一个高效的基于决策树的架构实现图像的随机脉冲噪声去除

Sajan p·菲利普¹,s p·普拉卡什²和美国Valarmathy博士³

p·G Sholar ECE、Bannari安曼理工的侵蚀,印度
助理教授,ECE、Bannari安曼理工的侵蚀,印度
部门负责人ECE、Bannari安曼理工的侵蚀,印度

文摘

通常退化图像脉冲噪声在图像获取的过程和广播。在本文中,我们提出一种有效的基于决策树的去噪算法的VLSI架构可用于random-valued的有效去除脉冲噪声在图像。为了实现低成本,低的VLSI设计提出了。提出的设计的主要组件是一个Decision-Tree-Based脉冲噪声检测器检测中的噪声像素损坏形象和优势保护噪声滤波器重建损坏的像素。基于决策树的方法包括三个阶段的二叉树的检测噪声像素。重建的像素都写自适应校正后的重建图像的噪声滤波器。提出了设计的主要特征是,它使影响像素不变,从而减少重建图像的模糊效果。它只需要低计算复杂度和两个内存缓冲区。提出设计的硬件成本非常少,因此,设计是非常适当的应用到许多实时场景。

关键字

噪声去除、噪音过滤器,决策树,VLSI架构、中值滤波、脉冲噪声

介绍

一般来说,图像脉冲噪声经常损坏的图像采集和广播的事件。图像处理技术的效率主要取决于图像的噪声。因此,一个有能力的去噪技术成为图像处理中一个非常重要的问题[1],[2]。根据噪声像素值的分布,脉冲噪声可以分为两类:Fixed-Valued脉冲噪声和Random-Valued脉冲噪音。固定值脉冲噪声也被称为“盐和胡椒噪音”自噪声像素的像素值最小值或最大值在灰度图像。噪声像素的值被randomvalued脉冲噪声均匀分布在[0,255]的范围为灰度图像。去除随机值脉冲噪声更为复杂的随机分布噪声像素。本文的主要重点是检测和校正的random-valued损坏图像脉冲噪声。

最近,许多方法已经提出了消除脉冲噪声的图像。他们是标准中值滤波器[3],修改标准中值滤波器[4],[5],切换方法[6],[8],基于α削减意味着方法(ATMBM)[9],微分脉冲探测器排名(DRID)[10],定向加权中值(DWM) [11]。标准中值法的主要缺点是重建的图像的模糊。

去噪算法的复杂度主要取决于当地的窗口大小,内存缓冲区,和迭代时间。低复杂性技术使用一个固定大小的线程本地窗口,需要几行缓冲区,执行没有迭代。因此,计算复杂度低。然而,重建图像质量还不够好。因此实现更高质量的重建图像复杂度较低的方法是一个挑战。实现低成本的目标,低功耗,更少的内存和计算,一个高效的低复杂度脉冲噪声去除方法是至关重要的。

文献中出现的基本概念的基础上,我们提出一个有效decision-tree-based去噪方法(DTBDM)及其VLSI架构检测random-valued脉冲噪声。提出的设计要求简单的计算和两行内存缓冲区,所以它的硬件成本低。探测器的主要组件隔离模块部分,边缘相似模块和模块。校正器部分的主要成分是一种边缘保持中值滤波器。

本文的其余部分组织如下。拟议中的DTBDM脉冲探测器是在第二部分简要介绍了。第三部分描述了边缘保持滤波器。第四部分讨论上面的VLSI设计架构。第五部分描述了结果andDiscussions和第六节总结了结果。

提出了基于决策树的脉冲探测器

在这里,去噪过程3 x3的窗口大小。假设像素托比去噪位于坐标(i, j)和指示为π,j,和它的亮度值为fi, j。面具在考虑图1所示。我们已经把其他像素窗口上半部分和下半部分。该方法的总体设计架构图2所示。几种方法用于脉冲检测的文献。根据现有的设计,我们设计了三个模块即隔离模块(IM),边缘模块(FM)和相似模块(SM)。三个连接这些模块做出一个决策树的决定。

