关键字 |
脉冲,中值滤波器,PSNR,盐和胡椒 |
介绍 |
椒盐噪声是图像中常见的一种脉冲噪声。它将自己表示为随机出现的白色和黑色像素。包含这种类型噪声的图像将在明亮区域有暗像素,在黑暗区域有亮像素。这种类型的噪声可能是由死像素、模数转换器错误、传输中的比特错误等引起的。 |
近年来,线性滤波器成为图像信号处理中最常用的滤波器。它们受欢迎的原因是存在稳健的数学模型,可以用于分析和设计。然而,在许多领域,非线性滤波器提供了明显更好的结果。非线性滤波器的优点在于它们能够在不损失细节的情况下保留边缘和抑制噪声。非线性滤波器的成功是由于图像信号以及现有的噪声类型通常是非线性的。由于盐和胡椒噪声是随机值的拍摄噪声,使用线性滤波器很难去除这种类型的噪声,因为它们往往会弄脏生成的图像。 |
传统的脉冲噪声去除方法是中值滤波器,这是最常用的非线性滤波器。然而,标准中值滤波器[1]对于高强度脉冲噪声损坏的图像性能较差。仅当噪声强度小于约时,使用3×3或5×5-pixel窗口的简单中值滤波器是足够的。10 - 20%。当噪声强度增加时,一个简单的中值滤波器保留了许多未过滤的镜头。自适应中值滤波器(AMF)[2]在低噪声密度下表现良好。但在高噪声密度下,窗口尺寸必须增加,这可能导致图像模糊。在切换中值滤波器[3],[4]的决策是基于预先定义的阈值。这种方法的主要缺点是很难定义一个健壮的决策。此外,这些滤波器不会考虑局部特征,因此细节和边缘可能无法令人满意地恢复,特别是当噪声水平很高时。 To overcome this drawback, a decision based algorithm is proposed. In this, image is denoised by using a 3×3 window. If the processing pixel value is 0 or 255 it is processed or else it is left unchanged. The selected 3× 3 window elements are arranged in either increasing or decreasing order. Then the pixel values 0’s and 255’s in the image (i.e., the pixel values responsible for the salt and pepper noise) are removed from the image. Then the median value of the remaining pixels is taken. This median value is used to replace the noisy pixel. |
脉冲噪声模型 |
盐和胡椒(SP)噪声也被称为固定值脉冲噪声将采取灰度值最小(0)或最大(255)(8位单色图像)在动态范围(0-255)[12][20][21]。它是用等概率生成的。在盐和胡椒噪声的情况下,图像像素被随机损坏为0或255。考虑相同大小的图像I和观测图像X |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1417-e001.gif) |
我= 1,2,…S1和j=1,2,.....S2和0
|
算法 |
本文提出的基于决策的中值滤波算法通过检测脉冲噪声来处理受损图像。检查处理像素是否有噪声或无噪声。也就是说,如果处理像素位于最大和最小灰度值之间,那么它是无噪声像素,它保持不变。如果处理像素取灰度值的最大值或最小值,则该像素为噪声像素,该算法对其进行处理。 |
答:算法 |
步骤1:选择大小为3× 3的二维窗口。假设正在处理的像素为Pij |
步骤2:如果中心像素0< pij <255,则pij值保持不变。 |
步骤3:如果P ij =0或P ij =255,则检查下一个条件 |
步骤4:如果处理像素为0或255,并且周围的所有元素都具有相同的值,那么处理元素是一个信息而不是噪声,因为相邻像素之间有很高的相关性,因此像素值应该保持不变。否则检查下一个条件。 |
步骤5:pij是一个损坏的像素,那么有两种情况,如情况i)和ii)所给出的。 |
