抑制随机值脉冲噪声在图像处理:一个回顾

Varsha r . Pardeshi¹,Rohita p·帕蒂尔²

PG学生,E&TC系、SKNCOE Vadgaon (Bk),浦那(印度马哈拉施特拉邦
助理教授,部门E&TC、SKNCOE Vadgaon (Bk),浦那(印度马哈拉施特拉邦

文摘

现在一个好的低复杂度去噪技术是必要的预处理操作在许多实时应用。与脉冲噪声图像损坏由于图像传输和图像采集的过程。在脉冲噪声滤波的过程中有必要保留图像的边缘和细节。也为了避免图像平滑,只有必须过滤的像素。全面调查各种去噪技术的集中。本文说明了不同的低复杂度的调查中值等方法,自适应中心加权中值(ACWM),自适应中值滤波器(AMF)和高复杂性方法如基于Alpha-trimmed意味着法(ATMBM)、微分脉冲探测器(DRID)和排名等级要求相对偏差(RORD)。最有效的方法去除随机值脉冲噪声与取悦不丢失有用的信息是基于决策树的冲动去噪图像探测器和方向的边缘保持图像过滤器。这个设计需要计算成本低,一些内存缓冲区,没有迭代和最适合应用于许多实时应用程序。这种设计还可以有效地用FPGA设计。

关键字

面向损坏像素、去噪、方向的边缘保持图像过滤器,脉冲探测器,随机值脉冲噪声。

介绍

图像数字化过程中,传输也由于故障传感器的相机像素元素,不正确的内存位置,和不正确的时机在模拟数字转换,图像通常是由脉冲噪声损坏的。这种类型的噪音的一个重要特点是,只有部分的像素是损坏的,其余的是噪音。有很多应用在人脸识别等图像处理、边缘检测、医学成像、扫描、打印、车牌检测在图像去除噪声是很重要的在这些后续流程。图像中的噪声会影响随后的过程。因此各种技术去除脉冲噪声的图像描述。

脉冲噪声分为两种方法是基于像素值的分布。的噪声最小或最大像素值在灰度图像称为固定值脉冲噪声。它也被称为盐和胡椒噪音。像素值的噪声均匀分布在响了255年[0]在灰度图像被称为随机值脉冲噪声。去除椒盐噪声在图像很容易与随机值脉冲噪声。有大部分的技术报告直到现在为椒盐噪声效果很好但是失败在随机值脉冲噪声。也观察到检测机制决定滤波方案的性能。从而更好的探测器给过滤方案的良好的性能。所以检测器的性能是非常重要的。探测器的性能是取决于阈值与以前相比数值计算。 The performance of the detector can be improved with adaptive threshold. This threshold can be determined by noise present in the image and characteristic of image. Preserving the edge details and attenuation of noise are the two important issues in image processing. There are different adaptive techniques to remove impulse noise present in the image. These technique consist of main two steps first is noise detection and then application of non-linear filter. If the incoming pixel value is corrupted then only adaptive filter is applied to reconstruct the pixel value. If pixel value is noise-free then original value is not changed.

中值滤波是一种最广泛使用的滤波器的脉冲噪声。中值滤波器应用于图像的时候修改了噪声像素也自由。没有之前的检测脉冲噪声,应用于整个图像。

这将导致损失的有用的信息。为了提高性能,一个脉冲探测器使用许多现有的方法来确定一个像素是否应该修改。然后,过滤过程仅适用于识别噪声像素。因为并不是每个像素过滤,避免不适当的畸变。这种技术已被证明是简单而有效的,例如,自适应脉冲检测使用自拍、中值滤波器(ACWMF)的alpha-trimmed mean-based探测器使用中间值和初始值的线性组合过滤器、微分脉冲探测器(DRID)排名,排名要求相对偏差(RORD)。

