改进型自适应双边滤波算法

作者:白晓东;舒勤;杜小燕;黄燕琴 刊名:激光与光电子学进展 上传者:张玉洁

【摘要】对传统双边滤波器模型中的灰度标准差和滤波窗口进行改进;首先;用固定大小的正方形窗口通过概率分布函数和最大似然函数计算图中每个像素点的噪声标准差;将全图噪声标准差的中值作为阈值;若某像素点的噪声标准差大于该阈值;则认为该点的窗口内包含图像边缘;用半边旋转窗口法重新计算该点的噪声标准差和滤波窗口;然后;对图像中的每个像素点进行双边滤波;其中;灰度标准差设为该点噪声标准差的2倍;最后;根据区域相似度模型判定强噪声;并利用中值滤波器去除;实验证明;所提算法在不同强度的噪声下均可取得较好的保边滤波效果和强噪声去除效果;

全文阅读

1 引  言图像作为重要的信息载体之一,在生成、传输、加工、存储等过程中会不可避免地被噪声污染。图像中的噪声是引起图像退化和降质的主要因素[1],理论上,被噪声污染的图像是无法完全恢复的,所以图像去噪一直是图像处理领域研究的热点问题,其处理结果的好坏直接影响识别、分割、分析等后续处理环节[2]。去除噪声应尽可能达到几个目标:图像的平缓区域尽可能平滑,不存在噪声;图像边缘应被保留,不被模糊或者锐化;尽可能多地保留原始图像的纹理信息;全图对比度得到保留;不引入人为特征[3]。从灰度变化的角度看,图像中的噪声点和边缘点的灰度值都发生了阶跃,某些情况下二者不易区分,因此如何在有效去除噪声的同时保留更多的细节特征是图像去噪的关键[4]。双边滤波算法[5]因其良好的滤波效果和边缘保持特性,得到了广泛的应用。双边滤波器是一种非线性滤波器,能对空间邻近度和灰度相似度折衷处理,它将每个像素点的灰度值替换为邻近像素点灰度值的加权平均,邻近像素点所占的权重取决于它与中心像素点的空间欧氏距离和灰度相似度。在图像的平稳区域,空间欧氏距离起决定性作用,而在图像边缘处,灰度相似度起决定性作用,因此双边滤波器具有良好的保边滤波功能。双边滤波器被提出后,很多学者对其参数进行了改进。文献[6]提出一种可分离的双边滤波器模型,该模型加快了滤波速度,但在图像边缘处会出现人为处理的痕迹。文献[7]在传统的双边滤波模型中加入补偿函数以锐化图像和消除噪声。文献[8]对文献[7]中的补偿函数进行了改进,克服了锐化图像的同时噪声也被锐化的问题,并利用Thiele型连分式逼近双边滤波器中的指数函数,使双边滤波器易于硬件实现,但该模型中的参数是固定的,需要人为调整参数才能取得较好效果。文献[9]针对深度图像,对联合双边滤波器中的空间标准差和颜色相似度标准差进行了改进,可有效填充深度缺失空洞,抑制深度图像噪声,但该算法实时性和可靠性较差。文献[10]能根据滤波窗口内的噪声标准差自适应地调整双边滤波器中的灰度标准差,同时提出区域相似度模型来判定强噪声,并将其用中值滤波器去除。但该文献中的噪声标准差的计算方法存在缺陷,导致图像保边效果不好,同时边缘处的强噪声也会被遗漏。本文在文献[10]的基础上作进一步改进,使所提算法具有更好的保边滤波效果和强噪声去除效果。2 双边滤波器模型及其参数传统的双边滤波器模型如下。^f(i,j)=(m,n)∈∑Ωr,i,jωs(m,n)ωg(m,n)f(m,n),(m,n)∈∑Ωr,i,jωs(m,n)ωg(m,n)f(m,n)(m,n)∑∈Ωi,jωs(m,n)ωg(m,n),(1)ωs(m,n)=exp (-i-m 22σ+2s j-n 2),(2)i-m 2+j-n 2),(2)2σ2s(),(2)ωg(m,n)=exp(-ωg(m,n)=exp(-f(i,j)-2σf2g(m,n)2),(3)2σ2g(),(3)式中:·为取绝对值符号;f(i,j)为噪声图像f在坐标(i,j)处的灰度值;f^(i,j)为滤波后图像f^在坐标(i,j)处的灰度值;r为滤波窗口半径;Ωr,i,j为以(i,j)为中心,边长为(2r+1)的正方形区域内像素点的坐标集合;ωs(m,n)、ωg(m,n)分别为坐标(m,n)处的空间权重和灰度相似度权重;σs、σg分别为空间标准差和灰度标准差。ωs为空间高斯函数,其参数σs决定空间权重分布。σs越大,空间权重越分散,去噪效果就越好,但图像也越模糊;反之,空间权重就越集中,滤波后的图像就越清晰,但去噪效果越差。ωg为灰度相似度函数,与中心点的灰度相似度越

参考文献

引证文献

问答

我要提问