亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)權(quán)重非局部均值圖像濾波方法與實(shí)現(xiàn)

        2017-07-24 17:05:37張玉榮
        關(guān)鍵詞:鄰域高斯均值

        張玉榮

        (1.武漢理工大學(xué) 信息工程學(xué)院,武漢 430070;2.徽商職業(yè)學(xué)院 電子信息系,合肥 230061)

        基于改進(jìn)權(quán)重非局部均值圖像濾波方法與實(shí)現(xiàn)

        張玉榮1,2

        (1.武漢理工大學(xué) 信息工程學(xué)院,武漢 430070;2.徽商職業(yè)學(xué)院 電子信息系,合肥 230061)

        圖像濾波是計(jì)算機(jī)圖像處理領(lǐng)域中極為重要的預(yù)處理環(huán)節(jié),目的是消除混雜在圖像中的干擾因素,改善圖像質(zhì)量,強(qiáng)化圖像表現(xiàn)特征。在傳統(tǒng)非局部均值濾波算法基礎(chǔ)上,提出了基于改進(jìn)權(quán)重的非局部均值圖像濾波算法,以歐式距離高斯加權(quán)為基礎(chǔ),配以圖像之間的自相似性,在圖像領(lǐng)域灰度值的矩陣間使用,充分地將圖形領(lǐng)域間的自相似性發(fā)揮出來(lái)。實(shí)驗(yàn)結(jié)果表明,基于改進(jìn)權(quán)重的非局部均值圖像去噪算法比傳統(tǒng)的非局部均值去噪算法保持更有效的圖像結(jié)構(gòu)信息。

        加權(quán)權(quán)證;非局部均值;圖像濾波;圖像相似性

        0 引言

        由于受多方面因素的影響,人們?cè)谑褂糜?jì)算機(jī)對(duì)圖像進(jìn)行處理的過(guò)程中,不可避免地受到各種噪聲的干擾,噪聲會(huì)導(dǎo)致圖像信號(hào)質(zhì)量的嚴(yán)重下降,且有噪聲的圖像往往會(huì)損失部分有效信息,從而影響到視覺(jué)效果,不利于后期圖像分析。因此,對(duì)圖像進(jìn)行濾波去噪已經(jīng)成為圖像處理領(lǐng)域極為關(guān)鍵的預(yù)處理環(huán)節(jié)。圖像噪聲并不限于人眼所能看得見(jiàn)的失真和變形,有些噪聲只有在進(jìn)行圖像處理時(shí)才可以發(fā)現(xiàn)。

        圖像濾波是圖像處理方面最基礎(chǔ)且最重要的內(nèi)容,圖像濾波的目的就是去除圖像在傳輸或者獲取中的噪聲污染,圖像去噪的效果直接影響到包括目標(biāo)識(shí)別、圖像分割、邊緣提取等方面圖像的后期處理,其中去除圖像疊加高斯白噪聲,是圖像濾波中的重點(diǎn)研究?jī)?nèi)容。如果圖像濾波算法能夠滿足一定的目標(biāo),那么這個(gè)算法就是最理想的。為了得到最理想的算法,研究人員提出了多種濾波方式。傳統(tǒng)的去噪算法有卡爾曼濾波、中值濾波、小波變換等。本文在傳統(tǒng)算法基礎(chǔ)上深入研究,尤其是局部均值濾波去噪算法,針對(duì)該算法結(jié)合局部二值在改進(jìn)權(quán)重基礎(chǔ)上,讓相似度高的鄰域獲得的權(quán)重越大,而相似度低的鄰域獲得的權(quán)重越小,在高斯加權(quán)的歐式距離基礎(chǔ)上,結(jié)合相關(guān)系數(shù)來(lái)衡量信號(hào)之間相關(guān)程度的指標(biāo),能夠更好地表現(xiàn)出圖像領(lǐng)域之間的相似性。為此提出一種效果與效率兼?zhèn)涞膱D像去噪方法,并結(jié)合國(guó)際標(biāo)準(zhǔn)Lena圖像檢驗(yàn)其實(shí)際應(yīng)用效果,最后通過(guò)硬件改進(jìn)達(dá)到圖像實(shí)時(shí)處理的目的,實(shí)驗(yàn)結(jié)果表明,該方法在去噪效果和實(shí)時(shí)性上得到了很好的平衡。

