改進(jìn)自適應(yīng)中值濾波的圖像去噪*

2015-03-25 05:56:00楊卓東楊臣君

通信技術(shù) 2015年11期

楊卓東，張欣，張濤，李陽(yáng)，楊臣君

(貴州大學(xué) 大數(shù)據(jù)與信息工程學(xué)院，貴州貴陽(yáng) 550025)

楊卓東，張欣，張濤，李陽(yáng)，楊臣君

(貴州大學(xué) 大數(shù)據(jù)與信息工程學(xué)院，貴州貴陽(yáng) 550025)

針對(duì)傳統(tǒng)自適應(yīng)中值濾波算法的不足，提出了一種改進(jìn)的自適應(yīng)中值濾波算法，該算法引入了角度和相關(guān)性，第一，根據(jù)角度α的大小，判斷當(dāng)前像素點(diǎn)是否為可疑噪聲點(diǎn)，再由其像素間的相關(guān)性判斷此可疑噪聲點(diǎn)是否為噪聲點(diǎn)。第二，把排序得到的中值與窗口中所有像素點(diǎn)的均值加權(quán)得到新的灰度中值，再將噪聲點(diǎn)用新的灰度中值替代，從而達(dá)到濾除噪聲的效果。實(shí)驗(yàn)結(jié)果表明，該算法濾波，既能有效地平滑噪聲，又能保存細(xì)節(jié)，效果遠(yuǎn)優(yōu)于傳統(tǒng)自適應(yīng)中值濾波算法。

自適應(yīng)；中值濾波；加權(quán)；相關(guān)性

0 引言

圖像在生成和傳輸?shù)倪^(guò)程中，常會(huì)受到外界的干擾，容易產(chǎn)生脈沖噪聲，脈沖噪聲又分為椒鹽噪聲和隨機(jī)噪聲，消除噪聲的方法有線性濾波和非線性濾波[1]，而中值濾波(SM)[2]便屬于非線性濾波中的一種，自中值濾波提出以來(lái)，在消除椒鹽噪聲這一問(wèn)題上取得了一定的成果，在圖像處理中，常用來(lái)保護(hù)邊緣信息，是經(jīng)典的平滑噪聲方法，但傳統(tǒng)中值濾波的窗口是預(yù)先設(shè)定的，因而濾波效果會(huì)受到窗口尺寸的影響，故研究者們提出了一種新的算法—自適應(yīng)中值濾波(AMF)[3]，然而自適應(yīng)中值濾波仍存在容易將高頻信號(hào)點(diǎn)誤判為噪聲點(diǎn)、難以選定合適的灰度中值等問(wèn)題，為此研究者們提出了許多改進(jìn)的算法，如文獻(xiàn)[4]引入了MSD(最小幾何距離測(cè)度)通過(guò)MSD的大小來(lái)判斷當(dāng)前像素點(diǎn)是否為噪聲點(diǎn)，文獻(xiàn)[5]利用相鄰像素點(diǎn)的差分信息進(jìn)行更準(zhǔn)確的判別，并將噪聲點(diǎn)分為邊緣區(qū)域和平滑區(qū)域噪聲點(diǎn)，對(duì)二者進(jìn)行不同處理，文獻(xiàn)[6]利用不同斜率之間的差值來(lái)判定噪聲點(diǎn)，文獻(xiàn)[7]通過(guò)對(duì)可疑噪聲點(diǎn)實(shí)行二次檢測(cè)來(lái)提高去除噪聲的能力，文獻(xiàn)[8]利用極值的個(gè)數(shù)來(lái)判斷該點(diǎn)是否為噪聲點(diǎn)，若窗口中極大值個(gè)數(shù)遠(yuǎn)多于極小值個(gè)數(shù)，則極小值為噪聲點(diǎn)，反之，極大值為噪聲點(diǎn)，若二者個(gè)數(shù)相差不大，則再利用中心像素和周邊像素的信息來(lái)判斷是否為噪聲點(diǎn)。

