一種改進的加權(quán)濾波去噪算法

呂振偉

(太原大學 基礎(chǔ)部，山西 太原 030032)

0 引言

圖像在生成和傳輸過程中，經(jīng)常會受到各種噪聲的干擾，嚴重的影響了圖像的視覺效果。因此去除噪聲成為一個極為重要的技術(shù)問題，目前，均值濾波方法和中值濾波算法是最常用的兩種濾波方法。它們對不同的噪聲有不同的去噪特性，如均值濾波算法對細線噪聲有很好的去噪效果，而對脈沖噪聲的去噪能力確很差，而中值濾波對脈沖噪聲的去噪聲效果很好，而對細線噪聲及噪聲嚴重時去噪效果很差。為了解決這一問題，多年來人們一直致力于單一濾波器的改進，并取得了明顯的效果。如文獻[1]中利用圖像的鄰域信息去噪，而對圖像細節(jié)不是保存的不是很好。文獻[2]中對中值濾波器改為了自適應(yīng)中值濾波，濾波效果較好，但是算法復雜，計算量大。文獻[3]中也是用混合濾波器濾波，但不易實現(xiàn)，而且當噪聲嚴重時容易誤判。基于此，本文提出了一種自適應(yīng)混合加權(quán)濾波算法，該算法首先對象素進行檢測，檢測出噪聲和圖像象素，保留圖像象素對噪聲進一步檢測區(qū)分出脈沖噪聲和細線噪聲。最后對脈沖噪聲和細線噪聲分別用加權(quán)中值濾波算法和模糊加權(quán)均值濾波算法濾波，與其它算法相比，本文的算法對噪聲的判斷更為準確，濾波方式更加合理，對圖像細節(jié)保留較好，具有更好的濾波性能。

1 噪聲的檢測

我們用改進的噪聲檢測方法進行檢測。用3×3的檢測窗口滑過圖像的每一個像素，設(shè)圖像中一點(i，j)為待檢測像素，其灰度值為 x(i，j)，在(i，j)的上下左右四個方向定義四個鄰域，分別用A1，A2，A3，A4表示各個鄰域的均值。

圖1 鄰域四周的均值

其中Tb表示閥值基值，其值為(0，255)，可根據(jù)試驗效果人為的調(diào)整大小。閥值T(i，j)與Ai的函數(shù)關(guān)系如圖:

圖2 閥值與的函數(shù)關(guān)系

確定了閥值之后，則進行判斷中心像素灰度值與周圍四個鄰域灰度值的差的絕對值小于閥值時，即 x(i，j)滿足

則x(i，j)點可能為噪聲，需做進一步檢測。取一值σ(σ可根據(jù)實驗結(jié)果選取)，且σ＞0，當x(i，j)＞σ 或 x(i，j)＜255 － σ 時，即可斷定 x(i，j)為噪聲。至此，已把檢測窗口內(nèi)的元素分為噪聲和像素。

2 去除噪聲

我們用改進的濾波方法進行濾波。首先選擇常用的4種濾波窗口，對線性窗口進行加權(quán)組合。

圖3 中值濾波的四個窗口

3 實驗仿真

圖a 原圖

圖b 加了0.75的噪聲圖

圖c 中值濾波后的圖像

圖d 均值濾波后的圖像

圖e 自適應(yīng)濾波后的圖像

圖f 本文濾波后的圖像

表1 實驗比較的均方誤差MSE和峰值信噪比PSNR

4 小結(jié)

以上是各種方法的濾波結(jié)果，從視覺上可以看出本文的濾波效果較令人滿意。表1是對噪聲密度0.75時的檢測結(jié)果，在試驗中我們得出取δ=10到40之間的數(shù)，而Tb=190到256之間的數(shù)，試驗效果比較好。從表中的數(shù)據(jù)可以看出，傳統(tǒng)中值濾波，傳統(tǒng)均值濾波對混合噪聲的檢測力度不好，誤檢率和漏檢率也高，而本文的濾波方法的峰值信噪比要高于其它的方法，均方誤差小于其它的方法，可見本文的濾波方法較好于其它的濾波方法。

[1]金順哲，談新權(quán).圖像脈沖噪聲的模糊檢測與消除[J].通信技術(shù)，2000，3(11).

[2]盧晶晶，方中華，孫勝利.一種自適應(yīng)的加權(quán)均值濾波器[J].傳感技術(shù)學報，2005，48(4).

[3]關(guān)新平，趙立興，唐英干.圖像去噪混合濾波方法[J].中國圖像圖形學報，2003，10(3).

[4]陳曉童，王保平.一種新型的圖像去噪濾波器[J].河北理工學院學報，2003，25(2).

[5]倪臣敏，陳孝春.一種改進的自適應(yīng)中值濾波算法[J].中國圖像圖形學報，2006，11(5).

[6]韓曉微，范立南，徐心和.一種基于脈沖噪聲檢測的圖像均值濾波方法[J].計算機工程與應(yīng)用，2004(2).

[7]Sun T，Ncuvo Y.Detail.Preserving median based filters in image processing[J].Pattern Rccognit Lett，1994(15).

[8]W.Y.Han ，J.C.Lin.Minimum － maxmum exclusive meamfilter to remove impulse noise from highly corrupted image[J].Electron Lett，1997(33).

[9]C.S.Lee，Y.H.Kno，P.T.Yu.Weighted fuzzy mean filter for image processing[J].Fuzzy Sets Syst，1997(15).