图像处理中随机值脉冲噪声的抑制综述

Varsha R. Pardeshi¹罗希塔·p·帕蒂尔²

印度马哈拉施特拉邦浦那市Vadgaon (Bk) SKNCOE E&TC系PG学生
印度马哈拉施特拉邦浦那市Vadgaon (Bk) SKNCOE工程与技术学院助理教授

摘要

目前，在许多实时实际应用中，需要一种好的低复杂度去噪技术作为预处理操作。在图像传输和图像采集过程中，脉冲噪声会破坏图像。在脉冲噪声滤波过程中，必须保持图像的边缘和细节。此外，为了避免图像平滑，只有损坏的像素必须过滤。本文对各种去噪技术进行了综合综述。本文介绍了中值、自适应中心加权中值(ACWM)、自适应中值滤波(AMF)等低复杂度方法和基于alpha -平均法(ATMBM)、差分秩脉冲检测器(DRID)和秩序相对差(RORD)等高复杂度方法的研究进展。基于决策树的脉冲检测器和方向保边滤波器是去除随机值脉冲噪声而又不失有用信息的去噪图像的最有效方法。该设计计算成本低，内存缓冲区少，无需迭代，最适合应用于许多实时应用。本设计可以通过FPGA进行高效的设计。

关键字

损坏像素，去噪，方向保边图像滤波器，脉冲检测器，随机值脉冲噪声。

介绍

在图像数字化、传输过程中，以及由于相机传感器中的像素元素故障、内存位置不正确、模数转换中的定时不正确等原因，经常会导致图像受到脉冲噪声的破坏。这种类型的噪声的一个重要特征是只有部分像素被损坏，其余的都是无噪声的。在图像处理中有许多应用，如人脸识别、边缘检测、医学成像、扫描、打印、车牌检测，在这些后续处理之前去除图像中的噪声是很重要的。图像中的噪声影响后续处理。因此，本文描述了去除图像中脉冲噪声的各种技术。

根据像素值的分布，将脉冲噪声分为两种方法。灰度图像中具有最小或最大像素值的噪声称为定值脉冲噪声。它也被称为椒盐噪声。灰度图像中像素值均匀分布在[0 255]范围内的噪声称为随机值脉冲噪声。与随机值脉冲噪声相比，图像中的椒盐噪声易于去除。目前已有的大部分方法在处理椒盐噪声时效果较好，但在处理随机值脉冲噪声时失效。检测机制也决定了滤波方案的性能。因此，较好的检测器使滤波方案具有较好的性能。因此，探测器的性能非常重要。检测器的性能取决于阈值，阈值与预先计算的数值进行比较。 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.

中值滤波器是一种应用最广泛的用于降低脉冲噪声的滤波器。在对图像进行中值滤波时，也可以对无噪声像素点进行滤波。该方法没有预先检测脉冲噪声，应用于整个图像。

这会导致有用信息的丢失。因此，为了提高性能，许多现有的方法都使用脉冲检测器来确定是否应该修改像素。然后，仅对识别出的噪声像素进行滤波处理。由于不是每个像素都经过过滤，因此避免了不适当的失真。该技术已被证明是简单有效的，例如，使用中心加权中值滤波器(ACWMF)的自适应脉冲检测，使用中值和原始值滤波器的线性组合的alpha- cut - mean-based检测器，差分秩脉冲检测器(DRID)和秩有序相对差(RORD)。

本文的其余部分组织如下，第二节简要介绍了文献综述。第三节介绍了各种脉冲噪声去除技术的比较。第四节介绍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去除技术。使用标准中值滤波器抑制脉冲噪声描述[8]。提出了基于中心加权中值滤波器输出值与当前像素值的差值的自适应中心加权中值滤波器(ACWM)。针对[2]中随机值脉冲噪声的去除，提出了一种新的自适应中值滤波技术。电路检测图像邻域中存在噪声，仅在必要时应用相应的中值滤波器[5]给出。对随机值脉冲噪声[4]的去除采用了一种特殊的有序统计滤波器——alpha -trim mean。提出了一种新的脉冲检测器方法来识别损坏的像素。该检测器基于窄秩窗内信号样本的秩和绝对值[6]的比较。为了提高脉冲噪声检测的精度，提出了秩序相对差脉冲检波器[3]。各种脉冲噪声去除方法如下。

1)值

2)自适应中心加权中值

3)低复杂度噪声去除

4)自适应中值滤波

5) Alpha trim Mean

6)差分秩脉冲检测器

7)秩序相对差

1)中值滤波器

中值滤波器去除脉冲噪声，保持图像边缘不受影响。中值滤波器易于数字化实现。对于像分割和并行处理这样的应用程序，它执行得很快。该滤波器对固定值脉冲噪声表现良好，但对随机值脉冲噪声表现较差，反之亦然。这个中值滤波器消除了脉冲噪声，这样做的同时，它改变了目标像素值的亮度与滤波器窗口中像素的中值。但随着图像中损坏像素数的增加，这种滤波方法将会导致图像细节模糊，丢失一些有用的信息。与非递归滤波器相比，递归滤波器的相关性更强。递归滤波增加了图像[8]的模糊度。

2)自适应中心加权中值滤波器(acwm)

自适应中心加权中值(ACWM)滤波器是一种基于切换方法的滤波器。这种切换方法依赖于脉冲检测策略。计算中心加权中值滤波器输出与当前像素的差值。通过这种计算，估计了一个依赖于脉冲检测的更一般的算子。采用单阈值技术可以获得较好的输出效果。该方法的主要优点是它抑制了固定值脉冲噪声和随机值脉冲噪声两种类型的噪声信号。其计算结构简单[7]。

3)低复杂度噪声去除(lcnr)