        1 圖像濾波算法

        圖像濾波應(yīng)該滿足:保持圖像紋理細(xì)節(jié)不被丟失;保留圖像邊緣不模糊;過(guò)濾圖像噪聲;保持圖像平滑區(qū)光滑;圖像不引入人造特征[1]。圖像去噪算法分為基于局部的濾波和基于非局部的濾波。

        1.1 基于局部的濾波算法

        被廣泛應(yīng)用的基于局部的濾波為高斯濾波,它是在空域上使圖像與線性對(duì)稱正定核函數(shù)進(jìn)行卷積計(jì)算,高斯濾波的高斯核可以表示為:

        Gh(x)=(1/4πh2)e(|x|2/4h2)

        (1)

        其中,h為高斯核標(biāo)準(zhǔn)差,表示不同值的不同平滑程度的高斯核。

        定義方法噪聲,將圖像設(shè)為u,Dh表示為參數(shù)h的去噪算子,那么圖像u的噪聲為:

        n(Dh,v)=u-Dh(u)

        (2)

        式(2)表示原始圖像和去噪之后圖像的差,方法噪聲要求與白噪聲相接近,以使圖像不會(huì)因?yàn)槿ピ攵鴣G失其他內(nèi)容。

        高斯濾波的方法噪聲表示為:

        u-Gh*u=-h2△u+o(h2)

        (3)

        去噪的性能與平滑領(lǐng)域大小有著密切的聯(lián)系,能夠通過(guò)平均抑制噪聲。假設(shè)h=kε,k是h之間對(duì)u和n的采樣數(shù)量,它的值比1大,并且能夠去除噪聲。高斯的平滑效果要通過(guò)參考像素點(diǎn)i=0的結(jié)果進(jìn)行評(píng)價(jià),上式表示為:

        (4)

        n(x)是分段常量函數(shù),pi是以像素點(diǎn)i為中心,以ε2為大小的正方形點(diǎn)集,Gh(i)是高斯核函數(shù)Gh的均值。

        隨機(jī)向量X的方差表示為Var(X),那么隨機(jī)變量方差就可以表示為:

        Var(Gh*n(0))=∑ε4Gh(i)2δ2/8πh2

        (5)

        尺度h比抽樣尺度ε的平滑區(qū)域大時(shí),圖像去噪不會(huì)改變位置的灰度。圖像的諧波部分高斯濾波方法噪聲為零時(shí),邊緣或紋理附近值就會(huì)變得很大。所以,高斯卷積對(duì)平坦區(qū)域有良好的去噪效果,但是在邊界或者紋理地方就會(huì)比較模糊[2]。

        1.2 非局部均值濾波算法

        假設(shè)噪聲的圖像模型為:

        Y(a)=X(a)+N(a)

        (6)

        其中噪聲圖像表示為Y(a),沒(méi)有受到噪聲干擾的圖像表示為X(a),均值表示為N(a),高斯白噪方差為σ2。對(duì)圖像進(jìn)行去除噪音的目的是從噪音圖像中取得原始圖像的最佳估計(jì)值,使最佳估計(jì)值最大限度的接近原始圖像[3]。

        假設(shè)有一幅噪聲圖像v={v(a)|a∈A},A為圖像中的坐標(biāo)域,對(duì)圖像中的某一個(gè)像素點(diǎn)a進(jìn)行非局部均值濾波去噪,計(jì)算之后的噪點(diǎn)估計(jì)值為:

        (7)

        其中權(quán)值w(a,b)與像素點(diǎn)a,b之間的相似性有一定的關(guān)系,并且滿足0≤w(a,b)≤1和∑bw(a,b)=1。

        像素a,b之間相似性的確定通過(guò)灰度矩陣Na和Nb的相似進(jìn)行確定,Na為像素a的圖像區(qū)域,Nb為像素b的圖像區(qū)域。每個(gè)區(qū)域之間的相似度的度量通過(guò)區(qū)域間的高斯加權(quán)歐式距離d(a,b)進(jìn)行,可以表示為:

        (8)

        其中,β>0為高斯核的標(biāo)準(zhǔn)差。圖像區(qū)域間的灰度值矩陣相似度越高,其像素點(diǎn)在加權(quán)平均后的權(quán)重就會(huì)越來(lái)越大,權(quán)重表示為:

        (9)