答:隔离模块

我们使用隔离模块做出决定是否在平滑区域的像素值。如果结果是负数,我们得出这样的结论:考虑像素属于noisy-free区域。否则如果结果是积极的,它表明,考虑像素可以是一个嘈杂的像素或只是坐落在一个图像中物体的边缘。隔离的不同组件模块的数据流在图3,图4和图5。为了避免设计的复杂性,考虑3 x 3窗口分为两个不同的地区。窗口上半部分和窗口的下半部分,

b .边缘模块

在某些情况下,如果像素位于边缘的隔离模块可以检测噪声像素,为了处理这个场景;我们定义了四个方向,从E1到E4, inFig所示。6。通过计算考察区别fi jand另两个像素valuesalong相同的方向,我们可以决定不管优势。边缘模块给出的数据流图7和图8。

c .相似模块

脉冲检测的最后一个步骤是相似模块。亮度valuesin面具W noisyfree区域定位可能接近。medianis总是定位中心的系列变化,而脉冲通常是附近的一个结束。因此,如果有极端的或大或小的值,显示chanceof嘈杂的信号。基于这种看法,我们按升序排序ninevalues并获得第四,第五和第六valueswhich接近中值在面具w .为了执行操作,我们需要定义以下变量。

提出了边缘保持图像过滤器

边缘保护是一个重要的考虑因素在去噪算法。重建图像与原始图像的相似度主要取决于图像中的边缘。这里,我们考虑的八个方向的差异,D1-D8,重建的图像中的噪声像素,无花果所示。这里采用的主要思想是避免像素,这是已知影响,重建的像素π,j。这是为了避免可能的misdetection边缘。这是通过使用马克西,j和迷你,j,相似模块(SM)中定义的值来确定d, e, f, g和h分别有可能损坏。如果d, e, f, g和h都怀疑是噪声像素,可以处理和边缘,然后π的估计价值,j =加权的平均数据三个以前去噪的像素的亮度值项和计算(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(Dmin)其中之一。保留图像边缘滤波器的总体数据流图11给出。

超大规模集成实施该方法

减少成本和电力是通过减少复杂性的计算和使用简单的计算总体设计中的元素。的检测器部分算法是使用简单的比较器,实现减法器、加法器和Mux。过滤部分的面积和成本是降低使用移动装置代替乘法器和除法器。

答:隔离模块的设计

图12和图13显示了隔离模块的硬件体系结构和实现窗口的上半部分。总体架构将上半部分和下半部分的组合。比较肺顺应性是用来输出较大的值从两个输入值(8位),而比较器通过输出较小的值从两个输入值(8位)。子单元用于减去两个8位数字。子| |单位用于确定两个8位之间的绝对差棕土。GC的更大的比较器输出„逻辑1”如果上输入值大于。决定我的选择线给出二世MUX的决定。最后,如果DecisionII的结果是积极的,π,jmight anedge噪声像素或将。下一个模块(FM)将用于确认结果。

b .边缘模块的设计

Fig.14显示调频模块的架构。整个调频模块由四个小的结构称为FM_1 FM_2 FM_3, FM_4。图15显示了详细的架构FM_1结构。|子|单位是用来计算像素值之间的绝对差异在边缘模块的数据流。GC单元将执行比较,或非门将合并后的输出。每个结构的组合输出一起选择从2:1 MUX真或假值。边缘模块的硬件实现在图16。

c .相似模块的设计

图17显示了相似的架构模块。这里添加和子单元用于计算Maxijand Minij。一个8位2:1 MUX用于选择NMax, NMin。TC单元是一个三重比较器将输出逻辑1如果最低输入上面的值之间。如Fig.14所示,我们需要找出4日,5日和6日的价值排序考虑像素值的窗口。我们提出了一个快速和有效的结构排序过程。的详细实现结构是图18所示,图19所示。

背后的想法M0模块如下:如果valuea大thanb C01设置为1;否则,C01设置为0。八个GC unitsare用来确定C08 C01的值。比较后,使用一个组合单元结合的结果eachcomparator获得数字0到8之间。解释订单数量价值的面具W在考虑。如果ais最小的我们面具W, M0模块的输出是0;如果是面具的biggestvalue W的输出是8。othermodules M1的架构M8大约和M0一样,只有差别。通过这种方法的分类,我们可以寻找值的顺序有效地利用simplecomparators andcombinational单位。与传统的排序算法相比,该方法加快排序时间,减少空间用于存储交换的价值。 The Hardware Implementation of SM is given in Fig.20.

d .边缘保持滤波器的设计

边缘保持滤波器由一个平均最低边缘发电机和发电机。边缘保持滤波器是用来找出最小差异的边缘。减法器、加法器和移动装置的主要部件是边缘保持滤波器。有一个MinTree架构中使用比较,找出最小的边缘。现在的均值的像素的亮度值最小的方向差异可以从发电机平均获得。如果所有的像素在考虑怀疑是噪声像素,最后MUX outptu (a + bx2 + c) / 4。否则,MUX将输出像素值的均值无论最小边的区别。开采的体系结构发电机和发电机平均Fig.21和图22所示。

