关键字 |
| Random-valued脉冲噪声去噪,基于决策树的去噪方法,边缘保持图像滤波器,自适应技术 |
介绍 |
| 几个医学成像等领域,扫描技术,印刷技能、车牌识别、人脸识别等利用图像处理在很大程度上。但问题是当图像被脉冲噪声。性能可以通过这些声音致命影响。因此,一个高效的重要性去噪技术是图像处理中的一个重要问题。脉冲噪声可以分为两种,根据噪声像素值的分布,如:固定值脉冲噪声和random-valued脉冲噪声。在固定值,像素值的噪声像素最小值或最大值在灰度图像和也被称为满头花白的噪音。random-valued脉冲噪声的噪声像素值均匀分布在[0,255]为灰度图像。有几种方法的去除噪音,花白,其中一些表现很好。但random-valued冲动不能被删除,缓解由于随机噪声像素值的分布。在本文中,我们只关注随机值脉冲噪声的去除图像。 |
相关工作 |
| 最近已经提出许多方法进行脉冲噪声抑制。早期的方法包括标准中值滤波器或其修改。但问题是,噪声和无噪声的像素都修改导致模糊图像。一个高效的切换策略,以避免损害提出了在无噪声的像素。定位一个脉冲探测器的噪声像素,然后过滤它们而不是整个图像的像素,以避免造成的损害在无噪声的像素。一个方法涉及一种新颖的自适应算子,形成估计基于当前像素之间的差异和自拍(CWM)中位数过滤器的输出与重量不同中心。另一个类别包括一个基于广义框架中间切换方案,称为多态(MSM)中值滤波器。通过使用简单的阈值逻辑,MSM的输出滤波器的自适应切换在一群的中心加权中值(CWM)过滤器,中心有不同的权重。另一个算法基于alpha-trimmed的意思是,这是一个次序统计滤波器的特殊情况。一旦确定噪声像素,它的值是取代了原来的线性组合的价值和其本地窗口的中值。 A differential rank impulse detector (DRID) also exists. The impulse detector of DRID is based on a comparison of signal samples within a narrow rank window by both rank and absolute value. The detector is based on a comparison of signal samples within a narrow rank window by both rank and absolute value. It is efficient, very fast, and can be used with any filter, without smoothing an image. There is another method which is using a statistic of rankordered relative differences (RORDWMF) to identify pixels which are likely to be corrupted by impulse noise. In this method, it is presented an efficient algorithm for the removal of random-valued impulse noise from a corrupted image by using a reference image. The proposed method uses a statistic of rank-ordered relative differences to identify pixels which are likely to be corrupted by impulse noise. Once a noisy pixel is identified, its value is restored by a simple weighted mean filter. A directional weighted median (DWM) method is another existing system. This method proposes a new impulse detector, which is based on the differences between the current pixel and its neighbours aligned with four main directions. Then, we combine it with the weighted median filter to get a new directional weighted median (DWM) filter. Another system proposed is that employed genetic programming for impulse noise filter construction which is based on the switching scheme with cascaded detectors and corresponding estimators. |
提出了系统 |
| 该方法是基于一种新颖的自适应decision-tree-based-denoising方法。决策树是一个逻辑可以被认为是一种强大的多变量分析。的想法包括一个复杂的决策过程的分解为一组简单的决策,从而提供更容易解释。决策树是一个强大的拟议的系统认为random-valued脉冲噪声均匀分布。图像去噪在这里使用一个标准的面具3 x 3。考虑考虑噪声像素位于坐标(i, j)和p (i, j)表示,其亮度值命名为f (i, j),如图1所示。 |