论文的其余部分被组织为,第二部分描述了文献调查简而言之。第三部分描述了各种脉冲噪声消除技术的比较。第四部分说明了基于决策树的去噪方法。

文献调查

许多研究人员致力于脉冲噪声消除技术。使用标准中值滤波对脉冲噪声抑制是描述[8]。适应中心加权中值滤波器(ACWM)是基于不同的输出中心加权中值滤波器和当前像素呈现[7]。一种新颖的自适应中值滤波技术,提出了随机值脉冲噪声的去除[2]。电路检测图像中噪声的存在地区和适用相应的中值滤波器只有当有必要提出[5]。Alpha-trimmed意味着特例的次序统计滤波器用于消除随机值脉冲噪声[4]。提出了一种新的脉冲检测器方法确定损坏的像素。这个检测器是基于信号样本的比较在一个狭窄的窗口排名排名和绝对值[6]。增加脉冲噪声检测的精度等级要求的相对差异脉冲探测器(RORD)是描述[3]。去除脉冲噪声的各种方法赋予跟随。

1)值

2)自适应中心加权中值

3)低噪音消除复杂性

4)自适应中值滤波器

5)α修剪的意思

6)微分脉冲探测器

7)等级要求相对偏差

1)中值滤波

中值滤波消除图像脉冲噪声保持边缘的不受影响。中值滤波是容易实现数字化。为并行处理应用程序分割和快速执行。这个过滤器执行对固定值脉冲噪声,但可怜的随机值脉冲噪声或亦然。而中值滤波消除脉冲噪声它改变了目标像素的亮度值的像素的中值滤波器窗口。但随着没有损坏的图像中像素的增加这个过滤器不会产生有效的结果模糊了图像细节和损失一些有用的信息。它也表明,递归滤波器与非递归滤波器相比更相关。递归滤波器增加[8]的模糊图像。

2)自适应中心加权中值滤波器(ACWM)

自适应中心加权中值(ACWM)过滤器适用于切换方法。这种转换方法是根据脉冲检测策略。不同的输出中心加权中值滤波器和当前像素计算。这个计算更一般的操作员,取决于脉冲检测估计。它执行和结果在更好的输出使用单一阈值技术。这种方法的主要优点是它抑制这两种类型的噪音信号即固定值脉冲噪声和随机值脉冲噪声。它的计算结构简单[7]。

3)低噪音消除复杂性(LCNR)

这是一个自适应中值滤波技术,随机值脉冲噪声的去除。与中值滤波相比,自适应技术不修改无噪声的像素。因为它减少了总计算负荷。这个系统在FPGA上实现3 x3和5 x5的窗口大小。实现低复杂度和高质量低成本要求下处理图像去噪硬件[2]。这种方法使用两个步骤实现,噪声检测器和过滤。它检测到随机噪声像素和应用价值仅为噪声像素的中值滤波。这个过程如图1所示。

4)自适应中值滤波器(AMF)

即Andreadis和g Louverdis提出了一种新颖的自适应中值滤波器的设计,可用于脉冲噪声抑制8位灰度图像使用大小3 x3的面具或5 x5像素社区。该系统检测图像中噪声的存在地区和适用相应的中值滤波器只有当它是必需的。

摘要噪声检测过程可以控制。因此以外的像素值可以看作是两种极端的脉冲噪声。但他们应该是不同的从中央像素值。所以图像的模糊是可以避免的。的边缘和细节信息不受影响。实验结果证实了改进的性能。滤波器的结构包括四个基本功能流水线阶段和处理是并行执行的,为了提高计算时间。

系统等实时成像应用的最广泛使用的实时应用,快速处理是必需的。采用大窗口的设计电路可以很容易地重新设计。内存的大小和分类器模块,这些都是前两个单位,需要小的修改。提出了数字硬件结构在fpga成功地模拟。设备用于电路实现EPF10K200SRC240-1芯片FLEX10KE设备的家庭。时钟频率为65 MHz [5]。

5)ALPHA-TRIMMED基于中值方法(ATMBM)

这是一个新的有效的方法去除脉冲基于alpha-trimmed的意思。Alpha-trimmed意思是次序统计滤波器的例子。摘要α修剪的意思是只用于脉冲检测。它不是用于像素值的计算。而不是应用过滤所有像素值是仅适用于确定噪声像素。这个过程分为三个步骤,第一脉冲噪声检测,第二细化和第三个脉冲噪声取消。系统提出了用3 x3面具窗口,全帧缓冲区和四个迭代时间。因此,计算复杂度高[4]。

