陳呂強(qiáng)，伏明蘭

（黃山學(xué)院 機(jī)電與信息工程學(xué)院，安徽 黃山245041）

1 引 言

圖像信號(hào)在其形成、傳輸和記錄過程中，會(huì)受到各種噪聲干擾。椒鹽噪聲是主要噪聲之一，這種噪聲主要是由脈沖干擾引起的。因?yàn)槊}沖干擾通常比圖像信號(hào)的強(qiáng)度要大，所以脈沖噪聲總是數(shù)字化為最大值(純白或純黑)，也就形成了我們所說(shuō)的椒鹽噪聲。[1]對(duì)有噪圖像來(lái)說(shuō)，其后續(xù)處理的成敗好壞往往取決于其前期處理的效果與質(zhì)量。然而抑制噪聲和保持圖像中的細(xì)節(jié)往往是一對(duì)矛盾，因?yàn)閭鹘y(tǒng)的中值濾波器在椒鹽噪聲的去除上有著良好的效果，但其在處理高濃度椒鹽噪聲圖像時(shí)，細(xì)節(jié)不能得到有效的保護(hù)，效果太差。因此保護(hù)細(xì)節(jié)的高濃度椒鹽噪聲濾波算法成為非線性濾波器研究的一個(gè)重要方面。文獻(xiàn)[2]建立了統(tǒng)一的噪聲模型，并最優(yōu)其參數(shù)，達(dá)到去噪的效果。該算法建立噪聲污染圖像的數(shù)學(xué)模型，較為復(fù)雜，處理椒鹽噪聲濃度超過0.6 以上的圖像時(shí)，效果不是很理想。文獻(xiàn)[3]對(duì)不同椒鹽噪聲密度采用不同的去噪方法，取得較好效果。但文中并沒有給出一個(gè)具體的標(biāo)準(zhǔn)來(lái)判別噪聲濃度。文獻(xiàn)[4]利用最近鄰4 個(gè)像素值的灰度平均值替代噪聲點(diǎn)，算法簡(jiǎn)單，但處理后的圖像細(xì)節(jié)損失較為嚴(yán)重。文獻(xiàn)[5]提出了一種非線性自適應(yīng)濾波算法，算法實(shí)時(shí)性很好，但當(dāng)高密度噪聲大于0.3 時(shí)，濾波后圖像較為模糊。由上述分析可見，一種既能濾除大密度噪聲又能很好的保護(hù)細(xì)節(jié)的濾波器算法成了重點(diǎn)的研究方向?；诖?，本文在上述研究成果的基礎(chǔ)上，提出了一種自適應(yīng)的高密度椒鹽噪聲濾波算法，取得了良好的去噪效果。

2 噪聲檢測(cè)

首先對(duì)噪聲進(jìn)行初步判決：

fi，j是像素點(diǎn)（i，j）的灰度值，WD[fi，j]表示以像素點(diǎn)（i，j）為中心的窗口尺寸為D×D 的灰度分布，窗口，經(jīng)過多次實(shí)驗(yàn)，這里D=5?！鞅硎驹肼暸袥Q門限，經(jīng)過大量實(shí)驗(yàn)表明，△=5 時(shí)效果較好[6]取fmin和fmax是當(dāng)前濾波窗口中按上述標(biāo)準(zhǔn)濾波后剩余像素的最大和最小值。當(dāng)fi，j在區(qū)間min(WD[fi，j])+△和max(WD[fi，j])-△上時(shí)，可能是信號(hào)點(diǎn)，所以需要進(jìn)一步區(qū)分fi，j是否為信號(hào)點(diǎn)。如果│fmin－fi，j│和│fmax－fi，j│的值均小于閾值T，則認(rèn)為fi，j是信號(hào)點(diǎn)，記為1，否則是噪聲點(diǎn)，記為0。這樣可以在準(zhǔn)確判別噪聲的同時(shí)，有效保留圖像的大量細(xì)節(jié)。

3 算法具體步驟

算法具體步驟如下：

1.遍歷全部整個(gè)圖像，判斷哪些是噪聲點(diǎn)；

2.若原始圖像大小為M×N,初步估計(jì)噪聲的密度p:

3.如果p＜30%,則說(shuō)明噪聲點(diǎn)周圍信號(hào)點(diǎn)較多，則對(duì)以該噪聲象素點(diǎn)為中心的3×3 窗口內(nèi)的象素進(jìn)行排序，找出中間值；

4.將此中間值與周圍8 個(gè)象素逐一進(jìn)行比較，尋找差值絕對(duì)值最小的一個(gè)，將此象素值替換噪聲點(diǎn)；

5.如果p＞30%，先統(tǒng)計(jì)3×3 窗口信號(hào)點(diǎn)，求這些信號(hào)點(diǎn)的平均值ave3×3，然后將窗口擴(kuò)大為5×5，統(tǒng)計(jì)5×5 窗口內(nèi)的像素點(diǎn)，求其平均值ave5×5，用替換噪音點(diǎn);

6.對(duì)圖像進(jìn)行迭代濾波，計(jì)算迭代后圖像噪聲濃度和迭代前噪聲濃度的絕對(duì)值，若小于0.01，則迭代結(jié)束。

4 試驗(yàn)結(jié)果及分析

實(shí)驗(yàn)基于Matlab7.0 平臺(tái)下完成，選用標(biāo)準(zhǔn)的256×256×8bit 的大米圖像為測(cè)試對(duì)象，來(lái)檢驗(yàn)算法效果，添加椒鹽噪聲密度為0.7，試驗(yàn)結(jié)果如圖1 中a，b，c，d，e 所示。

圖1 實(shí)驗(yàn)仿真結(jié)果

由仿真結(jié)果可以看出，當(dāng)噪聲密度加大到0.7時(shí)，使用本文算法，在盡量保護(hù)細(xì)節(jié)的同時(shí)最大限度的濾除了噪聲。

[1]劉健康,齊國(guó)清,姜國(guó)興.一種適合于圖像細(xì)節(jié)保留的椒鹽噪聲濾波器[J].大連海事大學(xué)學(xué)報(bào),2006，32(1):79-82.

[2]肖泉,丁興號(hào).有效保持細(xì)節(jié)特征的圖像椒鹽噪聲濾除方法[J].電子學(xué)報(bào)，2010,38(10):2273-2277.

[3]王鈺,魏學(xué)業(yè),等.自適應(yīng)線性預(yù)測(cè)圖像椒鹽噪聲去除方法[J].2011,47(3):163-165.

[4]何一鳴,張剛鳴,等.基于鄰域均值的去椒鹽噪聲算法[J].2011,35(6):764-785.

[5]李樹濤,王耀南.圖象椒鹽噪聲的非線性自適應(yīng)濾除[J].中國(guó)圖象圖形學(xué)報(bào)，2000,12(5):999-1001.

[6]Sun yan-xia, Ma ying-wei.Serious Salt & Pepper Noise FilteringAlgorithm Based on details of the reservation[J].China Electric PowerEducation,2009，15（2）:436-437.