《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 模擬設(shè)計(jì) > 設(shè)計(jì)應(yīng)用 > 基于改進(jìn)型中值濾波的高密度椒鹽噪聲圖像去噪算法研究
基于改進(jìn)型中值濾波的高密度椒鹽噪聲圖像去噪算法研究
2016年微型機(jī)與應(yīng)用第19期
劉楊
中國(guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院,江蘇 徐州 221116
摘要: 針對(duì)目前已有濾波算法對(duì)高密度椒鹽噪聲降噪能力較低的問(wèn)題,提出了一種基于改進(jìn)型中值濾波的算法。該算法在自適應(yīng)中值濾波與斜率差值的基礎(chǔ)上,采用圖像局部均值與方差的方式對(duì)噪聲點(diǎn)進(jìn)行預(yù)判定,并對(duì)圖像邊緣進(jìn)行二次鄰域均值濾波。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效去除高密度椒鹽噪聲,并且能較好地保留細(xì)節(jié)信息。
Abstract:
Key words :

  劉楊

 ?。ㄖ袊?guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院,江蘇 徐州 221116)

       摘要:針對(duì)目前已有濾波算法對(duì)高密度椒鹽噪聲降噪能力較低的問(wèn)題,提出了一種基于改進(jìn)型中值濾波的算法。該算法在自適應(yīng)中值濾波與斜率差值的基礎(chǔ)上,采用圖像局部均值方差的方式對(duì)噪聲點(diǎn)進(jìn)行預(yù)判定,并對(duì)圖像邊緣進(jìn)行二次鄰域均值濾波。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效去除高密度椒鹽噪聲,并且能較好地保留細(xì)節(jié)信息。

  關(guān)鍵詞:椒鹽噪聲;局部均值;方差;斜率差值;鄰域均值濾波

0引言

  圖像在傳播、保存等過(guò)程中,不可避免地產(chǎn)生了噪聲,而椒鹽噪聲又是常見(jiàn)的噪聲之一。椒鹽噪聲與鄰域信號(hào)點(diǎn)相比,具有突變的特性,這一性質(zhì)給紋理提取等圖像處理過(guò)程帶來(lái)了許多問(wèn)題。而對(duì)于該類(lèi)噪聲點(diǎn)的去除,中值濾波是一種行之有效的方法[1]。

1相關(guān)研究

  1.1傳統(tǒng)中值濾波算法

  中值濾波是一種非線(xiàn)性濾波方法。窗口的大小對(duì)濾波效果影響較大。傳統(tǒng)的中值濾波算法并沒(méi)有考慮到噪聲點(diǎn)與信號(hào)點(diǎn)的區(qū)別,而是直接用滑動(dòng)窗口內(nèi)的中值去代替像素點(diǎn)。這樣的結(jié)果是圖像的大量細(xì)節(jié)信息丟失,造成圖像的模糊[2]。

  1.2自適應(yīng)中值濾波算法

  研究人員在傳統(tǒng)的中值濾波算法的基礎(chǔ)上提出了自適應(yīng)中值濾波的算法。

  該算法與傳統(tǒng)的中值濾波相比,增加了噪聲點(diǎn)的判斷,并且濾波滑動(dòng)窗口的大小是動(dòng)態(tài)變化的。通過(guò)中值、信號(hào)點(diǎn)與極值點(diǎn)的對(duì)比來(lái)判斷是否為噪聲點(diǎn)[3]。然而,該算法也有其局限性,即噪聲點(diǎn)與信號(hào)點(diǎn)的判斷過(guò)程過(guò)于簡(jiǎn)單,容易將邊緣的高頻信號(hào)判斷為噪聲點(diǎn),造成圖像邊緣信息的丟失。

  1.3改進(jìn)的中值濾波算法

  自適應(yīng)中值濾波算法雖然可以對(duì)噪聲點(diǎn)進(jìn)行檢測(cè)判定,但是判定的方法過(guò)于單一。所以在自適應(yīng)中值濾波算法的基礎(chǔ)上,人們提出了一系列改進(jìn)的自適應(yīng)中值濾波算法[411]。其中,周玲芳等人[10]提出了基于斜率差的方法來(lái)判定當(dāng)前像素點(diǎn)是否為噪聲點(diǎn)。對(duì)于被50%及其以下的椒鹽噪聲污染的圖像,該算法可以很好地去除噪聲污染,并且很好地保留了圖像的細(xì)節(jié)信息。然而當(dāng)提高到70%的椒鹽噪聲污染時(shí),圖像邊緣的噪聲卻沒(méi)有很好地被濾除掉。張航等人[11]使用局部均值與方差的方式對(duì)噪聲點(diǎn)進(jìn)行判別,效果也較為良好。