这是一种用于去除随机值脉冲噪声的自适应中值滤波技术。与中值滤波相比，自适应技术没有对无噪声像素点进行修改。因此，它减少了总计算负载。该系统在FPGA上实现，窗口大小为3X3和5X5。在对图像去噪硬件[2]的低成本要求下，实现了低复杂度、高质量的图像处理。该方法通过噪声检测和滤波两步实现。它检测随机值的噪声像素，只应用中值滤波噪声像素。这个过程如图1所示。

4)自适应中值滤波器(amf)

I. Andreadis和G. Louverdis提出了一种新的自适应中值滤波器设计，该滤波器可用于使用3x3或5x5像素邻域掩模对8位灰度图像进行脉冲噪声抑制。该系统检测图像邻域中噪声的存在，并仅在需要时应用相应的中值滤波器。

在本文中，噪声检测程序是可以控制的。因此，除了这两个极端值之外的像素值可以被认为是脉冲噪声。但是它们应该与中心像素值不同。这样就避免了图像的模糊。此外，边缘和细节信息都不受影响。实验结果证实了改进后的性能。该滤波器的结构由四个基本功能的流水线级组成，处理是并行进行的，以提高计算时间。

该系统最广泛应用于实时成像应用，例如需要快速处理的实时应用。采用更大尺寸的窗口，可以很容易地重新设计电路。内存和分拣模块的大小，这是需要进行小修改的前两个单元。在fpga中对所提出的数字硬件结构进行了仿真。电路实现所使用的器件是FLEX10KE器件家族中的EPF10K200SRC240-1芯片。时钟频率为65mhz[5]。

5)基于alpha - edged median based method (atmbm)

基于alpha修剪均值的脉冲去除是一种新的有效方法。alpha -trim mean是一个有序统计过滤器的例子。在本文中，alpha修剪平均值仅用于脉冲检测。它不用于像素值计算。而不是对所有像素值应用滤波，它只应用于识别的噪声像素。该过程分为3个步骤，第一次脉冲噪声检测，第二次细化和第三次脉冲噪声消除。本文提出的系统采用3X3掩码窗口，全帧缓冲区，4次迭代。因此计算复杂度很高[4]。

(a)脉冲噪声检测

不同脉冲噪声去除技术的比较

表1。对不同降噪技术进行了理论比较研究。并将这些方法与复杂性参数进行了比较，简述了它们的优缺点。有些方法输出效果好，但复杂度高，反之亦然。通过对比可以看出，基于决策树的去噪方法具有较低的复杂度和良好的输出效果。同时也优于其他低复杂度的方法

基于决策树的去噪方法

决策树是一种非常强大和简单的多变量分析形式。它是二叉树。它把复杂的决策划分为简单的决策。这是一种无需训练的有效脉冲噪声抑制技术。基于决策树的去噪方法(DTBDM)主要包括两个概念。首先是基于决策树的脉冲检测器。其中像素是否有噪声是由隔离模块(IM)、条纹模块(FM)和相似模块(SM)三个模块决定的。首先应用隔离模块，检查所需像素值是否在平滑区域。如果结果为真，像素可能有噪声或位于边缘。否则像素是无噪声的。 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

有很多高复杂度的去噪技术可以产生令人满意的输出，但需要大量的计算资源，这增加了其成本。因此，未来的挑战是拥有比其他低复杂度方法在视觉质量和定量评估方面都表现良好的技术。

结论

本文综述了去除随机值和固定值脉冲噪声的不同方法。有许多方法对盐和胡椒噪声表现良好，但对随机脉冲噪声失败。研究结果表明，基于决策树的去噪方法在去噪随机值脉冲噪声的图像时，可以得到视觉效果良好的图像。利用自适应技术进一步提高了重建图像的质量。该方法简单，易于在VLSI电路中实现。DTBDM是一种低复杂度设计，在重构图像质量、性能等方面优于其他低复杂度方法，但与高复杂度方法相当。与其他方法相比，该方法具有较高的信噪比。由于DTBDM具有内存少、计算简单、成本低等优点，更适合应用于不同的实时应用。

参考文献

连志远，黄建川，陈培寅，IEEE成员，林毅凡，“一种有效的去噪架构，用于去除图像中的脉冲噪声，”IEEE Trans。计算机，第62卷，第1期。4, pp. 631-643, 2013年4月。
T. Matsubara, V.G. Moshnyaga和K. Hashimoto，“低复杂度噪声去除的FPGA实现”，Proc. 17thIEEE国际会议，电子，电路和系统(ICECS ' 10)，第255-258页，2010年12月。
Yu H.， L. Zhao，和H. Wang，“一种有效的去除图像中随机值脉冲噪声的方法”，IEEE信号处理通讯，第15卷，第922-925页，2008。
W. Luo，“一种有效的去除图像中脉冲噪声的细节保留方法”，IEEE信号处理通讯，第13卷，no. 1。7，第413-416页，2006年7月。
I. Andreadis和G. Louverdis，“实时自适应图像脉冲噪声抑制”，IEEE Trans。仪器仪表与测量，第53卷，no。3，第798-806页，2004年6月。
I. Aizenberg和C. Butakoff，“基于秩序准则的有效脉冲检测器”，IEEE信号处理快报，第11卷，no. 1。3, pp. 363-366, 2004年3月。
陈涛和吴洪仁，“使用中心加权中值滤波器的自适应脉冲检测”，IEEE信号处理快报，第8卷，第1期。1，页1-3,2001年1月。
T. Nodes和N. Gallagher，“中值滤波器:一些修改及其属性”，IEEE Trans。声学，语音，信号处理，卷ASSP-30, no。5，第739-746页，1982年10月。
R. C.冈萨雷斯和R. e .伍兹，数字图像处理。培生教育，2007年。