齊艷麗

【摘 要】圖像噪聲會(huì)嚴(yán)重影響其視覺(jué)效果，采用適當(dāng)?shù)姆椒ㄟM(jìn)行圖像去噪是一項(xiàng)必不可少的預(yù)處理操作。本文對(duì)幾種常用的圖像去噪方法進(jìn)行了分析，通過(guò)仿真高斯噪聲和椒鹽噪聲，著重對(duì)基于均值濾波、中值濾波以及卷積神經(jīng)網(wǎng)絡(luò)的實(shí)際去噪效果進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明三種方法的去噪效果各有優(yōu)劣，均能實(shí)現(xiàn)一定程度上的圖像去噪。

【關(guān)鍵詞】圖像噪聲，均值濾波，中值濾波，卷積神經(jīng)網(wǎng)絡(luò)

中圖分類(lèi)號(hào)： TP391.41文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 2095-2457（2019）26-0024-002

DOI：10.19694/j.cnki.issn2095-2457.2019.26.010

【Abstract】Image noise affects its visual effects seriously.Appropriate method for image denoising is an essential pre-processing operation.Several common methods for? image denoising are analyzed in this paper.Comparing the actual denoising effects based on mean filtering，median filtering and convolutional neural network with simulating Gaussian noise and salt and pepper noise.The experimental results show that the denoising effects of the three methods have their own advantages and disadvantages， and can achieve a certain degree of image denoising.

【Key words】Image noise;On mean filtering;Median filtering;Convolutional neural network

0 引言

由于實(shí)際應(yīng)用中圖像不可避免地被噪聲污染，這類(lèi)噪聲對(duì)于從圖像中提取有效信息產(chǎn)生嚴(yán)重干擾[1]。因此，去除噪聲是一項(xiàng)必不可少的圖像預(yù)處理操作，而有效的去噪算法一直是圖像處理領(lǐng)域的研究熱點(diǎn)。

本文選取常見(jiàn)的三種圖像去噪方法，即均值濾波、中值濾波以及卷積神經(jīng)網(wǎng)絡(luò)，進(jìn)行研究。通過(guò)仿真高斯噪聲和椒鹽噪聲，對(duì)這三種去噪方法的實(shí)際效果進(jìn)行比較和分析。

1 去噪方法原理

中值濾波和均值濾波是經(jīng)典的圖像去噪方法，而基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪是一種隨著人工智能以及機(jī)器學(xué)習(xí)發(fā)展而興起的去噪方法[2]。

中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)[3]。其基本原理是以當(dāng)前像素點(diǎn)（x，y，z）的鄰域中各點(diǎn)灰度值的中值代替當(dāng)前像素點(diǎn)的灰度值，讓周?chē)南袼刂到咏恼鎸?shí)值，從而消除孤立的噪聲點(diǎn)，即：

不同于上述兩種算法，基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪是隨著深度學(xué)習(xí)特別是卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像識(shí)別等領(lǐng)域的研究和應(yīng)用而被提出的[5]。通過(guò)對(duì)大量圖像集的學(xué)習(xí)和訓(xùn)練，導(dǎo)出訓(xùn)練好并經(jīng)驗(yàn)證的卷積神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)圖像去噪。本文直接基于MATLAB所提供DnCNN進(jìn)行去噪效果的分析和比較。

2 仿真結(jié)果分析

為了分析和比較三種去噪算法的效果，對(duì)原始圖像分別加入噪聲濃度為0.05的高斯噪聲和椒鹽噪聲，如圖1-3所示?？梢钥闯?，加入噪聲后的圖像對(duì)提取圖像中的有效信息造成了嚴(yán)重的干擾，因此去噪顯得尤為重要。

圖4和圖5為分別經(jīng)過(guò)中值濾波和均值濾波處理后的含有噪聲的圖像。從圖4中可以看出，使用中值濾波對(duì)高斯噪聲圖像進(jìn)行去噪后圖像顏色嚴(yán)重失真。另一方面，中值濾波對(duì)椒鹽圖像的去噪效果較好，基本還原了原圖像。從圖5可以看出，均值濾波可以實(shí)現(xiàn)對(duì)高斯噪聲圖像和椒鹽噪聲圖像的較好的去噪效果。總體上來(lái)看，均值濾波好中值濾波對(duì)高斯噪聲和椒鹽噪聲的去噪效果相當(dāng)。

圖6的結(jié)果中可以看出，本文所使用的DnCNN對(duì)于高斯白噪聲圖像的去噪效果較好，但是對(duì)于添加了椒鹽噪聲后的圖像去噪效果一般。其主要原因可能是所使用的卷積神經(jīng)網(wǎng)絡(luò)主要針對(duì)高斯噪聲圖像進(jìn)行的訓(xùn)練，所以并不完全適用于椒鹽噪聲圖像的處理。因此，使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像去噪時(shí)需要進(jìn)行有針對(duì)性的訓(xùn)練。

3 總結(jié)

本文對(duì)三種常用的圖像去噪算法進(jìn)行了比較和分析，結(jié)果表明，在三種方法中，基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪方法能夠?qū)崿F(xiàn)最好的高斯噪聲去噪處理，而中值濾波和均值濾波可以對(duì)高斯噪聲圖像和椒鹽噪聲圖像都能實(shí)現(xiàn)比較穩(wěn)定均衡的去噪效果。值得注意的是，由于所使用的卷積神經(jīng)網(wǎng)絡(luò)主要針對(duì)高斯噪聲訓(xùn)練，因此其對(duì)椒鹽噪聲圖像的去噪效果在三種方法中表現(xiàn)最差，需要在下一步的工作中對(duì)椒鹽噪聲圖像的處理進(jìn)行有針對(duì)性的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

【參考文獻(xiàn)】

[1]劉祝華.圖像去噪方法的研究[D].江西師范大學(xué)，2005.

[2]朱習(xí)軍，隋思漣，張賓，劉尊年.MATLAB在信號(hào)與圖像處理中的應(yīng)用[M].電子工業(yè)出版社，2009.

[3]趙高長(zhǎng)，張磊，武風(fēng)波.改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用[J].應(yīng)用光學(xué)，2011，32（4）：678-682.

[4]張麗果.快速非局部均值濾波圖像去噪[J].信號(hào)處理， 2013，29（8）：1043-1049.

[5]呂永標(biāo)，趙建偉，曹飛龍.基于復(fù)合卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪算法[J].模式識(shí)別與人工智能，2017，30（2）：97-105.