| 其余八个像素值可以根据输入的图像序列分为两组:WTopHalf WBottomHalf。拟议中的DTBDM结合了两个部分:decision-tree-based脉冲探测器和edgepreserving图像过滤器。决定对p (i, j)是一个嘈杂的像素是由脉冲探测器利用决策树和像素之间的相关性p (i, j)及其邻近的像素。阳性结果触发edge-preserving图像滤波器生成重构价值基于direction-oriented过滤器。否则,该值将保持不变。 |
| 图2显示了DTBDM提出的设计概念。重构像素自适应地写回的结果作为输入数据的一部分,以提高去除脉冲噪声的影响。硬件成本就低的方法只使用两个内存缓冲区。因此对于一个灰度测试图像尺寸512 x512,它只需要两个512 x2x8线缓冲区。因此减少了大约99.6%的存储。DTBDM的另一个优点是,只有简单的算术运算,加法和减法等使用。没有得到过训练所需的噪音是有效地移除。我们的广泛的实验结果表明,该技术可以获得更好的性能方面的定量评价和视觉质量比其他低复杂性的去噪方法。此外,性能可以媲美高复杂性的方法。七级VLSI架构提出了设计实施用Verilog HDL和合成和Synopsys对此设计编译器,分别。 In our simulation, the circuit can achieve 200 MHz with only 21k gate counts by using TSMC 0:18 μm technology. |
模块描述 |
| 基于决策树的脉冲探测器:脉冲探测器的目的是找到是否π,jis噪声像素。这通常是由考虑相邻像素之间的相关性。这些方法深入观察时可以分为几种方式根据程度的隔离在当前像素,按照像素是一条边时,或与当前像素的比较与邻近的像素。这些分类是身体由设计三个模块实现。 |
| 隔离模块(IM) |
| 边缘模块(FM) |
| 相似性模块(SM) |
| 决策树实际上是由通过连接决策这三个模块。它实际上是一个二叉树,使用不同的方程来确定在不同的模块的状态π,j。隔离模块是最重要的,是决定是否使用像素值是在一个平滑的区域。负面结果会给当前像素所属的结论是嘈杂的自由。积极的结果会给两个推论,当前像素可能是一个嘈杂的像素或只是坐落在一条边。接下来是边缘模块,用于确认任何上述的结果。边缘模块将消极的结果如果当前像素位于优势并否则会给积极的结果。如果以上两个模块未能确定当前像素是否属于嘈杂的自由,相似性模块用于决定结果。这个模块将当前像素相似性及其邻近的像素。阳性结果证实,π,j是一个嘈杂的像素; and otherwise, it is noise free. The three modules are described in the following sections. |
| 隔离模块:一个平滑的区域特征可以通过像素值应该关闭或局部略有不同。所以将最小像素值之间的差异。像素值会有所不同的分布是否有噪声值,边或块在这个地区。因此,平滑周围像素的观察来确定像素是否在一个孤立点。隔离在一个嘈杂的图像是由那些像素阴影遭受噪音与邻近的像素相似性较低。将会有一个大区别它和邻近的像素。 |
| 面向边缘模块:该模块主要处理边缘的决定。更大的相邻像素差与π,jshows是否位于边缘的像素是吵闹的。多很难对此做出结论。这种情况可以更好地缓解通过定义四个方向,从E 1 E 4,如图3所示。我们把方向E 1为例。fi之间的绝对差,j和另外两个像素值沿同一方向。使用这个,我们可以确定像素噪声或位于一个优势。 |
| 相似模块:如果隔离模块和边缘模块无法确定当前像素是否属于嘈杂的自由,相似性模块用于决定结果。当前像素及其邻近像素之间的相似度比较。如果结果是阳性,π,j是一个嘈杂的像素;否则,它的噪音是免费的。面具W位于noisy-free区域亮度值可能接近。中间总是位于中心的变分系列,而脉冲通常是附近的一个结束。因此我们可以检查极端大或小值意味着噪声信号的可能性。这可以达到9值按升序排序,获得第四,第五,和第六值接近中值的面具w .第四,第五,第六值表示为4日在Wi, j,中位数在Wi, j和6日在Wi, j。使用这些值我们定义两个值如马克斯我,j和最小i, j。并确定一个嘈杂的像素。 |
| b . Edge-Preserving图像滤波器:一个Edge-Preserving技术是用于定位当前存在的边缘w .这可以很容易地使用超大规模集成电路实现的。图4显示了数据流Edge-Preserving图像过滤器。八个方向的差异,从D1 D8被认为,重建吵闹的像素值,如图5所示。可能避免misdetection通过考虑只有那些无噪声的像素组成的,只考虑方向穿过怀疑像素。确定的值d, e, f, g, h和损坏,我们使用Max i, j和最小,j,相似性模块中定义。方向包括疑似像素并不认为如果像素可能被噪声损坏。没有边缘处理如果所有像素都怀疑是吵了。在这样的情况下,fi j(π的估计价值,j)等于三个以前的加权平均亮度值去噪像素和计算(a + b x 2 + c) / 4。在其他情况下,边缘滤波器计算选择方向和定位的方向差异最小的(D min)其中之一第三块。 |
结果和讨论 |
| 评估过程的一个测试图像玫瑰是模拟使用该系统以及一些标准低复杂性和高复杂性的方法和结果进行了比较。在实验结果,很明显,量化的品质DTBDM总是比低噪声比和低复杂性方法与其他更高的复杂性方法几乎相同。内存需求和计算复杂性决定了VLSI实现的成本。只需要一些计算提出的系统。因此,低成本是证明线缓冲区和迭代时间。作为演示,DTBDM需要降低硬件成本和工作的速度比大多数其他的方法。即使该方法需要更多的逻辑元素比一些方法,它可以获得更高的频率和产生更好的图像质量时去噪图像被随机值脉冲噪声。提出了系统图7所示的输出。 |
| 提出系统的输出通过标准测试图像去噪512 x512 8位灰度图像。,损坏的版本的测试图像在Matlab环境中生成随机值脉冲噪声强度的20%。然后我们使用该系统来检测噪声的存在和恢复损坏的图像。输出的图像显示的效率提出了系统消除随机值脉冲噪声。可以从理论上证实了发现获得的PSNR值为34.79,显著高于低复杂性方法相比,与更高的复杂性的方法 |
