关键字 |
冲动,中值滤波,PSNR,盐和胡椒 |
介绍 |
盐和胡椒噪声是一种脉冲噪声通常是观察到的图像。它代表自己是随机发生的白色和黑色像素。图像含有这种类型的噪声会暗像素在明亮的区域和光明的黑暗区域的像素。这种类型的噪声可能是由于死像素,模拟-数字转换器错误,有些错误传播,等等。 |
过去几年,线性滤波器在图像信号处理成为最受欢迎的过滤器。他们受欢迎的原因是由于存在强大的数学模型可用于分析和设计。然而,许多地区存在的非线性滤波器提供了好得多的结果。非线性滤波器的优势在于保护边缘和抑制噪声的能力没有细节的损失。非线性滤波器的成功是由于图像信号这一事实以及现有噪声类型通常是非线性的。椒盐噪声是随机值散粒噪声,很难去除这种噪声使用线性过滤器,因为他们倾向于模糊产生的图像。 |
传统上,脉冲噪声是通过中值滤波就是最受欢迎的非线性滤波器。然而,标准中值滤波器[1]给出了表现不佳的图像被脉冲噪声和更高的强度。一个简单的中值滤波器利用3×3或5×5-pixel窗口是充分的只有当噪声强度小于约。10 - 20%。噪声的强度增加时,一个简单的中值滤波仍然是许多照片未经过滤的。自适应中值滤波器(AMF)[2]在低噪声密度表现良好。但在高噪声密度窗口大小必须增加可能导致模糊的图像。在开关中值滤波[3],[4]的决定是基于一个预定义的阈值。这种方法的主要缺点是,定义一个健壮的决定是很困难的。这些过滤器也不会考虑的地方特色的细节和边缘可能不会恢复满意,特别是当噪音水平高。 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)的噪音也称为固定的脉冲噪声将灰度值最小(0)或最大(255)(8位单色图像)动态范围(0 - 255)[12][20][21]。它生成的概率相等。对于椒盐噪声,图像像素是随机被0或255。我考虑一个图像和一个观察图像相同大小的X |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1417-e001.gif) |
我= 1,2,……s1和j = 1,2,……s2和0 < p < 1。Iij, Nij表示位置的像素值(i, j)原始图像和噪声图像,分别和Nij独立于Iij噪声值。与8位灰度图像每个像素,当图像被固定值脉冲噪声污染,Nij损坏像素等于0或255每个概率(p / 2)。 |
算法 |
提议的决定基于中值滤波算法处理的图像,首先检测脉冲噪声。检查处理像素噪声还是嘈杂的自由。也就是说,如果处理像素位于最大和最小之间那噪音是免费的像素灰度值,它是不变的。如果处理像素灰度最大值和最小值那么嘈杂的像素由算法处理。 |
答:算法 |
步骤1:选择二维窗口大小为3×3。假设正在处理的像素是j |
步骤2:如果中心像素0 < P ij < 255 P ij值保持不变。 |
步骤3:如果P ij = 0或255 P ij =然后检查条件 |
步骤4:如果处理像素是0或255 &也周围的所有元素相同的值然后处理元素的信息而不是噪音之间有高联系邻近的像素像素值应该保持一样。否则检查下一个状态。 |
步骤5:P ij是一个损坏的像素就有可能发生两种情况下我)和ii)。 |
我):如果选中的窗口中包含的所有元素0和255年的。然后替换P ij。元素的均值的窗口。 |
案例(二):如果选中窗口包含0和255的不是所有的元素。然后消除255和0和找到剩下的元素的中值。替代P ij。中值。 |
步骤6:重复步骤1到5,直到整个图像中的所有像素处理。 |
b .插图的算法 |
检查每一个像素的图像存在的盐和胡椒噪音。不同的情况下在本节说明。如果处理像素噪声和其他所有像素值0或255年的情况下,我所示)。如果处理像素噪声像素0或255见例2)。 |
我):如果选中窗口包含盐/胡椒噪音处理像素(即。,255/0 pixel value) and neighboring pixel values contains all pixels that adds salt and pepper noise to the image: |
“255”在哪里处理像素,即。,P ij Since all the elements surrounding are 0’s and 255’s.If one takes the median value it will be either 0 or 255 which is again noisy. To solve this problem, the mean of the selected window is found and the processing pixel is replaced by the mean value. Here the mean value is 142. Replace the processing pixel by 142. |
案例(二):如果选中窗口包含盐或胡椒噪音处理像素(即。,255/0 pixel value) and neighboring pixel values contains some pixels that adds salt (i.e., 255 pixel value) and pepper noise to the image: |
现在消除椒盐噪声从选中的窗口。也就是说,0和255的消除。上面的矩阵的一维数组(78 0 255 97 255 73 90 0 120)。消除0和255年后的像素值选择的窗口将会(78 90 120 97 73)。这里的中值是90。因此取代90年P ij处理像素。 |
如果显示过滤处理流程 |
实验结果 |
该算法测试使用60 x125, 8位/像素标准图像如摄影师、大米和8。这个算法的性能测试为各种水平的噪音腐败。每次测试图像被盐和胡椒噪声的不同密度从10到90的增量将会应用到过滤器。除了视觉质量,该算法的性能定量测量以下参数如峰值信噪比(PSNR)和均方误差(MSE)。 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-1417-e002.gif) |
MSE代表均方误差,Y表示原始图像,
¶表示x N和M是去噪图像的图像的大小。滤波器中实现MATLAB 7.1和滤波窗口大小3 x3的用于实验。 |
结论 |
一个新的算法,给出了更好的性能的PSNR。算法的性能测试在低,中,高噪声密度对灰度图像。即使在高噪声密度水平算法相比与其他现有的算法更好的结果。可视化和定量结果。该算法是有效的,盐和胡椒在图像噪声去除噪声密度高。 |
表乍一看 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
|
数据乍一看 |
|
引用 |
- DagguVenkateshwarRao ShrutiPatil,乃文安妮先生和V Muthukumar“图像处理算法的实现和评价onReconfigurable架构使用基于c的硬件描述语言”国际理论和应用计算机杂志SciencesVolume 1 1号(2006)9-34页
- h·黄和r . a . Hadded”自适应中值滤波:新算法和结果”,IEEE反式。图像的过程。,4卷,不。4,页499 - 502,Apr.1995。
- 张s和m·A·卡里姆”,一个新的开关中值滤波器脉冲探测器,“IEEE信号的过程。列托人。,9卷,不。11日,页。360 - 363年,2002年11月。
- p·e·Ng和k·k·马”,与边界有识别力的开关中值滤波噪声检测极其损坏图片,”IEEE反式。ImageProcess。,15卷,不。6日,页。1506 - 1516年,2006年6月。
- w·周和z大卫,“进步开关中值滤波对脉冲噪声的去除高度损坏的图片,“IEEE反式Circuitsand系统:模拟和数字信号处理,46卷,没有。1,第80 - 78页,1999。
- 时候d·r·k·布朗明哥,“加权中值滤波,Commun”。ACM, 27卷,不。8,807 - 818年,1984页。
- 美国马歇尔,“新直接设计方法为加权顺序统计量过滤器、“VISP, 151卷,没有。1,页1 - 8,2004年2月。
|