情况i):如果所选窗口包含所有0和255的元素。然后替换pij。用window元素的均值。 |
情况ii):如果所选窗口不包含所有0和255的元素。然后消除255和0,并找到剩余元素的中值。替换pij。用中位数。 |
步骤6:重复步骤1至5,直到整个图像中的所有像素都被处理完毕。 |
B.算法说明 |
检查图像的每个像素是否存在盐和胡椒噪声。本节将介绍不同的案例。如果处理像素是有噪声的,并且所有其他像素值都是0或255,则在情况i)中说明。如果处理像素是有噪声的,则在情况ii)中说明像素为0或255。 |
情况i):如果所选窗口包含盐/胡椒噪声作为处理像素(即255/0像素值),并且相邻像素值包含所有向图像添加盐和胡椒噪声的像素: |
其中“255”是处理像素,即P ij因为周围的所有元素都是0和255。如果取中值,它将是0或255,这也是有噪声的。为了解决这个问题,我们找到所选窗口的平均值,并将处理像素替换为平均值。这里的平均值是142。将处理像素替换为142。 |
情况ii):如果所选窗口包含盐或胡椒噪声作为处理像素(即255/0像素值),并且相邻像素值包含一些像素,将盐(即255像素值)和胡椒噪声添加到图像中: |
现在消除所选窗口中的盐和胡椒噪音。也就是说,消去0和255。上述矩阵的一维数组为[78 90 0 120 0 255 97 255 73]。在消除0和255之后,所选窗口中的像素值将为[78 90 120 97 73]。这里的中值是90。因此,将处理像素的pij替换为90。 |
过滤器处理流程如图3所示 |
实验结果 |
使用Cameraman, Rice & Eight等60X125, 8位/像素标准图像对所提出的算法进行了测试。在不同程度的噪声破坏下,测试了该算法的性能。每次测试图像被不同密度从10到90的盐和胡椒噪声破坏,增量为10将应用于滤波器。除了视觉质量外,本文算法的性能还通过峰值信噪比(PSNR)和均方误差(MSE)等参数进行定量测量。 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1417-e002.gif) |
其中MSE代表均方误差,Y代表原始图像,Ã
¶表示去噪后的图像,M x N是图像的大小。滤波在MATLAB 7.1中实现,实验所用滤波窗口大小为3x3。 |
结论 |
提出了一种新的算法,该算法在PSNR方面有较好的性能。该算法在低、中、高噪声密度灰度图像上进行了性能测试。即使在高噪声密度水平下,该算法也比其他现有算法得到了更好的结果。给出了可视化和定量结果。该算法能有效地去除高噪声密度图像中的椒盐噪声。 |
表格一览 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
|
数字一览 |
|
参考文献 |
- DagguVenkateshwarRao, ShrutiPatil, Naveen Anne Babu和V Muthukumar“使用基于c的硬件描述语言在可重构架构上的图像处理算法的实现和评估”国际理论与应用计算机科学杂志第1卷第1期(2006)第9-34页
- H. Hwang和R. A. Hadded,“自适应中值滤波器:新算法和结果”,IEEE反式。图像的过程。,第4卷,no。4,第499-502页,1995年4月。
- S. Zhang和M. A. Karim,“一种用于切换中值滤波器的新型脉冲检测器”,IEEE信号处理。列托人。,第9卷,no。11,页360-363,2002年11月。
- P. E. Ng和K. K. Ma,“一种具有边界判别噪声检测的开关中值滤波器,用于极度损坏的图像,”IEEE反式。ImageProcess。,第15卷,no。6, pp. 1506-1516, 2006年6月。
- W. Zhou和Z. David,“用于从高损坏图像中去除脉冲噪声的渐进式切换中值滤波器”,IEEE电路与系统:模拟和数字信号处理,第46卷,no. 1。1,页78-80,1999。
- D. R. K. Brownrigg,“加权中值过滤器”,共同社。ACM,第27卷,no。8,第807-818页,1984。
- S.马歇尔,“加权顺序统计滤波器的新直接设计方法”,VISP,第151卷,no. 1。2004年2月,第1 - 8页。
|