中北大學(xué)計(jì)算機(jī)與控制工程學(xué)院　席小霞中北大學(xué)軟件學(xué)院　宋文愛(ài)

?

一種新型的中值濾波改進(jìn)算法

中北大學(xué)計(jì)算機(jī)與控制工程學(xué)院席小霞
中北大學(xué)軟件學(xué)院宋文愛(ài)

【摘要】針對(duì)傳統(tǒng)中值濾波算法難以去除圖像中高密度噪聲的問(wèn)題，本文提出了一種新型的改進(jìn)中值濾波算法。該算法在保證其灰度值不變的前提下，對(duì)圖像中的信號(hào)點(diǎn)和噪聲點(diǎn)進(jìn)行標(biāo)識(shí)后進(jìn)行噪聲處理。仿真實(shí)驗(yàn)結(jié)果表明，相比于傳統(tǒng)中值濾波、均值濾波，該算法能在有效去除噪聲的同時(shí)很好地保留圖像細(xì)節(jié)，具有更佳的視覺(jué)效果。

【關(guān)鍵詞】噪聲檢測(cè)；中值濾波；噪聲密度

0　引言

圖像信號(hào)在產(chǎn)生、傳輸和記錄過(guò)程中,經(jīng)常會(huì)受到各種噪聲的干擾，嚴(yán)重地影響了圖像的視覺(jué)效果。因此在對(duì)圖像后續(xù)處理之前必須采用適當(dāng)?shù)姆椒ㄟM(jìn)行去噪。中值濾波是圖像處理中一種十分有效的濾波方法，對(duì)多種隨機(jī)噪聲都有很好的噪聲抑制能力[1]。區(qū)別于線性平滑濾波器，在濾波窗口具有相同大小的情況下，中值濾波造成圖像模糊的程度更小，能夠有效去除極值奇異點(diǎn)[2-3]。但是在處理高密度噪聲的圖像時(shí)，傳統(tǒng)的中值濾波算法的去噪能力大大減弱。

基于中值濾波算法的不足，本文提出了一種新型的中值濾波改進(jìn)算法，在保證灰度值不變的情況下，分別對(duì)噪聲點(diǎn)和信號(hào)點(diǎn)進(jìn)行標(biāo)識(shí)，同時(shí)統(tǒng)計(jì)檢測(cè)出的噪聲點(diǎn)的個(gè)數(shù)， 根據(jù)估計(jì)的噪聲密度自適應(yīng)的確定濾波窗口大小， 最后采用改進(jìn)的中值濾波算法對(duì)噪聲點(diǎn)進(jìn)行處理。仿真實(shí)驗(yàn)結(jié)果表明，對(duì)于高密度噪聲的圖像，該改進(jìn)算法可以在很好的保留圖像細(xì)節(jié)下，有效去除噪聲，具有更好地濾波性能。

1　改進(jìn)算法的設(shè)計(jì)

1.1噪聲模型

真實(shí)環(huán)境中的圖像噪聲的像素位置隨機(jī)分布，且特征位置的噪聲灰度值與附近正常的灰度值無(wú)關(guān)。為了更好地模擬該噪聲，選用下面的噪聲模型：

1.2噪聲識(shí)別

噪聲識(shí)別是濾波算法的核心。它用于從目標(biāo)圖像中找出噪聲點(diǎn)的位置。避免漏檢或誤檢的發(fā)生是噪聲識(shí)別算法的一個(gè)重要指標(biāo)。目前現(xiàn)有的噪聲識(shí)別算法大都是利用窗口的極值來(lái)進(jìn)行判別的，但是噪聲點(diǎn)不一定全在窗口的極值點(diǎn)上，進(jìn)而引發(fā)了噪聲點(diǎn)誤檢和漏檢。特別是在噪聲概率較大時(shí)，檢測(cè)性能下降很明顯。

為了提高噪聲圖像的檢測(cè)精度，本文提出一種新型的噪聲識(shí)別方法。該方法通過(guò)第一級(jí)噪聲識(shí)別，找出候選噪聲點(diǎn)，并估計(jì)出圖像中的噪聲概率；當(dāng)噪聲概率P低于閾值時(shí)，進(jìn)行第二級(jí)噪聲檢測(cè)，用于避免上級(jí)中噪聲點(diǎn)的誤檢。反之，將上級(jí)中的候選噪聲點(diǎn)直接作為噪聲點(diǎn)。原理圖如圖1所示。