| 的比较结果的低复杂度方法见表1。六个方法中,ACWM RVNP, ATMBM DRID RORD-WMF,提出系统(DTBDM)进行了比较。标准的峰值信噪比是用来说明各种方法的重建图像的质量。修复结果的表显示测试图像的PSNR (db)被5日分别为20%的冲动。在方法中,前三个属于低复杂性方法和执行没有迭代。其他三个属于高复杂性的方法,涉及复杂的操作和迭代的方法。表中提到的实验的结果清楚地表明,该系统可以更好的质量比低复杂性方法相比几乎相同的高复杂性的方法。 |
结论和未来的工作 |
| 实验结果表明我们提出的性能技术比之前的低复杂性方法和与高复杂性方面的方法定量评价和视觉质量。我们的设计的VLSI架构收益处理大约200 MHz采用台积电0:18μm技术。它只需要低计算复杂度和两个内存缓冲区。因此,它非常适合应用于许多实时应用程序。 |
| 本系统处理的脉冲噪声消除技术的低成本最低的设备利用率。在未来,保持这些品质可以进一步修改。面具的大小可以从3 x3的增加是至关重要的5 x5没有增加大量额外的内存。这将提供更多的信息噪音量,可以正确的精密多的噪音。定向的差异在edge-preserving过滤器可以增加许多倍相比,目前的系统,它会给大量的改善噪声检测和删除。 |
确认 |
| 我把巨大的快感在表达我们的感谢我的指导Mr.RUBAN卑微的注意。P,我。,Assistant Professor, Department of Electronics and Communication Engineering, for his remarkable guidance in the course of completion of this paper. I also extend my sincere thanks to Mr. Y. SINGSTON ALBERT DHAS, ME Head of Department, Department of Electronics and Communication Engineering, for the support and timely assistance rendered for this project to have come out in flying colors. |
|
表乍一看 |
 |
| 表1 |
|
|
数据乍一看 |
|
|
引用 |
- P.-Y。陈和彭译葶。留置权,一个¢满头花白的有效Edge-Preserving算法去除噪声,一个¢IEEE信号处理信件,15卷,第836 - 833页,2008年12月
- t .节点和n . Gallagher¢中位数过滤器:一些修改和它们的属性,一个¢IEEE反式。声学、演讲、信号处理、ASSP-30卷,没有。5日,第746 - 739页,1982年10月。
- S.-J。Ko和中州。Lee¢中心加权中值滤波器及其应用图像增强,一个¢IEEE反式。38岁的电路系统,卷。。9日,第993 - 984页,1991年9月。
- t .太阳和y Neuvo,一个¢Detail-Preserving基于中值滤波器在图像处理中,一个¢模式识别字母,15卷,第347 - 341页,1994年4月。
- ”栏目Mitra e·阿伯,M, k .荒川,一个¢一个新的有效的方法去除脉冲噪声的高度损坏的图片,一个¢IEEE反式。图像处理,5卷,不。1996年6月6日,页。1012 - 1025年。
- t·陈和吴H.R.¢自适应脉冲检测使用自拍、中位数过滤器,一个¢IEEE信号处理信件,8卷,没有。2001年1月1页1 - 3。
- t·陈、吴H.R.¢空间变异中位数过滤器恢复脉冲噪声损坏的图片,一个¢IEEE反式。二回路系统,模拟数字信号处理,48卷,没有。2001年8月8日,页。784 - 789年。
- w·罗一个¢高效Detail-Preserving方法去除脉冲噪声的图像,一个¢IEEE信号处理信件,13卷,没有。7日,页。413 - 416年,2006年7月。
- 即Aizenberg和c . Butakoff¢有效脉冲探测器基于排序标准,一个¢IEEE信号处理信件,11卷,没有。3,第366 - 363页,2004年3月。
- l . h . Yu赵,h·王,一个¢高效的程序删除Random-Valued脉冲噪声图像中,一个¢IEEE信号处理信件,15卷,第925 - 922页,2008年。
- 研究所。夏朝,一个¢ParallelVLSIDesignforaReal-TimeVideo-ImpulseNoise-ReductionProcessor,一个¢IEEETrans。VeryLargeScaleIntegration系统、vol.11第四,Aug.2003 pp.651 - 658。
- G.Pok、J.Liu andA.S。奈尔,一个¢SelectiveRemovalofImpulseNoiseBasedonHomogeneityLevelInformation,一个¢IEEETrans。ImageProcessing,第12卷,第一,Jan.2003 pp.85 - 92。
- Z.WangandD。张,一个¢ProgressiveSwitchingMedianFilterfor高度腐败的去除脉冲噪声图像,一个¢IEEETrans。CircuitsSystemsII、AnalogDigitalSignalProcessing vol.46,第一,80年第8期,Jan.1999。
- A.S.AwadandH。人,一个¢HighPerformanceDetectionFilterforImpulseNoiseRemovalinImages,一个¢IEEEElectronic信件,vol.44,第三,Jan.2008 pp.192 - 194。
- Z.Xu、H.R.Wu B.Qiu andX。,一个¢GeometricFeatures-Based过滤在彩色图像脉冲噪声的抑制,一个¢IEEE反式。图像处理研究概述,八号,Aug.2009 pp.1742 - 1759
|
菜单