(一)脉冲噪声检测

比较不同的脉冲噪声消除技术

表1。显示了不同的去噪技术的理论比较研究。所有这些方法都与复杂性参数描述它们的优点和缺点。一些方法具有良好的输出高复杂性,反之亦然。的对比很明显,基于决策树的去噪方法具有低复杂度以及良好的输出。也比其他低复杂度的方法

基于决策树的去噪方法

决策树是非常强大和多个变量的简单形式的分析。这是一个二叉树。它将复杂的决策划分为简单的决定。它是有效的脉冲噪声抑制技术不需要以前的训练。基于决策树的去噪方法(DTBDM)包括两个主要概念。第一个是基于决策树的脉冲探测器。在决定是否像素是嘈杂的被隔离模块等三个模块(IM),边缘模块(FM)和相似模块(SM)。首先隔离模块应用于检查所需的像素值是在光滑的地区。如果结果是真正的像素可能吵或位于边缘。否则像素噪声是免费的。 If pixel is situated on edge then output of fringe module is noise free otherwise it is noisy. Similarity between the desired pixel and neighbouring pixel is compared by similarity module. If output of this module is true then the pixel is noisy pixel otherwise it is noise free. Second is edge preserving image filter. It is based on direction oriented filter. It reconstructs the corrupted pixels otherwise original pixel is kept as it is. This method obtains high performance in terms of both quantative output and visual quality than all other low and high complexity methods. This system can be efficiently designed and simulated with FPGA [1].

未来的工作

有很多高复杂性去噪技术,产量的输出但需要大量计算资源,增加其成本。因此未来挑战是技术方面的表现良好的视觉质量和定量评价比其他低复杂度的方法。

结论

本文回顾不同的技术去除随机值和固定值脉冲噪声。有很多方法,执行对椒盐噪声随机脉冲噪声但失败。从调查我们得出结论:基于决策树时产生视觉上赏心悦目的图像去噪方法去噪图像被随机值脉冲噪声。进一步重建文学史的图像质量改进的自适应技术。这种方法简单,容易实现与超大规模集成电路。DTBDM低复杂性的设计,它比其他低复杂度方法reconsructed图像质量,性能,但类似的高复杂性的方法。也与其他方法相比具有较高的PSNR。由于更少的内存,容易计算和低成本,DTBDM更适合应用于不同的实时作用。

引用

Chih-Yuan Lien Chien-Chuan黄、陈Pei-Yin会员,IEEE, Yi-Fan林,”一个有效去噪去除脉冲噪声的图像架构,“IEEE反式。电脑,62卷,。4,第643 - 631页,2013年4月。
t .松原V.G. Moshnyaga, k .桥本”的FPGA实现低噪声去除、“Proc。17 thieee如相依电子、电路和系统(欧洲10),第258 - 255页,2010年12月。
l . h . Yu赵,h·王,“一个有效的程序删除Random-Valued脉冲噪声图像中,“IEEE信号处理信件,15卷,第925 - 922页,2008年。
w·罗,”一个高效Detail-Preserving方法消除图像脉冲噪声,“IEEE信号处理信件,13卷,没有。7日,页。413 - 416年,2006年7月。
即Andreadis和g . Louverdis“实时自适应图像脉冲噪声抑制,IEEE反式。仪表和测量,53卷,不。3,第806 - 798页,2004年6月。
即Aizenberg和c . Butakoff”有效脉冲探测器基于排序标准,“IEEE信号处理信件,11卷,没有。3,第366 - 363页,2004年3月。
t·陈,H.R.吴”使用自拍、中值滤波器自适应脉冲检测,IEEE信号处理信件,8卷,没有。2001年1月1页1 - 3。
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。声学、演讲、信号处理、ASSP-30卷,没有。5,页739 - 746,Oct.1982。
r·c·冈萨雷斯和右眼森林,数字图像处理。培生教育,2007年。