网站原创摘 要:为了改善受脉冲噪声污染的图像的滤波效果,提出了一种新的滤波算法.该算法包括3个阶段,首先,利用像素点之间的相似性来检测图像中受噪声污染的像素点,然后,将滤波窗口分为8个主要方向来确定边缘方向,最后,针对噪声点进行边缘保护滤波.实验结果表明,在噪声污染度较小的情况下,该算法不仅能准确地检测出噪声点,而且更多地保护了噪声图像的边缘部分以及非噪声点,具有良好的滤波效果.
关 键 词:相似性噪声检测,边缘保护滤波,脉冲噪声,图像降噪
中图分类号:TP391.41,TP301.6文献标志码:A
Edgepreservingfilterwithsimilaritynoisedetectionforimpulsenoisereduction
LIUXin*,GEHongwei,XUBingchun
(
SchoolofIoTEngineering,JiangnanUniversity,WuxiJiangsu214122,China
)
Abstract:
Inordertoimprovethefilteringeffectofnoiseimage,thispaperputforwardanewfilteringalgorithm.Thisalgorithmconsistedofthreestages.Firstly,thesimilaritiesofthepixelswereusedintheimagetodetecttheimpulsenoise.Thenthefilterwindowwasdividedintoeigaindirectionstodeterminethedirectionsoftheedges,andatlasttheseimpulsenoiseswererestoredusinganedgepreservingmethod.Thesimulationresultsindicatethatthisalgorithmcannotonlyaccuratelydetectthenoisepoints,butasloprotectthenoisefreepixelsandtheboundariesinthenoiseimagewhenthenoisedensityisall.
Keywords:
similaritynoisedetection,edgepreservingfilter,impulsenoise,imagedenoising
0引言
图像在生成、传输过程中容易产生脉冲噪声.产生脉冲噪声的原因包括传感器的局限性以及通信系统的故障和缺陷.如果图像中存在着大量噪声,将会导致图像失去大量特征信息,直接影响随后的图像边缘检测和图像恢复等处理.中值滤波(MEDianfilter,MED)是一种非线性滤波方式,对于污染度较小的图片来说,中值滤波具有很好的效果,但是中值滤波也同时会导致图像细节和边缘丢失,使图像变得模糊.
对于脉冲噪声图像的滤波处理,可以分为噪声检测和滤波两步.对于脉冲噪声的检测包括阈值检测法[1]、排序法噪声检测[2]、基于统计的噪声检测法[3]、按噪声点类型进行分类检测[4]、最大最小检测法[5-6]、二级噪声检测法[7],以及门限极值法[8-9]等.对于脉冲噪声的滤除,包括加权中值滤波[3,10]、边缘保护中值滤波[4]、自适应中值滤波[11]等.文献[1-4,10-11]通过噪声检测,判断出噪声点,并对噪声点进行滤波处理,具有良好的滤波效果.
| 有关论文范文主题研究: | 关于噪声的论文例文 | 大学生适用: | 自考毕业论文、硕士学位论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 57 | 写作解决问题: | 写作技巧 |
| 毕业论文开题报告: | 论文任务书、论文题目 | 职称论文适用: | 核心期刊、职称评初级 |
| 所属大学生专业类别: | 写作技巧 | 论文题目推荐度: | 经典题目 |
本文提出了一种将相似性噪声检测和边缘保护滤波结合的脉冲噪声去除算法.实验结果表明,对于低污染度的噪声图片,论文中的滤波方法比上述文献中提到的滤波方法更能滤除噪声,而且保护了更多的图像细节.
1相似性噪声检测
1.1标记滤波窗口
1.4噪声检测结果与分析
为了判断该噪声检测方法对噪声图像的去噪效果,引入了检测出的噪声点个数、正确检测率、错误检测率和丢失检测率,具体定义如下:
1)检测出的噪声点个数是本文所用检测方法所检测出的噪声点总个数.
2)错误检测率是将正常像素点错误地检测为噪声点的个数与图像总像素点的比例.
3)丢失检测率是未检测出的噪声点的个数与图像总像素点的比例.
4)正确检测率是指被正确检测出的噪声点与图像像素点总数的比值.
正确检测率等于
检测出的噪声点数-错误检测出的噪声点数像素点总数(2)
以512×512的Lena图像为例,在3×3窗口下,不同噪声密度的检测结果如表1所示.
表2实验数据是对噪声图像进行多次滤波处理后所得数据的平均值,经实验表明,在处理低污染度的噪声图像时,存在噪声误检和漏检的情况,DTBDA算法[4]虽然在噪声污染度为0.05时能很好地检测出噪声点,相应的PSNR也比较高,但是随着噪声密度的增加,误检和漏检的情况会越来越严重,其PSNR在噪声污染度大于0.05时比本文算法所得PSNR低,相比之下本文算法在噪声检测方面具有更好的稳定性.由表中数据得出,噪声污染度在0.05和0.2之间时,随着噪声密度的增加,本文算法的噪声检测效果优于DTBDA算法[4]和表中其他算法,相应的PSNR较高.
4结语
本文提出了一种保护图像细节的脉冲噪声滤除算法.通过相似性噪声检测器准确地检测出噪声,再进行边缘保护滤波,通过大量实验并与近年来不同的优秀算法进行比较.结果表明,本文算法在低污染度情况下是一种有效的滤波方法,能更好地检测出脉冲噪声,滤波后能更好地保留图像细节.