦相似性測度ISSM按下列公式計算：
3.根據(jù)權(quán)利要求2所述的水下超聲波圖像散斑噪聲抑制的ISSM?NL?means算法，其特征在于：歸一化常數(shù)的計算公式如下
4.根據(jù)權(quán)利要求3所述的水下超聲波圖像散斑噪聲抑制的ISSM?NL?means算法，其特征在于：加權(quán)系數(shù)的計算公式如下
5.根據(jù)權(quán)利要求4所述的水下超聲波圖像散斑噪聲抑制的ISSM?NL?means算法，其特征在于：灰度值的計算公式如下
【技術(shù)特征摘要】
1.一種水下超聲波圖像散斑噪聲抑制的issm?nl?means算法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的水下超聲波圖像散斑噪聲抑制的issm?nl?means算法，其特征在于：改進(jìn)的正弦相似性測度issm按下列公式計算：
3.根據(jù)權(quán)利要求2所述的水下超聲波圖像散斑噪聲抑制的issm...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：郭海濤，田原嫄，雷玉峰，朱曉龍，
申請(專利權(quán))人：海南熱帶海洋學(xué)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。