        其中,z(a)=exp(d(a,b)/r2)表示為歸一化常數(shù),r為平滑參數(shù),使指數(shù)函數(shù)的衰減速度能夠得到有效控制[4]。

        2 基于改進(jìn)權(quán)重的非局部均值圖像濾波算法

        在傳統(tǒng)的非局部均值圖像濾波去噪算法中,加權(quán)核函數(shù)影響去噪效果。良好的核函數(shù)特性包括:具有較高相似度鄰域要有較大的權(quán)重;具有較低相似度領(lǐng)域要有較小的權(quán)重。在非局部去噪算法中,確定加權(quán)核函數(shù)是尤為重要的。傳統(tǒng)的非局部均值去噪算法中,一般使用指數(shù)型核函數(shù):

        f(x)=exp(f(d(i,j))/h2),d(i,j)≤h

        (10)

        為了能夠有效解決傳統(tǒng)非局部均值去噪中的不足,可以將其融入圖像領(lǐng)域間的相關(guān)系數(shù),以此衡量圖像間的指標(biāo),評(píng)價(jià)圖像塊之間的相似性,其主要表示為:

        (11)

        其中,ψ(a,b)=∑a*b,a1表示為灰度矩陣Na的灰度均值;b1表示為灰度矩陣Nb的灰度均值。

        在傳統(tǒng)非局部均值去噪算法中,通過(guò)圖像鄰域的高斯加權(quán)歐氏距離d(a,b)表示灰度矩陣間的相似性,如果d(a,b)與0相接近,表示鄰域灰度矩陣具有較高的相似度,式(11)中CR(a,b)的值在-1和1之間,為了使傳統(tǒng)非局部均值去噪算法能夠與改進(jìn)的算法的距離相似,可將鄰域灰度矩陣的相似參數(shù)表示為:

        w(a,b)=1-CR(a,b)/2

        (12)

        其中,w(a,b)的值在0~1之間,如果兩個(gè)鄰域灰度矩陣相同,w(a,b)的值就為0;如果w(a,b)的值越來(lái)越大,那么兩個(gè)鄰域灰度矩陣就會(huì)越來(lái)越不相似。使兩個(gè)鄰域之間的相似參數(shù)w(a,b)和傳統(tǒng)非局部均值去噪算法的高斯加權(quán)歐氏距離相融合,全新的鄰域灰度矩陣相似性參數(shù)就可以表示為:

        (13)

        3 實(shí)驗(yàn)結(jié)果

        使用MATLAB進(jìn)行實(shí)驗(yàn)的過(guò)程中,分別從圖像的去噪效果、方法噪聲、峰值信噪比三個(gè)方面進(jìn)行測(cè)試比較。由于非局部均值去噪算法具有較大的計(jì)算量,所以為了能夠有效提高算法的效率,將改進(jìn)后的非局部均值去噪算法和傳統(tǒng)的非局部均值去噪算法使用限定鄰域,根據(jù)多次算法測(cè)試參數(shù)的經(jīng)驗(yàn)值,相似窗為7*7,搜索窗為21*21的參數(shù),添加均值為0,標(biāo)準(zhǔn)方差為30,實(shí)驗(yàn)圖像采用國(guó)際標(biāo)準(zhǔn)測(cè)試圖像Lena圖像,圖像大小為512×512,如圖1所示。

        圖1 實(shí)驗(yàn)圖像:(a) Lena原灰度圖;(b) Lena添加噪聲的灰度圖

        3.1 去噪結(jié)果比較

        圖2通過(guò)圖像灰度變換增強(qiáng)后采用傳統(tǒng)非局部均值圖像去噪算法與改進(jìn)非局部均值圖像去噪算法的對(duì)比結(jié)果,可以看出來(lái),改進(jìn)后的非局部均值圖像去噪算法比傳統(tǒng)非局部均值圖像去噪算法的視覺(jué)效果要好很多,尤其是在一些紋理地方和細(xì)節(jié)方面,改進(jìn)后的非局部均值圖像去噪算法最大限度地保留了原始圖像中的細(xì)節(jié)信息。

        為了能夠使兩者的對(duì)比效果中的細(xì)節(jié)信息更加明顯和清晰,給出去噪之后的Lena圖局部細(xì)節(jié)的放大圖片,如圖3所示。通過(guò)對(duì)比和觀察可以看出來(lái),使用改進(jìn)后的非局部均值算法去噪之后的圖像具有大量且清晰的結(jié)構(gòu)信息,無(wú)論從局部還是從整體來(lái)看,改進(jìn)后的非局部均值算法都比傳統(tǒng)非局部均值去噪算法要優(yōu)異得多。