本文在研究自適應(yīng)中值濾波的基礎(chǔ)上，亦提出了一種改進(jìn)的自適應(yīng)濾波算法，相對(duì)于傳統(tǒng)自適應(yīng)中值濾波算法，該算法噪聲檢測(cè)的正確率高、降噪與保留細(xì)節(jié)效果較好。

1 自適應(yīng)中值濾波的原理

1)若fmin

2 改進(jìn)的自適應(yīng)中值算法

2.1 噪聲點(diǎn)的檢測(cè)

噪聲一般是一些孤立的點(diǎn)，而圖像往往是通過(guò)像素?cái)?shù)較多，面積較大的小塊構(gòu)成，并且，對(duì)于椒鹽噪聲來(lái)說(shuō)，極大值、極小值點(diǎn)不一定是噪聲點(diǎn)，也有可能是高頻信號(hào)點(diǎn)。

(a)極大值、極小值均為信號(hào)點(diǎn)

(b)極大值、極小值均為可疑噪聲點(diǎn)

(c)極大值為可疑噪聲點(diǎn)

(d)極小值為可疑噪聲點(diǎn)

λmax、λmin分別表示λ中的最大值和最小值。

由此，可根據(jù)角度α和像素間的相關(guān)性判定當(dāng)前像素點(diǎn)是否為噪聲點(diǎn)，若當(dāng)前點(diǎn)為噪聲點(diǎn)，則進(jìn)行中值替換，而中值的取法是把排序得到的中值與窗口中所有像素點(diǎn)的均值加權(quán)得到灰度中值(中值權(quán)重為0.7，均值權(quán)重為0.3)。

2.2 本文的濾波算法

對(duì)大小為M×N的圖像，對(duì)圖像中的每一個(gè)像素點(diǎn)，按如下步驟處理：

第五步：若所有像素點(diǎn)處理完畢，則結(jié)束，否則轉(zhuǎn)至第二步。

3 實(shí)驗(yàn)結(jié)果及分析

在仿真試驗(yàn)中，用Matlab對(duì)513×512的Lena圖像進(jìn)行了仿真實(shí)驗(yàn)，分別用傳統(tǒng)自適應(yīng)中值濾波算法和本文算法對(duì)被不同密度的噪聲污染的Lena圖像進(jìn)行處理，其中閾值T取25，K取2為最佳。效果如圖2所示。

圖2 各種濾波方法對(duì)加入椒鹽噪聲的Lena圖像濾波效果比較

從圖2中可以看出無(wú)論加入噪聲濃度高還是低，用本文算法所處理的圖像的主觀視覺(jué)效果均優(yōu)于傳統(tǒng)自適應(yīng)中值濾波算法和文獻(xiàn)[4]算法(MSD算法)，且能夠保留更多細(xì)節(jié)。對(duì)濾波效果的評(píng)價(jià)，除了圖像的主觀視覺(jué)效果外，還需要一種客觀評(píng)價(jià)方法，本文采用的評(píng)價(jià)標(biāo)準(zhǔn)有均方誤差(MSE,Mean Squared Error)和信噪比(SNR,Signal-to-Noise Rate)。均方誤差MSE的計(jì)算公式：

表1 不同水平的脈沖噪聲圖像通過(guò)不同去噪算法后的均方誤差和信噪比

4 結(jié) 語(yǔ)

本文在傳統(tǒng)自適應(yīng)中值濾波的基礎(chǔ)上，提出了一種新的自適應(yīng)中值濾波算法，該算法首先根據(jù)角度的大小來(lái)區(qū)分可疑噪聲點(diǎn)和信號(hào)點(diǎn)，然后，根據(jù)可疑噪聲點(diǎn)與鄰域中其他未被污染的元素之間的相關(guān)性最終判斷該點(diǎn)是否為真正的噪聲點(diǎn)，最后，利用排序后得到的中值與窗口中像素的均值加權(quán)得到的新中值代替該噪聲點(diǎn)輸出，因此，使得此中值濾波算法的噪聲濾除能力、細(xì)節(jié)保護(hù)能力相較于傳統(tǒng)自適應(yīng)中值濾波都有了很大提高，且濾波效果更為理想。

[1] 趙高長(zhǎng)，張磊.改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用 [J].應(yīng)用光學(xué)，2011,32(11)：679-682. ZHAO Gao-chang, ZHANG Lei. Application of Improved Median Filtering Algorithm to Image De-Noising [J].Journal of Applied Optics.2011,32(11):679-682.

