[0060] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。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，并获得其他的实施方式。
[0061] 为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
[0062] 请参考图1，本发明的一实施例提供一种噪声像素自适应滤波方法。所述一种噪声像素自适应滤波方法，包括如下步骤：
[0063] 步骤11，采集标准图像的图像信号；此时图像的采集可以是手机等移动终端拍照。
[0064] 步骤12，将所述标准图像的图像信号转换为矩阵信号；所述标准图像的采集可以是通过手机移动终端拍照得来的，将所述图像信号转换为矩阵信号可以参考现有技术进行转换，例如将所述获取的图像的高度和宽度转换为矩阵信号的像素形式，提取主要像素采用Matlab软件进行转化。
[0065] 步骤13，创建噪声干扰信号模型，通过所述噪声干扰信号模型计算所述标准图像的噪声信号；所述的噪声可以是手机拍照时的噪声像素的干扰。
[0066] 步骤14，将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果；
[0067] 步骤15，将所述滤波系统的输出结果与标准图像作差，得到误差；
[0068] 步骤16，重复上述各个步骤，得到多个误差，计算所述多个误差的绝对误差，当所述绝对误差最小时，所述将得到最佳的滤波权值结束本次滤波。当所述多个误差的绝对值的平均值保持不变时，即可视为该误差为最小误差。
[0069] 本发明实施例所提供的技术方案中，由于将所采集标准图像的图像信号转换为矩阵信号；通过创建噪声干扰信号模型并计算所述标准图像的噪声信号；将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果；将所述滤波系统的输出结果与标准图像作差，得到误差；使用所述误差计算所述滤波系统的权值；并且取所述绝对误差最小时滤波系统的权值。由此，根据本发明实施例所公开的技术方案，可以解决滤波收敛速度和滤波时变跟踪能力与稳态误差之间的矛盾，并且当迭代次数相同时，根据本发明实施例所公开的技术方案的稳态误差是最小的；同时，要取得相同的稳态误差值，本发明实施例所述的技术方案的迭代次数是最少的；并且，在发生断裂时，本发明实施例所述的技术方案是最快恢复到原来的稳态误差的，即本发明所述的技术方案的时变跟踪能力是最快的。总之，本发明实施例所述的技术方案，能够快速有效地处理图像，在有效快速滤除噪声的同时，减小稳态误差，更能够保留图像的主要信息，同时提高算法的执行效率。
[0070] 进一步地，所述标准图像用R表示，所述矩阵信号如公式(1)所示：
[0071]
[0072] 公式(1)中，g，k分别为所述标准图像R的高度和宽度；像素 令C[rij]为以像素rij为中心的大小为N的滤波窗口。
[0073] 进一步地，所述创建噪声干扰信号模型包括：
[0074] (1)采用二阶的自适应滤波器；
[0075] (2)W*＝[0.8,0.5]T为有限长单位冲击想应滤波器FIR的系数；
[0076] (3)x(n)是方差为1、均值为0的高斯模拟输入信号；
[0077] (4)v(n)是方差为0.04、均值为0的高斯白噪声，且v(n)与x(n)不相关。进一步地，根据本发明实施例所述的技术方案，当在第五百个采样点时刻，时变系统会发生突变，所述有限长单位冲击想应滤波器FIR权矢量系数变成W*＝[0.4,0.2]T。
[0078] 进一步地，将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果，包括：将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，通过公式(2)、(3)和(4)计算得到滤波系统的输出结果，所述公式(2)、(3)和(4)如下所示；
[0079] e(n)＝d(n)-xT(n)W(n) (2)
[0080] μ(n)＝β(1-exp(-α|e(n)|m)) (3)
[0081] W(n+1)＝W(n)+2μ(n)e(n)x(n) (4)
[0082] 其中，所述W(n)＝[w(n),w(n-1),w(n-2),...,w(n-L+1)]T为滤波器在时刻n的权重矢量，所述X(n)为输入激励矢量，d(n)为期望响应值，v(n)为干扰噪声，e(n)为误差。
[0083] 进一步地，所述方法包括使用所述多个误差通过公式(5)分别计算所述滤波系统的权值；
[0084] μ(n)＝β(1-exp(-α|e(n)|3)) (5)
[0085] 其中，所述m为误差e(n)的指数系数，所述m＝3为最佳的权值更新方法。根据本发明实施例所述的技术方案，将作差后得到的误差作为滤波系统权值变化的激励因子，当绝对误差达到最小时所取得的滤波系统的权值使得滤波系统具有最优的滤波效果。
[0086] 所述方法进一步包括将所述滤波系统清零。当滤波过程中，每次滤波时需要将上一次的滤波结果清零，以免再次使用时造成系统的滤波迭代干扰，同时控制系统的外部强干扰时的复位。采用本发明实施例所述的清零方案可以增加系统的稳定性与可靠性。
[0087] 请参考图2，本发明实施例所述的一种噪声像素自适应滤波方法实施例的稳态误差对比图。图2的横轴表示迭代次数n，纵轴表示稳态误差即噪声误差e(n)的绝对值Ie(n)I。图2中的三条曲线从下到上分别为m取值为3、2.75和2时的Ie(n)I的值的变化曲线。当迭代次数，并且当迭代次数n取值相同时，根据本发明实施例所公开的技术方案，当m取值为3时的稳态误差Ie(n)I是最小的。