结果和讨论

脉冲检测过程决策树是一个三阶段的过程,它正在考虑检查的平滑区域,位置的像素在图像的边缘和考虑像素的相似性和邻近的像素。这里我们有考虑扩大地区标准“莉娜”形象。在图23 (a)在图像平滑区域。在图23 (c)的边缘图像considered.Fig.23 (d)噪声添加图像。

同样的边缘保持滤波器重构通过考虑邻近像素的值。如果所有的相邻像素损坏,那么他们将不会被认为是重建的像素在考虑。在这种情况下,重构像素值将像素的平均值,b和c。

硬件描述语言(VHDL)的体系结构设计和合成在Xilinx 14.2仿真工具和仿真结果进行了验证。图24 (a)、(b)、(c)的仿真结果显示了孤立,边缘和相似性模块分别。

怎么显示的是比较行缓冲和该方法不同的算法的迭代次数。提出的设计要求简单的计算和两行内存缓冲区。因此其硬件成本低,硬件设计中一个重要问题。为512×512 8位灰度测试图像,只有两个线缓冲区(512×2×8位)在我们的设计是必需的。大多数的有前途的方法需要缓冲一个完整的图像(512×512×8位)。在我们的设计中,99.6%的存储是减少。此外,只有简单的算术运算,例如加法和减法,用于我们的方法。

Table.2显示设计的总结的附近地区,切片,和寄存器等。我们可以看到,设计紧凑、高效由于简单的组件,如加法器减法器、比较器等架构的构建块。

结论

一种低成本的VLSI架构主管提出了随机值脉冲噪声去除。方法使用decision-tree-based检测器来检测图像中的噪声像素,并雇佣了一个有效的设计定位的边缘。自适应能力,重建图像的质量显著改善。我们广泛的实验结果表明,我们提出的性能技术比以前loweromplexity方法和与高复杂性的方法而言,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。

表乍一看


表1	表2

数据乍一看


图1	图2	图3	图4	图5

图6	图7	图8	图9	图10

图11	图12	图13	图14	图15

图16	图17	图18	图19	图20

图21	图22	图23	图24

引用

r·c·冈萨雷斯和r·e·伍兹,数字图像处理。培生教育、鞍上游,新泽西,2007。

w·k·普拉特,数字图像处理。纽约:Wiley-Interscience, 1991。

t .节点n·加拉格尔,“中位数过滤器:一些修改和它们的属性”,IEEE反式。ASSP, ASSP-30卷,不。5,页739 - 746,Oct.1982。

S.-J。Ko和中州。李,“中心加权中值滤波器及其应用图像增强,“IEEE反式。电路系统。,vol. 38, no. 9, pp. 984- 993,Sept. 1991.

t .太阳和y Neuvo Detail-preserving基于中值滤波器在图像处理中,“Recognit模式。列托人。,vol. 15, pp. 341Ã¢ÂÂ347, Apr. 1994.

e·阿伯m . Lightstone s . k . Mitra k .荒川,“一个新的有效的方法去除脉冲噪声的高度corruptedimages,“IEEETrans。图像的过程。,5卷,不。6日,页。1012 A¢1025,1996年6月。

t·陈和h·r·吴”使用自拍、中值滤波器自适应脉冲检测,IEEE Process.Lett信号。,8卷,不。1页1¢3,2001年1月。

陈和h R。吴,“空间变体中位数过滤器恢复脉冲噪声损坏的图片,“IEEE反式。电路系统。二世,模拟数字。信号的过程。,48卷,不。8日,页。784 A¢789年,2001年8月。

w·罗,”一个高效detail-preserving方法消除图像脉冲噪声,“Process.Lett IEEE信号。,13卷,不。7日,页。413 - 416年,2006年7月。

即Aizenberg, c . Butakoff“有效脉冲探测器基于排序标准,“IEEE信号的过程。列托人。,vol. 11, no. 3, pp. 363-366, Mar. 2004.

y盾和徐,”新方向加权中值滤波去除random-valued脉冲噪声,“Process.Lett IEEE信号。,14卷,不。3,pp.193A¢196,2007。

营收。即罗维奇和诉Crnojevic通用脉冲噪声滤波器基于遗传编程,“IEEE反式。图像的过程。,vol. 17, no. 7, pp. 1109- 1120, July 2008.

C . Y留置权,C。黄H P。陈Y, Y F林一个有效的去噪架构forRemoval图像脉冲噪声的IEEE计算机,2012年3月。