        3.2 方法噪聲對(duì)比

        方法噪聲對(duì)比是一種全新的評(píng)價(jià)圖像去噪性能的標(biāo)準(zhǔn),將其定義為含有噪音圖像的去除噪音圖像的差。為了充分發(fā)揮改進(jìn)非局部均值算法的優(yōu)點(diǎn),給出了傳統(tǒng)非局部均值圖像去噪算法和改進(jìn)非局部均值去噪算法處理之后的方法噪聲,并進(jìn)行對(duì)比,可以了解傳統(tǒng)非局部均值去噪算法處理之后得到的噪聲具有多種細(xì)節(jié)信息,改進(jìn)后的非局部均值去噪算法處理之后得到的噪聲具有較少的細(xì)節(jié)信息,這表明改進(jìn)后的非局部均值去噪算法具有較良好的性能[5],如圖4所示。

        圖2 Lena圖去噪效果對(duì)比:(a)傳統(tǒng)非局部均值算法去噪效果;(b)改進(jìn)非局部均值算法去噪效果

        圖3 Lena圖去噪細(xì)節(jié)效果對(duì)比:(a)傳統(tǒng)非局部均值算法去噪細(xì)節(jié)效果;(b)改進(jìn)非局部均值算法去噪細(xì)節(jié)效果

        圖4 Lena圖方法噪聲對(duì)比:(a)傳統(tǒng)非局部均值算法噪聲;(b)改進(jìn)非局部均值算法噪聲

        噪聲標(biāo)準(zhǔn)差傳統(tǒng)非局部均值去噪算法改進(jìn)非局部均值去噪算法PSNR/dBαPSNR/dBα1019.2540.97419.9210.9792016.2350.94116.9540.9623014.4510.89915.0150.935

        圖5 Lena圖像兩種算法的峰值信噪比

        圖6 Lena圖像兩種算法的邊緣保持指數(shù)

        3.3 對(duì)比峰值信噪比和邊緣保持指數(shù)

        為了能夠充分體現(xiàn)改進(jìn)非局部均值算法的優(yōu)勢(shì),對(duì)圖1中的兩幅圖像融入了標(biāo)準(zhǔn)差為10、20、25、30的高斯白噪聲,噪聲均值為0,兩種方式對(duì)應(yīng)的邊緣保持指數(shù)α和峰值噪聲比(PSNR)的測(cè)試結(jié)果見(jiàn)表1,在不同的噪聲中使用改進(jìn)非局部均值圖像去噪算法,其去噪性能和邊緣保持指數(shù)比傳統(tǒng)非局部均值去噪算法要良好。圖5和圖6分別給出了兩種算法在不同噪聲中的峰值信噪比和邊緣保持指數(shù),能夠更加直觀和清晰地看出兩者的性能差異。對(duì)比看出,改進(jìn)非局部均值去噪算法比傳統(tǒng)非局部均值去噪算法有更好的結(jié)構(gòu)信息保持度和峰值信噪比[6]。

        4 結(jié)論

        綜合以上實(shí)驗(yàn)結(jié)果與分析可知,改進(jìn)的非局部均值濾波去噪算法是在改進(jìn)權(quán)重基礎(chǔ)上,讓相似度高的鄰域獲得的權(quán)重越大,而相似度低的鄰域獲得的權(quán)重越小。在高斯加權(quán)的歐式距離基礎(chǔ)上,結(jié)合相關(guān)系數(shù)來(lái)衡量信號(hào)之間相關(guān)程度指標(biāo),能夠更好地表現(xiàn)出圖像鄰域間的相似性。

        對(duì)含有較多紋理和細(xì)節(jié)信息的圖像測(cè)試表明,相對(duì)于傳統(tǒng)的非局部均值濾波去噪算法,基于改進(jìn)權(quán)重的非局部均值圖像去噪算法在去噪性能和細(xì)節(jié)處理方面能力更強(qiáng),輸出峰值信噪比更高。

        實(shí)驗(yàn)還發(fā)現(xiàn),本文提出的算法可以應(yīng)用在各種序列圖像的前期預(yù)處理過(guò)程中,尤其對(duì)于噪聲強(qiáng)度越大的圖像,去噪性能越明顯,去燥后的圖像視覺(jué)效果越好,在去噪效果和計(jì)算速度上得到了很好的平衡。

        [1] 劉曉明,田雨,何徽,等.一種改進(jìn)的非局部均值圖像去噪算法[J].計(jì)算機(jī)工程,2012(4):199-201.

