一种基于噪声检测的标准中值滤波改进方法

作者:林宛杨 刊名:武夷学院学报 上传者:王文志

【摘要】针对传统标准中值滤波法和自适应中值滤波法在检测椒盐噪声的过程中易造成图像细节模糊的缺陷,提出了一种基于图像噪声二次检测的中值滤波改进方法。方法中采用的图像噪声二次检测算法提取全局的可疑噪声,利用方向信息确定实际图像噪声点的位置,并针对确定的噪声点进行中值滤波。模拟实验结果表明,该滤波器可以有效滤除图像中的椒盐噪声,效果优于标准中值滤波和自适应中值滤波。

全文阅读

椒盐噪声常发生在数字图像信号在形成和传输过程中,是由图像传感器、传输信道和编码处理等因素影响下产生的黑白相间的亮暗点[1]。 它具有脉冲性的噪声信号,与周围像素值差异大,严重影响人们对图像及信息的观察和分析。 当前,对椒盐噪声的常见滤除方法是有均值滤波和中值滤波法[2]。 均值滤波法属于线性处理,对图像中每个像素都要均值代替,易使图像细节发生模糊。 中值滤波针对椒盐噪声随机性的特点,使用非线性去噪算法进行滤波,在一定条件下可以克服线性均值滤波器造成的图像细节缺陷。 标准中值滤波算法对整个图像中的所有像素点均进行中值滤波,并未区分灰度值中的信号点和噪声点,因此算法虽然处理了所有的噪声点,但也处理了信号点,模糊了图像的细节。 从而使整幅图像受到影响。 但由于其对所有像素统一处理,改变了非噪声像素点的灰度值,在处理点、线、尖顶细节多的图像会容易引起图像信息丢失。 学者们提出了许多改进的算法来克服这个问题[3]针对这个方向,主要的研究思路是通过对噪声点的有效检测,对噪声点进行针对性去噪,如采用模糊隶属函数对中值滤波法进行加权[4],通过改进的矢量[5]、自适应中值滤波[6-7]和二次自适应中值滤波法[8]等。 但目前很少人从算法上来解决标准中值滤波存在的问题。 为了找到一种可达到在滤除噪声的同时更好地保护图像细节的算法。 本文结合椒盐噪声的特征,提出了一种基于噪声检测的中值滤波改进算法。 在噪声点确定方面,尝试通过对全局噪声和局部基于方向的噪声进行两级检测来减少后续处理量。 随后,针对检测出的噪声点,采用标准中值滤波来算法完成图像的滤波。 1 算法思想 1.1 噪声检测 针对上述问题,本文算法首先确定图像中的噪声点,根据各类改进的算法,采用了一种分级检测的基于方向中值的图像椒盐噪声检测算法[9]。 具体算法的流程图如图1 所示。 考虑到椒盐噪声通常表现为图像中的灰度极大值或极小值。 通常情况下,定义灰度值为0 和255 为椒盐噪声的像素,即大部分灰度值均集中在这两个极值点附近。 根据此原理将图像中的像素点分为噪声像 素点与信号像素点,初步确定可疑噪声点,判断公式如式(1)所示。 式(1)中,δ 为预先设定的阈值,通常为不大于10 的自然数,实验中 δ 取值为2,若坐标(x,y)像素点灰度值满足式(1),表明该像素点为可疑噪声点,否则为信号点。 f(x,y)∈[0,δ]or[255-δ,255](1) 其次,图像中的极值点不全是噪声点,因此,以可疑噪声点为中心来建立噪声点检测窗口,对其进行二次检测。 为了提高计算效率,算法以可疑噪声点为中心建立5×5 的检测窗口。 第三, 在检测窗口中设置9 个噪声检测区域,在5×5 的检测窗口建立9 个噪声检测区S1-S9。 第四,对所有噪声检测区中像素的灰度值进行中值提取和计算。 其像素中值计算如式(2)所示。 式中,median{}表示是对噪声检测区域中的像素灰度值进行中值提取;Sn表示为第n个检测区中除可疑噪声点外其他像素灰度值集合;An表示第n个检测区的灰度中值。 最后, 分别计算可疑噪声点像素灰度值与An的差值绝对值,并与预先设置好的阈值进行比较,实验中阈值取5, 若9 个噪声检测区中有6 个区域(及以上)大于的差值绝对值,则认为该可疑噪声点为噪声点,否则为信号点。 1.2 对确定噪声点进行中值滤波 在噪声点确定后,对其进行中值滤波处理得到最终的滤波图像。 中值滤波能够有效抑制噪声,是一种非线性信号处理技术。 单一像素点的灰度值均可设为该点相邻窗口内的全部像素点灰度值的中值。 可

参考文献

引证文献

问答

我要提问