基于边缘方向改进的自适应窗口Lee滤波算法

作者:孙景峰;艾强;唐虹;张彦龙; 刊名:科学技术与工程 上传者:王雪颖

【摘要】为克服自适应窗口Lee滤波算法对图像边缘方向不敏感的弊端,提出了一种改进方法。其基本思路是先对图像纹理区进行分类,然后在方向上使用改进的四向模板获取方向窗口,分别对不同的方向使用不同的窗口增长方式对图像进行滤波。实验表明,改进后的算法相比传统算法在有效去除噪点的同时保存了大量的边缘与细节信息。

全文阅读

种子基金(Z2017103)资助在图像处理中由于存在噪声,图像质量被严重影响且降低了计算机对图像目标信息的解析能力,因此图像噪声抑制是图像处理中的重要环节[1—3]。斑点噪声是图像处理工程中常见噪声之一[4,5],它的存在会直接影响目标识别与分类结果[6],对斑点噪声的处理一直以来都是图像处理领域的重要研究方向之一。Lee滤波是利用图像局部统计特性进行图像斑点滤波的典型方法,对斑点噪声的处理效果优良,常用于处理孔径雷达图像中的相干斑噪声[7—9]。虽然该方法对于斑点噪声处理效果显著,但其边缘保持能力差且效果与窗口尺寸紧密相关。为了克服提高相干斑抑制能力与保持细节这一矛盾,有很多针对窗口尺寸进行优化的研究,其共同点都是根据窗口内像素分布特性决定是否扩大窗口在均质区选择扩大窗口,保证一定的相干斑抑制能力,而在细节较多区域选择较小的窗口,使滤波过程更为细致。大部分创新都是在窗口自适应变化的条件与方法上,并没有考虑到细节变化趋势等信息。所以仍然会导致丢失部分细节信息或者运行时间过长等问题。在研究传统Lee滤波和一些改进方法的基础上,进行如下改进,首先对窗口扩大方式进行改进,使窗口内包含更多的有用信息,其次修改边缘判断条件更为严格,再次在扩大窗口的同时引入阈值判断,控制窗口扩大的程度,最后对屏幕图像进行仿真验证,得出改进方法在去噪效果和细节保留能力与传统自适应窗口Lee滤波算法上均有所改善。1传统自适应窗口Lee滤波利用传统自适应窗口进行Lee滤波,根据窗口内像素分布特性决定是否扩大窗口。在均质区选择较大窗口,保证一定的相干斑抑制能力,而在细节较多区域选择较小窗口,使滤波过程更为细致,尽量保留图像细节信息。在精致极化滤波的基础上使用自适应窗口[10],首先将窗口设置为3×3窗口,一次增大一周的边界作为新的窗口,分别计算增大前和增大后的概率密度函数,通过似然比公式计算增大前后的似然比,若似然比近似于1,则扩大窗口,反之则表明窗口附近纹理变化频繁,细节较多不宜扩大窗口。设当前窗口为A,所添加的边界部分为B,似然比计算公式如下:R(Y)=p(Y|A)p(Y|B)(p Y|A∪B)=(σ2AB)NAB2(σ2A)NA2(σ2B)NB2(1)窗口从3×3窗口开始扩大,每一次长宽均扩大2个单位,依次5×5、7×7、…,并且利用四向模版计算窗口边缘方向,若边缘方向发生改变,则停止扩大窗口,若边缘方向不变,则继续扩大窗口直到最大窗口为止。选定窗口大小后进行精致极化Lee滤波。该方法的滤波算法的相干斑抑制效果优于3×3窗口Lee滤波,但由于窗口在扩大的过程中对边缘方向的变化不敏感,使得窗口过大,这是导致图像、边缘模糊,丢失边缘细节信息。2改进的自适应窗口Lee滤波改进的Lee滤波算法将阈值判断方法和自适应滤波窗口结合起来,并对窗口扩大方式进行改进,使窗口内包含更多的有用信息,修改边缘判断的条件使其更为严格,另外在扩大窗口时引入阈值判断,控制窗口扩大的程度,使得图像在过滤噪声和保持细节两方面做得更为出色。算法改进后的实际流程如下。(1)根据文献[1]中提到的方法,使用分段函数对像素点进行计算,该方法此处不再赘述。在CI<Cmin和CI>Cmax区域按公式计算,在Cmin≤CI≤Cmax区域采用改进的Lee滤波计算。^x=珋I,CI<Cmin珋I(t)+ω(t)[I(t)-珋I(t)],Cmin≤CI≤CmaxI,CI>C{max(2)(2)判断3×3窗口内的边缘方向及目标窗口,使用精致极化滤波的四向模版,用窗口内数据分别与模版点乘,计算其边缘方向,但该模版不能判断取哪一侧区域

参考文献

引证文献

问答

我要提问