[0088] 请参考图3，本发明实施例所述的一种噪声像素自适应滤波方法实施例的收敛速度和时变跟踪能力与稳态误差对比图。图3的横轴表示迭代次数n，纵轴表示稳态误差即噪声误差e(n)的绝对值Ie(n)I。图3中的三条曲线1、2和3分别为采用本发明实施例所述的方法、变步长调整规则的自适应滤波算法(SVSLMS)、及改进的SVSLMS所得出的Ie(n)I的值的变化曲线。从图3的曲线可以看出，要取得相同的稳态误差值，本发明实施例所述的技术方案的迭代次数是最少的；并且，在发生断裂时(即n取值500时，时变系统会发生突变)，本发明实施例所述的技术方案是最快恢复到原来的稳态误差的，即本发明所述的技术方案的时变跟踪能力是最快的。
[0089] 本发明一实施例还提供一种噪声像素自适应滤波系统，请参考图4。本发明一实施例所提供的一种噪声像素自适应滤波系统，包括采集模块41、处理模块42和比较模块43，其中：
[0090] 所述采集模块41，用于采集标准图像的图像信号并将所述标准图像的图像信号转换为矩阵信号；
[0091] 所述处理模块42，用于创建噪声干扰信号模型，通过所述噪声干扰信号模型计算所述标准图像的噪声信号、用于将所述矩阵信号和所述噪声信号叠加作为滤波输入信号得到滤波系统的输出结果；
[0092] 所述比较模块43，用于将所述滤波系统的输出结果与标准图像作差，得到误差；并重复上述各个步骤得到多个误差，计算所述多个误差的绝对误差，当所述绝对误差最小时，所述滤波结束。
[0093] 本发明实施例所提供的技术方案中，由于将所采集标准图像的图像信号转换为矩阵信号；通过创建噪声干扰信号模型并计算所述标准图像的噪声信号；将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果；将所述滤波系统的输出结果与标准图像作差，得到误差；使用所述误差计算所述滤波系统的权值；并且取所述绝对误差最小时滤波系统的权值。由此，根据本发明实施例所公开的技术方案，可以解决滤波收敛速度和滤波时变跟踪能力与稳态误差之间的矛盾，并且当迭代次数相同时，根据本发明实施例所公开的技术方案的稳态误差是最小的；同时，要取得相同的稳态误差值，本发明实施例所述的技术方案的迭代次数是最少的；并且，在发生断裂时，本发明实施例所述的技术方案是最快恢复到原来的稳态误差的，即本发明所述的技术方案的时变跟踪能力是最快的。总之，本发明实施例所述的技术方案，能够快速有效地处理图像，在有效快速滤除噪声的同时，减小稳态误差，更能够保留图像的主要信息，同时提高算法的执行效率。
[0094] 进一步地，所述标准图像用R表示，所述矩阵信号如公式(1)所示：
[0095]
[0096] 公式(1)中，g，k分别为所述标准图像R的高度和宽度；像素 令C[rij]为以像素rij为中心的大小为N的滤波窗口。
[0097] 进一步地，所述处理模块创建噪声干扰信号模型包括：
[0098] (1)采用二阶的自适应滤波器；
[0099] (2)W*＝[0.8,0.5]T为有限长单位冲击想应滤波器FIR的系数；
[0100] (3)x(n)是方差为1、均值为0的高斯模拟输入信号；
[0101] (4)v(n)是方差为0.04、均值为0的高斯白噪声，且v(n)与x(n)不相关。
[0102] 进一步地，在第五百个采样点时刻，时变系统发生突变，FIR权矢量系数变成W*＝[0.4,0.2]T。
[0103] 进一步地，所述处理模块将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，得到滤波系统的输出结果，包括：所述处理模块将所述矩阵信号和所述噪声信号叠加作为滤波输入信号，通过公式(2)、(3)和(4)计算得到滤波系统的输出结果，所述公式(2)、(3)和(4)如下所示；
[0104] e(n)＝d(n)-xT(n)W(n) (2)
[0105] μ(n)＝β(1-exp(-α|e(n)|m)) (3)
[0106] W(n+1)＝W(n)+2μ(n)e(n)x(n) (4)
[0107] 其中，所述W(n)＝[w(n),w(n-1),w(n-2),...,w(n-L+1)]T为滤波器在时刻n的权重矢量，所述X(n)为输入激励矢量，d(n)为期望响应值，v(n)为干扰噪声，e(n)为误差噪声，L为滤波器的阶数。
[0108] 进一步地，所述比较模块用于使用所述多个误差通过公式(5)分别计算所述滤波系统的权值；
[0109] μ(n)＝β(1-exp(-α|e(n)|3)) (5)
[0110] 其中，所述m为误差e(n)的指数系数，所述m＝3为最佳的权值更新方法。
[0111] 所述比较模块进一步用于将所述滤波系统清零。
[0112] 本发明实施例所述的技术方案，主要根据图像去噪技术为背景的一些图像噪声滤波方法与智能算法进行数字图像的快速有效处理，不仅可以用于手机拍照时的噪声像素滤波，可以用于音乐噪声滤波、手机通话噪声滤波及同声传译噪声滤波等应用。
[0113] 本发明一实施例还提供一种噪声像素自适应滤波系统的结构图，请参考图5。本发明一实施例所提供的一种噪声像素自适应滤波系统，
[0114] 将输入信号依次输入滤波系统的迭代模块，得到滤波系统的输出结果，并将输出结果与参考信号(即噪声信号)作差得出滤波方法的激励因子，该激励因子作为权值改变的主要因素，当输出结果与参考信号的绝对误差达到最小时，此时的权值系统的权值达到最优，自适应滤波方法效果最佳，控制模块主要作为外围稳定控制系统，主要实现系统的复位，清零操作。
[0115] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0116] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0117] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