[2] 董繼揚(yáng)，張軍英.一種簡(jiǎn)單的椒鹽噪聲濾波算法[J].計(jì)算機(jī)工程與應(yīng)用，2003,39(20)：27-28. DONG Ji-yang,ZHANG Jun-ying.A Simple Algorithm for Removing Salt and Pepper Noise [J].Computer Engineering and Application,2003,39(20)：27-28.

[3] WANG H,Haddod R A. Adaptive Median Filters：New Algorithms and Results[J].IEEE Transaction on Image Processing. 1995,4(04)：499-502.

[4] 衛(wèi)保國(guó). 一種改進(jìn)的自適應(yīng)中值濾波方法 [J].計(jì)算機(jī)應(yīng)用，2008,28(11)：1733-1734. WEI Bao-guo. Improved Adaptive Median Filtering[J]. Computer Applications.2008,28(11)：1733-1734.

[5] 王敏，程京.一種改進(jìn)的自適應(yīng)中值濾波算法 [J].微計(jì)算機(jī)信息，2010,4(26)：109-110，119. WANG Min, CHENG Jing. An Improved Method of Adaptive Median Filter[J].Microcomputer Information.2010,4(26)：109-110，119.

[6] 劉淑娟，趙曄.基于斜率的自適應(yīng)中值濾波算法 [J].計(jì)算機(jī)應(yīng)用，2012,32(03)：736-738. LIU Shu-juan, ZHAO Ye. Adaptive Median Filtering Algorithm based on Slope [J].Journal of Computer Applications.2012，32(03):736-738.

[7] 郭海霞，解凱.一種改進(jìn)的自適應(yīng)中值濾波算法[J]，中國(guó)圖像圖形學(xué)報(bào)，2007，12(07)：1186-1188. GUO Hai-xia, XIE Kai. An Improved Method of Adaptive Median Filter [J].Journal of Image and Graphics,2007,12(07):1186-1188.

[8] 張濤，張欣.一種改進(jìn)的自適應(yīng)中值濾波算法[J].通信技術(shù)，2014, 47(08)：873-875. ZHANG Tao, ZHANG Xin. An Improved Adaptive Median Filter Algorithm[J]. Communications Technology,2014,47(08)：873-875.

Image Noise-Removal on Modified Adaptive Median Filter

YANG Zhuo-dong，ZHANG Xin，ZHANG Tao，LI Yang，YANG Chen-jun

(College of Big Data and Information Engineering，Guizhou University，Guiyang Guizhou 550025，China)

Aiming at the deficiency of traditional adaptive median filtering algorithm, a modified adaptive median filter algorithm is proposed. Angle and correlation are introduced in this algorithm. First, according to the size of Angle alpha,to judge whether the current pixel is suspicious noise point, and again through the correlation between the pixels,to judge whether the suspicious noise is the noise point. Second, new gray value is acquired through weighting the ranked median value and mean value of all pixels in the window, and then noise point is replaced by new gray value, thus to achieve the effect of noise removal. Experimental results show that the algorithm could effectively smooth noise while preserving the details, and the effect is far superior to that of the traditional adaptive median filter algorithm.

adaptive; median filter; weighted; correlation

10.3969/j.issn.1002-0802.2015.11.010

2015-06-12；

2015-09-28 Received date:2015-06-12；Revised date：2015-09-28

國(guó)家自然科學(xué)基金(No.11204046)；貴州省科技廳工業(yè)攻關(guān)項(xiàng)目(黔科合GY字[2010]3056)

Foundation Item:Natual Science Foundation of China(No.11204046)；Guizhou Province Department of Industrial Projects

TP751.1

1002-0802(2015)11-1257-04