        [2] 房宜汕.基于改進(jìn)的非局部均值去噪算法[J].軟件,2014(2):59-62.

        [3] 黃玲俐.一種改進(jìn)權(quán)重的非局部均值圖像去噪方法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016(6):16-19.

        [4] 王林.基于非局部均值的圖像去噪方法研究[D].西安:西安電子科技大學(xué),2014.

        [5] 劉卓亞.非局部均值圖像去噪算法研究[J].電腦知識(shí)與技術(shù),2012(22):5448-5449.

        [6] 周兵,韓媛媛,徐明亮,等.快速非局部均值圖像去噪算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2016(8):1260-1268.

        (責(zé)任編輯:孫文彬)

        Research on the Non-local Mean Image Filtering Algorithm Based on Improved Weight

        ZHANG Yu-rong1,2

        (1. School of Information Engineering, Wuhan University of Science and Technology, Wuhan 430070, China; 2. Electronics Information Department, Huishang Vocational College, Hefei 230061, China)

        Image filtering is an important step in the field of computer image processing, the purpose is to eliminate the confounding factors in the image, improve the image quality, and strengthen the image performance. The non local mean denoising uses the self similarity between the image domains to construct the weights, and then to restore the image, the smaller is the distance, the greater is the weight. This paper proposed the non local means denoising algorithm based on improved image weights, the Euclidean distance weighted Gauss based, with self similarity between images and its use in the field of image gray value matrix, full graphic field of self similarity between play. Experimental results showed that the non local mean image denoising algorithm based on the improved weight is more effective than the traditional non local mean denoising algorithm.

        weighted warrant; non local means; image filtering; image similarity

        2017-05-05

        安徽省高校自然科學(xué)重點(diǎn)項(xiàng)目(KJ2016A685);安徽省教育廳質(zhì)量工程項(xiàng)目(2014jxtd110,2015tszy089)

        張玉榮(1976-),女,安徽廬江人,副教授,在讀博士,主要從事視頻圖像處理和物聯(lián)網(wǎng)技術(shù)應(yīng)用研究。

        TP391

        A

        1009-7961(2017)03-0001-05

        猜你喜歡
        鄰域高斯均值
        小高斯的大發(fā)現(xiàn)
        稀疏圖平方圖的染色數(shù)上界
        天才數(shù)學(xué)家——高斯
        基于鄰域競(jìng)賽的多目標(biāo)優(yōu)化算法
        關(guān)于-型鄰域空間
        均值不等式失效時(shí)的解決方法
        均值與方差在生活中的應(yīng)用
        關(guān)于均值有界變差函數(shù)的重要不等式
        有限域上高斯正規(guī)基的一個(gè)注記
        對(duì)偶均值積分的Marcus-Lopes不等式
        国产真实乱对白在线观看| 色播亚洲视频在线观看| 最新国产乱人伦偷精品免费网站 | 免费超爽大片黄| 久久中文精品无码中文字幕 | 蜜桃av噜噜一区二区三区免费| 久久在一区二区三区视频免费观看| 国产美女精品一区二区三区| 亚洲国产成人精品女人久久久| 熟妇与小伙子露脸对白| 人妻精品人妻一区二区三区四区| 性生交片免费无码看人| 亚洲av成本人无码网站| 亚洲av伊人久久综合性色| 久久国产在线精品观看| 成人做受视频试看60秒| 麻豆精品网站国产乱子伦| 亚洲熟女av中文字幕网站| 人妻丰满精品一区二区 | 中国少妇内射xxxx狠干| 久草视频这里有精品| 人妻尤物娇呻雪白丰挺| 亚洲tv精品一区二区三区| 亚洲国产成人久久综合下载| 青草网在线观看| 精品国产a毛片久久久av| 一本丁香综合久久久久不卡网站| 亚洲欧美日韩国产综合一区二区| 曰本亚洲欧洲色a在线| 日韩高清不卡一区二区三区| 曰本无码人妻丰满熟妇啪啪| 亚洲成av人片无码不卡播放器| 麻豆国产成人av高清在线| 欧美国产激情二区三区| 国产av国片精品| 成人午夜视频在线观看高清| 精品人妻va一区二区三区| 欧美精品中文字幕亚洲专区| 久久精品熟女不卡av高清| 中文字幕亚洲一区二区三区| 777米奇色8888狠狠俺去啦|