2本文算法

  針對(duì)周玲芳等人提出算法的不足之處,結(jié)合待處理圖像的特點(diǎn),提出了基于局部均值與方差的噪聲點(diǎn)預(yù)判定及邊緣二次鄰域均值濾波的算法。本文算法基于經(jīng)典的自適應(yīng)中值濾波,對(duì)于準(zhǔn)噪聲點(diǎn),采用局部均值與方差預(yù)判別,然后用斜率差的方式進(jìn)行判斷,并且對(duì)于高密度噪聲塊使用均值進(jìn)行代替。對(duì)于70%的椒鹽噪聲,在圖像中值濾波后,對(duì)于圖像的邊緣信息使用鄰域均值的方法進(jìn)行代替。

  圖1是本文提出算法的流程圖,其詳細(xì)闡述如下:設(shè)當(dāng)前像素值為f(i,j),W為當(dāng)前濾波窗口,Wmax為最大窗口,fmax、fmin、fmed分別為濾波窗口W內(nèi)的極大值、極小值、中值。將上述窗口內(nèi)的值存入數(shù)組s,s[m1]和s[m2]是去除極值fmax、fmin后的次一級(jí)極值,m1、m2分別為極小值、極大值對(duì)應(yīng)的位置。

圖像 001.png

  首先進(jìn)行自適應(yīng)中值濾波。該算法分為A、B兩層[3]。A層:首先判斷均值fmed與極值fmax、fmin之間的關(guān)系。若fmin<fmed<fmax,則假設(shè)其為信號(hào)點(diǎn),進(jìn)入B層;若fmed=fmin或fmed=fmax,即均值為極值點(diǎn),則擴(kuò)大窗口W,判斷新窗口下的均值fmed與極值fmax、fmin之間的關(guān)系,若均值仍等于極值,則繼續(xù)判斷直至達(dá)到最大窗口Wmax。B層:比較當(dāng)前像素值f(i,j)與極值間的關(guān)系。若fmin<f(i,j)<fmax,則認(rèn)為是信號(hào)點(diǎn);若不滿(mǎn)足上述關(guān)系,則假設(shè)其為準(zhǔn)噪聲點(diǎn),采用局部均值與方差進(jìn)行預(yù)判定;若不滿(mǎn)足式(3),則利用斜率差進(jìn)一步判斷。

  噪聲點(diǎn)的預(yù)判定,其中,u代表局部均值,δ2為方差,p1、p2為系數(shù),可根據(jù)圖像的特性進(jìn)行改變[5]:

  QQ圖片20161214225649.png

  QQ圖片20161214225652.png

  QQ圖片20161214225655.png

  準(zhǔn)噪聲點(diǎn)有兩種情況[4]:

  (1)若f(i,j)=fmin,設(shè)斜率k1為所有極小值中間點(diǎn)到m1點(diǎn)的斜率:

  QQ圖片20161214225659.png

 ?。?)若f(i,j)=fmax,設(shè)斜率k2為所有極大值中間點(diǎn)到m2點(diǎn)的斜率:

  QQ圖片20161214225702.png

  首次被判定為準(zhǔn)噪聲的點(diǎn),需要設(shè)置一個(gè)初始閾值T,并將k1與k2的差值與T相比,若小于等于閾值則認(rèn)為該點(diǎn)為信號(hào)點(diǎn),否則為噪聲點(diǎn)。若為噪聲點(diǎn),則繼續(xù)比較m1與m2的大小,如果m2≤m1,則當(dāng)前像素點(diǎn)取已去噪的濾波窗口內(nèi)所有像素的均值,否則取m1~m2的所有像素的均值。

  經(jīng)過(guò)上述濾波判斷后,輸出為預(yù)備圖像,對(duì)預(yù)備圖像進(jìn)行進(jìn)一步的邊緣去噪處理。對(duì)上下、左右兩邊分別進(jìn)行邊緣噪聲點(diǎn)的去噪處理。對(duì)孤立噪聲點(diǎn),選擇其鄰域的像素點(diǎn)的均值來(lái)代替。

3試驗(yàn)

  3.1仿真環(huán)境

  利用MATLAB仿真平臺(tái),對(duì)本文提出的算法進(jìn)行仿真。通過(guò)大量的實(shí)驗(yàn),p1、p2的取值如下:

  QQ圖片20161214225706.png

  3.2實(shí)驗(yàn)結(jié)果

  

圖像 002.png

       為了更好地對(duì)比不同算法的濾波效果,圖2中,對(duì)lena圖像添加了50%、70%和80%的高密度椒鹽噪聲,并用標(biāo)準(zhǔn)中值濾波、周玲芳算法、本文算法對(duì)不同密度污染的圖像,分別進(jìn)行降噪處理。

