李 勇，陳 琳，崔道江

（新疆輕工職業(yè)技術學院 信息與軟件分院，新疆 烏魯木齊830021）

數(shù)字圖像高密度脈沖噪聲的非對稱修正中值濾波算法研究

李 勇，陳 琳，崔道江

（新疆輕工職業(yè)技術學院 信息與軟件分院，新疆 烏魯木齊830021）

針對數(shù)字圖像高密度脈沖噪聲下常規(guī)中值濾波方法存在的不足，從濾波算法入手，通過設置對噪聲點的檢測判定和對其鄰域取樣范圍的優(yōu)化選擇的方法來加以完善。經過濾波窗口對圖像的遍歷，檢測并非對稱地修正噪聲點，計算得出取樣值鄰域中噪聲點以外像素值的中值取而代之，重復直至無噪聲點。仿真實驗表明，此非對稱修正中值濾波算法濾除此類噪聲性能佳，圖像細節(jié)保護良好。

數(shù)字圖像處理；中值濾波；高密度脈沖噪聲；非對稱修正中值濾波

數(shù)字圖像在傳輸、存儲及成像處理的過程中難免會混入不同種類的噪聲，而這些噪聲中通常以數(shù)字通信系統(tǒng)因內部自身局限引起的脈沖噪聲較為常見。它在圖像中表現(xiàn)為與鄰近像素點較大差異的亮點和暗點，也被稱作椒鹽噪聲，而中值濾波是對此類噪聲較為有效的抑制方式。數(shù)字圖像常規(guī)中值濾波（MF）的處理對象面向包括真實像素點和噪聲點的所有圖像像素點，因此可能存在對圖像真實細節(jié)的混淆，而且隨著脈沖噪聲密度的增加，當濾波窗口中噪聲點數(shù)量大于或等于圖像像素點數(shù)量的1/2時，MF效果會大幅度降低，影響了呈像質量。出于對MF的完善，中值濾波算法的改良算法繼相產生，例如：開關中值濾波、矢量中值濾波、自適應中值濾波等。這些改進算法加入了對數(shù)字圖像中有效像素點和噪聲點的判定過程，將濾波處理的對象緊緊鎖定于噪聲點，減少對圖像原始細節(jié)的修改，另外，也較多圍繞濾波窗口做文章，適時改變窗口的形狀和尺寸，雖兼顧了濾波和圖像編輯的保護，但也影響了運算效率不利于實時處理。對于受高密度脈沖噪聲污染的圖像，常利用中值濾波多次反復處理后則會出現(xiàn)原始圖像模糊的狀況。如何既做到能整體過濾圖像的高密度脈沖噪聲又能保證它局部點線不受損是解決此類去噪問題的關鍵。非對稱修正中值濾波（UTMF）思想是相對于對稱修正濾波提出的。例如，阿爾法修正中值濾波（ATMF）的修正是面向濾波窗口內所有像素值的，其中也包括未損壞的像素值，且是兩端對稱的，這很容易損失圖像的細節(jié)。而非對稱修正中值濾波面向噪聲點（0或255像素值），且非對稱取中值修正噪聲點，即除噪聲點鄰域的非噪聲點鄰域的非噪聲點像素值取中值而不是對所有像素點取中值。

1 算法描述

文中采取UTMF算法，它將檢測噪聲作為初始任務，在分析脈沖噪聲的像素值后，一般情況下我們可以判斷脈沖噪聲的像素值非0即255。為進一步提高效率和準確性，特別在高密度脈沖噪聲下，采取濾波窗口內的非對稱修正，針對噪聲點（即窗口中心取樣點為噪聲點），計算得出取樣點鄰域中噪聲以外像素值的中值來替換取樣值。

表1 UTMF基本算法偽代碼

表2 濾波子函數(shù)pixelmedianfilter偽代碼

表 1 和表2 中 ，pixelset=adjpixel（E，i，j，D） 是圖像取樣像素值E（i，j）在D鄰域內的像素矩陣的行向量，pval泛指 E（i，j）的鄰域像素值，比較極端的情況下，pval全為0或255，則直接按UTMF算法原則計算中值。

2 仿真結果

仿真在C語言環(huán)境中實現(xiàn)，選取系統(tǒng)內lena圖像，加入脈沖噪聲，按照算法先檢測脈沖噪聲，鎖定噪聲像素為工作對象，使用pixelmedianfiler函數(shù)計算數(shù)字圖像的取樣噪聲點像素鄰域的中值，其中鄰域的范圍是噪聲點以外的像素值，最終應用中值代替取樣噪聲點。實驗比較圖見圖1，在表1中陳列了不同脈沖噪聲密度下，峰值信噪比SNR和公式（1）所示的數(shù)字圖像均方誤差MSE及公式（2）所示信噪比PSNR的對于MF和UTMF的比較值。