圖1　噪聲檢測(cè)原理圖

（1）第一級(jí)噪聲識(shí)別

首先獲取噪聲圖像的全部像素點(diǎn)集Y；其次遍歷出該圖像中灰度值的最大值Ymax和最小值Ymin。對(duì)于圖像中任一像素點(diǎn)X(i,j)，第一級(jí)的檢測(cè)窗口為以坐標(biāo)(i,j)為中心的(2n+1)×(2n+1)所有像素值組成的集合。

如果待檢測(cè)窗口中心坐標(biāo)的灰度值與Ymax或Ymin相等，則將該點(diǎn)作為候選噪聲點(diǎn)。最后通過(guò)統(tǒng)計(jì)候選噪聲點(diǎn)的個(gè)數(shù)，估算出該噪聲圖像的噪聲概率P。當(dāng)P未超出設(shè)定的閾值時(shí)，進(jìn)行第二級(jí)噪聲識(shí)別。

（2）第二級(jí)噪聲識(shí)別

遍歷候選的噪聲的集合，分別將坐標(biāo)(i,j)對(duì)應(yīng)的檢測(cè)窗口中不等于Ymax或Ymin的所有灰度值進(jìn)行求和取平均值Mid。如果將該位置的灰度值與Mid的絕對(duì)值差超出給定的門限值，則為最終的噪聲點(diǎn)；反之剔除該像素點(diǎn)。

1.3窗口尺寸的自適應(yīng)確定

總所周知，選取小尺寸的濾波窗口可以保護(hù)圖像的細(xì)節(jié)信息，但是去噪能力受到限制；選取大尺寸的濾波窗口雖然可以增強(qiáng)去噪能力， 但是圖像會(huì)變得模糊。 為兼顧圖像噪聲抑制和細(xì)節(jié)保留兩方面的性能，本文根據(jù)噪聲密度大小和窗口內(nèi)噪聲點(diǎn)個(gè)數(shù)之間的關(guān)系，自適應(yīng)確定濾波窗口尺寸。

2　仿真實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文改進(jìn)算法的性能，現(xiàn)采用matlab進(jìn)行仿真研究，并將實(shí)驗(yàn)結(jié)果與傳統(tǒng)的中值濾波算法以及均值濾波算法進(jìn)行比較。圖2為各種濾波算法的實(shí)驗(yàn)性能對(duì)比。

圖2　不同濾波算法的圖像去噪效果比較

從圖2中可以看出，相比于中值濾波算法以及均值濾波算法，本文提出的算法去噪效果較好，尤其在噪聲概率密度較大時(shí)（圖2-B）,該改進(jìn)算法的濾噪性能優(yōu)勢(shì)更加突出。

3　結(jié)束語(yǔ)

為了解決在噪聲概率較大時(shí)傳統(tǒng)中值濾波算法的性能下降的問(wèn)題，本文提出一種新型的中值濾波改進(jìn)算法。該算法在對(duì)圖像中的信號(hào)點(diǎn)和噪聲點(diǎn)進(jìn)行區(qū)分時(shí)，采用兩級(jí)噪聲檢測(cè)方法。它可以在保留圖像細(xì)節(jié)下，有效去除噪聲；而且可以避免一定的誤檢率。通過(guò)matlab仿真表明，該算法的性能優(yōu)于傳統(tǒng)中值濾波及均值濾波算法，特別在噪聲概率密度較大時(shí)，優(yōu)勢(shì)更加明顯。

參考文獻(xiàn)

[1]Conzalez R C,Woods R E.數(shù)字圖像處理[M].第2 版.阮秋琦,阮宇智,譯.北京:電子工業(yè)出版社,2003.

[2]邢藏菊,王守覺(jué),鄧浩江,等.一種基于極值中值的新型濾波算法[J].中國(guó)圖象圖形學(xué)報(bào),2001,6(6):533-536.

[3]胡曉東,彭鑫.小波域高斯混合模型與中值濾波的混合圖像去噪研究[J].光子學(xué)報(bào),2007,36(12):2381-2385.