  從圖2可以看到,使用標(biāo)準(zhǔn)中值濾波對(duì)50%噪聲密度下的圖像進(jìn)行降噪處理,處理后的結(jié)果還有較大部分的噪聲存在。而當(dāng)噪聲密度達(dá)到70%時(shí),使用標(biāo)準(zhǔn)中值濾波后,圖像的大部分信息已經(jīng)無(wú)法正常顯示了。對(duì)于周玲芳算法,從50%~80%的噪聲密度,圖像的降噪效果比較好,但是邊緣處仍有噪聲未被濾除掉。在使用本文提出的算法后,從50%~80%的噪聲密度,都較好地濾掉了噪聲,保留了圖像細(xì)節(jié),并且圖像邊緣處噪聲也被濾除掉了。

  3.3實(shí)驗(yàn)結(jié)果比較

  為了客觀比較各算法在進(jìn)行高密度椒鹽噪聲濾波時(shí)的濾波性能,本文采用峰值信噪比PSNR(單位:dB)作為評(píng)判標(biāo)準(zhǔn)。PSNR的計(jì)算公式如下:

  QQ圖片20161214225843.png

  表1是通過(guò)計(jì)算PSNR值,將本文算法與周玲芳算法在不同噪聲密度下的降噪性能進(jìn)行對(duì)比。從表1中可以看出,本文算法在高密度情況下的降噪性能均高于周玲芳算法,即使是在80%噪聲污染的情況下,也保持了較高的峰值信噪比。

圖像 003.png

4結(jié)束語(yǔ)

  對(duì)于椒鹽噪聲,中值濾波具有很好的平滑濾波效果。然而單純地使用中值濾波會(huì)使圖像丟失大量的細(xì)節(jié)信息;不利于圖像的傳播、辨識(shí)。針對(duì)這一情況,本文在基于斜率差噪聲點(diǎn)判斷方法的基礎(chǔ)上,引入局部均值和方差這兩個(gè)判別量,再次區(qū)分出噪聲點(diǎn)與信號(hào)點(diǎn),很好地保留了細(xì)節(jié)信息;并且,通過(guò)對(duì)邊緣的進(jìn)一步處理,消除了在邊界處的噪聲點(diǎn)。在高密度(>50%)噪聲的情況下,本文提出的算法也具有較高的峰值信噪比,在較好地保留圖像信息的同時(shí),有效地濾除了椒鹽噪聲。

       參考文獻(xiàn)

  [1] XIAO Q, DING X H, WANG S J, et al. A novel detail preserving algorithm for removing salt and pepper noise[J]. Tien Tzu Hsueh Pao/acta Electronica Sinica, 2010, 38(10):2273-2278.

 ?。?] 蔡利梅,王利娟. 數(shù)字圖像處理[M]. 徐州:中國(guó)礦業(yè)大學(xué)出版社, 2014.

  [3] 劉偉, 孫麗媛, 王汝梅. 自適應(yīng)中值濾波在數(shù)字圖像處理中的應(yīng)用[J]. 河北理工大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007, 29(4):111-113.

 ?。?] 張會(huì), 付東翔, 王亞剛. 改進(jìn)自適應(yīng)中值濾波的瓷磚圖像降噪[J]. 信息技術(shù), 2015(12):28-30.

  [5] 李陽(yáng), 張欣, 張濤,等. 一種保留圖像邊緣的自適應(yīng)中值濾波器算法[J]. 通信技術(shù), 2015,48(12):1367-1371.

 ?。?] 李志華, 徐小力, 王寧,等. 自適應(yīng)中值濾波在東巴古籍圖像去噪中的應(yīng)用研究[J]. 北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015,30(5):36-39.

  [7] 潘濤, 吳曉波, 張偉偉,等. 改進(jìn)自適應(yīng)中值濾波算法在圖像去噪中的應(yīng)用[J]. 后勤工程學(xué)院學(xué)報(bào), 2015,31(5):92-96.

  [8] 姚薇, 錢(qián)玲玲. 礦山遙感圖像自適應(yīng)加權(quán)改進(jìn)中值濾波算法[J]. 金屬礦山, 2016(4):101-105.

 ?。?] 黃山, 李眾, 李飛,等. 基于改進(jìn)粒子群和自適應(yīng)濾波的快速模糊聚類(lèi)圖像分割[J]. 計(jì)算機(jī)測(cè)量與控制, 2016, 24(4):171-174.

 ?。?0] 周玲芳, 陳菲. 基于斜率差值的自適應(yīng)圖像椒鹽噪聲濾波算法[J]. 液晶與顯示, 2015, 30(4):695-700.

 ?。?1] 張航, 曹瞻. 基于局部均值與方差的圖像中值濾波方法[J]. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2013,44(S2):381-384.


此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。