圖1 MF算法和UTMF算法對脈沖噪聲去噪的比對

通過表3分析比對實驗檢測結果，我們可以判斷，MF算法在處理從15％、25％到55％和75％的噪聲密度時，均會存留下沒有處理干凈的噪聲點，并且隨著脈沖噪聲密度的遞增，遺留下的噪聲點也越多，也意味著它的去噪效果急劇下降，如果再進行重復多次濾波會使原圖像加劇損壞而變得模糊。圖像均方誤差MSE的值隨著噪聲密度的正向遞增，在常規(guī)算法MF下出現(xiàn)了急劇增長的態(tài)勢，而非對稱修正算法UTMF下變化則較為溫和。在SNR與PSNR的數(shù)據(jù)中UTMF的減小幅度趨勢也較MF平緩?？傮w上，通過直觀的仿真圖和具體實驗數(shù)據(jù)分析得出UTMF算法在理論上對數(shù)字圖像的脈沖噪聲的抑制能力和對圖像原始像素的保護方面都存在顯著優(yōu)勢。

表3 MF算法和UTMF算法的比較

3 結束語

UTMF表現(xiàn)出不僅對不同密度的脈沖噪聲均能實現(xiàn)相對理想的濾波效果，而且隨圖像噪聲密度的增大，依然能保持穩(wěn)定的去噪特性，特別在保留原始圖像細節(jié)方面表現(xiàn)不俗，這也在與MF在實驗參數(shù)MSE、PSNR和SNR的比較中充分得以證明，體現(xiàn)了UTMF在數(shù)字圖像高密度脈沖噪聲環(huán)境下優(yōu)越的去噪性能。

[1]羅維薇.一種用于抑制高密度椒鹽噪聲的中值濾波方法[J].自動化與儀器，2016（4）:193-194.

[2]朱士虎.一種新的高密度椒鹽噪聲濾波算法[J].計算機工程，2012，38（18）:207-210.

[3]張培軒.一種基于椒鹽噪聲的自適應加權均值濾波算法[D].上海：華東師范大學，2015.

[4]王芳.基于模糊中值濾波的椒鹽噪聲去除方法[J].模糊系統(tǒng)與數(shù)學，2012，26（1）：166-173.

[5]李剛.強椒鹽噪聲圖像的二次自適應中值濾波算法[J].微計算機應用，2011，32（4）：22-26.

[6]何一鳴.基于鄰域均值的去椒鹽噪聲算法[J].南京理工大學學報，2011，35（6）：764-767.

[7]曾俊.圖像邊緣檢測技術及其應用研究[D].武漢：華中科技大學，2011.

[8]韓麗娜.基于噪聲分析的椒鹽噪聲降噪處理方法[J].計算機與現(xiàn)代化，2014（2）：95-97.

[9]陳健.基于方向的多閾值自適應中值濾波改進算法[J].電子測量與儀器學報，2013，27（2）：156-161.

[10]方先成.兩種新型高斯-椒鹽混合噪聲去噪方法[D].長春：吉林大學，2013.

[11]謝君.模糊理論在圖像處理中的應用[D].南昌：江西師范大學，2013.

[12]Yu Zeqi， Fan Yangyu， Longfei Shi， et al.A pseudo-natural sampling algorithm for low-cost low-distortionasymmetricdouble-edgePWM modulators [J].Circuits， Systems， and Signal Processing， 2015，34:831-849.

[13]YangYu Fan·WeiLiang Wang·RuiHu Li.Binary construction of pure additive quantum codes with distance five or six [J].Quantum Information Processing， 2014，14（1）:183-200.

[14]ShahidaGhulam Qadir，F(xiàn)an Yangyu.Two-Dimensional Superresolution Inverse Synthetic Aperture Radar Imaging Using Hybridized SVSV Algorithm[J].IEEE Transactions on Antennas and Propagation， 2013，61（2）:1012-1015.

[15]Shahida Ghulam Qadir，F(xiàn)an Yangyu.Modi?ed two-stage separated virtual steering vector-based algorithm for high resolution inverse synthetic aperture radar imaging [J].Signal Processing，Elsevier， 2013，93（1）:297-303.

[16]李武軍，鄒勇，李誠.CCD圖像處理技術在聲光效應分析中的應用 [J].西安工業(yè)大學報，2012，32（2）：103.

[17]曹帥，李鴻.基于小波變換閾值算法的輸送帶裂紋圖像去噪[J].電子科技，2016（12）：108-110.

The research on digital image UTMF of high-density impulse noise

LI Yong，CHEN Lin，CUI Dao-jiang
（Information and Software Branch Institute of Xinjiang Industry Technical College， Urumqi 830021，China）

Aiming at the shortcomings of conventional median filtering method in high density impulse noise of digital image，this paper improves the filtering algorithm by setting the detection and determination of noise point and the optimal selection of its neighborhood sampling range.Through the filter window traversal on the image，the detection is not symmetrical to correct the noise point.The median of the pixel values outside the noise point in the neighborhood of the sample value is calculated and replaced by repeating until there is no noise point.The simulation results show that the proposed algorithm can filter out such noise better and the image details are well protected.

digital image processing； median filtering； high density impulse noise； asymmetric modified median filtering

TN911.4

：A

：1674－6236（2017）15-0051-03

2016-09-26稿件編號：201609235

李 勇（1982—），男，甘肅寧縣人，碩士，高級技師，講師。研究方向：通信、網(wǎng)絡工程。