灰度圖像中脈沖噪聲濾波算法研究.pdf

1、脈沖噪聲是存在于信號中的主要噪聲類型之一,圖像在編碼、傳播、獲取的過程中很容易受到這種噪聲的攻擊,如何有效地消除這種噪聲目前仍是人們所無法回避的一個難題,當(dāng)然,也同時成為人們對其深入研究的動力。對于8位灰度圖像而言,目前大多數(shù)研究主要是針對“鹽椒”型脈沖噪聲,即象素被白(值為255)或黑(值為0)的噪聲隨機侵蝕。這種鹽椒噪聲包括兩種模型:一類是等概率的,另一類是非等概率的。對于第一類噪聲,噪聲檢測算法簡單,并且容易區(qū)分噪聲和非噪聲象素,

2、對于這種噪聲其研究重點不在于提高檢測精度,而是在于當(dāng)噪聲密度很高的情況下如何復(fù)原圖像。對于第二類噪聲,由于某一種噪聲值的概率偏大,因此主要難點集中在高噪聲情況下如何有效地進行象素識別和圖像復(fù)原。
　　 到目前為止,只有一少部分研究是針對復(fù)雜的噪聲模型,被這種噪聲感染的象素值是介于某個區(qū)間的隨機值,因此,噪聲檢測和圖像濾波的難度大大增加了,當(dāng)前對這種噪聲的研究還只是局限于噪聲密度比較低,或者隨機值的區(qū)間寬度比較窄的情況。
　

3、　 在通常情況下基于噪聲檢測的濾波算法包括噪聲檢測和圖像濾波兩個部分。為了能夠適應(yīng)多種脈沖噪聲模型,并且提高噪聲檢測和圖像濾波的性能,本文提出了三種檢測方法和兩種基本濾波算法,而后將這些檢測算法和濾波方法互相組合最終形成四種完整的圖像濾波算法。首先,本文提出了三種不同噪聲檢測方法:
　　 (1)第一種提出的噪聲檢測方法是基于象素分類的方法。在檢測的過程中,用估計圖像中每個象素塊的最大和最小值來識別噪聲圖像中相應(yīng)塊中的象素。

4、r>　　 (2)第二種噪聲檢測方法是一種差值型噪聲檢測方法。首先用基于象素分類的中值濾波器產(chǎn)生估計圖像,然后用噪聲圖像和估計圖像的差值導(dǎo)出上下閾值,最后根據(jù)噪聲檢測規(guī)則進行象素識別。
　　 (3)第三種方法是基于規(guī)則函數(shù)(regular function)的檢測算法。首先對代價函數(shù)(是規(guī)則函數(shù)的一種擴展)求導(dǎo)得出一組微分方程,然后用方程組的解產(chǎn)生估計圖像,根據(jù)噪聲圖像和估計圖像的差別來進行噪聲檢測。
　　 在圖像濾波部

5、分,提出了兩種基本濾波方法:一種是自適應(yīng)中值濾波算法:另一種是基于規(guī)則函數(shù)(regular function)的濾波算法,這種方法是采用一個規(guī)則函數(shù)(regular function)和一個約束函數(shù)形成一個代價函數(shù),然后對代價函數(shù)求導(dǎo)得到線性方程組,同時把非噪聲象素的值轉(zhuǎn)化為方程組的常數(shù)項,這個方程組的解就是噪聲象素的估計值。本文所提出的三種噪聲檢測算法和兩種基本濾波方法分別作為以下四種綜合濾波算法中的噪聲檢測部分和圖像濾波部分:

6、>　　 (1)第一種綜合方法是基于象素分類的、不帶噪聲檢測的自適應(yīng)中值濾波算法。
　　 (2)第二種綜合方法是由第一種噪聲檢測算法和本文所提出的自適應(yīng)中值濾波算法組成的。
　　 (3)第三種綜合算法包含了第二種檢測方法和本文所提出的自適應(yīng)中值濾波算法。
　　 (4)第四種綜合濾波算法是由基于規(guī)則函數(shù)(regular function)的噪聲檢測算法和基于規(guī)則函數(shù)的濾波方法組成的。
　　 在仿真過程中,分