自适应权值滤波消除图像椒盐噪声的方法

《自适应权值滤波消除图像椒盐噪声的方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第１５卷第５期光学精密工程Ｖｏｌ．１５Ｎｏ．５２００７年５月ＯｐｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｇｉｎｅｅｒｉｎｇＭａｙ２００７文章编号１００４９２４Ｘ（２００７）０５０７７９０５自适应权值滤波消除图像椒盐噪声的方法王明佳１，张旭光１，２，韩广良１，王延杰１（１．中国科学院长春光学精密机械与物理研究所，吉林长春１３００３３；２．中国科学院研究生院，北京１０００３９）摘要：提出了一种自适应权值滤波算法。该方法利用邻域差分法（ＲＯＡＤ）判定滤波中心点的有效性，若判定该点为噪声，则将邻域像素分别赋

2、予不同权值对该点像素重构，邻域像素权重系数的分配随该点有效程度的增加而增大。一方面抑制了图像噪声，另一方面保留了图像细节。实验证明该方法在滤除椒盐噪声时，无论从视觉角度还是数据恢复角度都比常规滤波方法效果有明显改善。当图像中含有３５％的椒盐噪声时，利用该方法恢复数据效果比传统中值滤波提高１０ｄＢ。关键词：图像消噪；椒盐噪声；邻域绝对值差分法；自适应权值滤波中图分类号：ＴＰ３９１．４文献标识码：Ａ犈犾犻犿犻狀犪狋犻狅狀狅犳犻犿狆狌犾狊犲狀狅犻狊犲犫狔犪狌狋狅犪犱犪狆狋犲犱狑犲犻犵犺狋犳犻犾狋犲狉１，Ｚ

3、ＨＡＮＧＸｕｇｕａｎｇ１，２，ＨＡＮＧｕａｎｇｌｉａｎｇ１，ＷＡＮＧＹａｎｊｉｅ１ＷＡＮＧＭｉｎｇｊｉａ（１．犆犺犪狀犵犮犺狌狀犐狀狊狋犻狋狌狋犲狅犳犗狆狋犻犮狊，犉犻狀犲犕犲犮犺犪狀犻犮狊犪狀犱犘犺狔狊犻犮狊，犆犺犻狀犲狊犲犃犮犪犱犲犿狔狅犳犛犮犻犲狀犮犲狊，犆犺犪狀犵犮犺狌狀１３００３３，犆犺犻狀犪；２．犌狉犪犱狌犪狋犲犛犮犺狅狅犾狅犳狋犺犲犆犺犻狀犲狊犲犃犮犪犱犲犿狔狅犳犛犮犻犲狀犮犲狊，犅犲犻犼犻狀犵１０００３９，犆犺犻狀犪）犃犫狊狋狉犪犮狋：Ａｎａｕｔｏａｄａｐｔｅｄｗｅｉｇｈｔｆ

4、ｉｌｔｅｒｉｎｇｍｅｔｈｏｄｉｓｐｕｔｆｏｒｗａｒｄ．ＴｈｅｖａｌｉｄｉｔｙｏｆｔｈｅｐｉｘｅｌｉｓａｎａｌｙｚｅｄｗｉｔｈａＲａｎｋｏｒｄｅｒＡｂｓｏｌｕｔｅＤｉｆｆｅｒｅｎｃｅ（ＲＯＡＤ）ｍｅｔｈｏｄ，ｉｆｔｈｅｐｉｘｅｌｉｓｎｏｉｓｅ，ｔｈｅｐｉｘｅｌｗｉｌｌｂｅｒｅｃｏｎｓｔｒｕｃｔｅｄｂｙｔｈｅｎｅｉｇｈｂｏｒｐｉｘｅｌｓｗｉｔｈｄｉｆｆｅｒｅｎｔｗｅｉｇｈｔｓ，ａｎｄｔｈｅｗｅｉｇｈｔｏｆｔｈｅｎｅｉｇｈｂｏｒｐｉｘｅｌｉｓｃｏｒｒｅｌａｔｉｖｅｗｉｔｈｉｔｓｖａｌｉｄｉｔｙ．Ａｔｌ

5、ａｓｔ，ｎｏｔｏｎｌｙｔｈｅｉｍｐｕｌｓｅｎｏｉｓｅｉｓｒｅｓｔｒａｉｎｅｄ，ｂｕｔａｌｓｏｔｈｅｄｅｔａｉｌｏｆｔｈｅｉｍａｇｅｉｓｒｅｓｅｒｖｅｄ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｗｈｅｎｕｓｉｎｇｔｈｅａｕｔｏａｄａｐｔｅｄｗｅｉｇｈｔｆｉｌｔｅｒｉｎｇｔｏｇｅｔｒｉｄｏｆｔｈｅｉｍｐｕｌｓｅｎｏｉｓｅ，ａｎｅｖｉｄｅｎｔｉｍｐｒｏｖｅｍｅｎｔｉｓｆｏｕｎｄｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｇｅｎｅｒａｌｍｅｔｈｏｄ，ｂｏｔｈｉｎｖｉｓｕａｌｉｍａｇｅｑｕａｌｉｔｙａｎｄｑｕａｎｔｉｔａｔ

6、ｉｖｅｍｅａｓｕｒｅｓｏｆｓｉｇｎａｌｒｅｓｔｏｒａｔｉｏｎ．Ｗｈｅｎｔｈｅｉｍｐｕｌｓｅｎｏｉｓｅｏｃｃｕｐｉｅｓ３５％ｉｎｉｍａｇｅ，ｔｈｅｅｆｆｅｃｔｏｆｄａｔａｒｅｃｏｖｅｒｙｂｙｔｈｉｓｍｅｔｈｏｄｃａｎｂｅｉｎｃｒｅａｓｅｄｂｙ１０ｄＢｃｏｍｐａｒｅｄｗｉｔｈｃｏｎｖｅｎｔｉｏｎａｌｍｅｄｉａｎｆｉｌｔｅｒ．犓犲狔狑狅狉犱狊：ｉｍａｇｅｄｅｎｏｉｓｉｎｇ；ｉｍｐｕｌｓｅｎｏｉｓｅ；ｒａｎｋｏｒｄｅｒａｂｓｏｌｕｔｅｄｉｆｆｅｒｅｎｃｅ；ａｕｔｏａｄａｐｔｅｄｗｅｉｇｈｔｆｉｌｔｅｒ受

7、到外界环境、系统性能等因素干扰，经常会引进１引言噪声，影响了图像质量，这些噪声对后续图像处理结果产生严重影响。如何将图像中的噪声去除并图像数据在形成、传输、接收和处理过程中，且能够保持图像特征是一个重要挑战，图像去噪收稿日期：２００６１２２２；修订日期：２００７０４１８．基金项目：国家高技术研究发展计划基金资助项目（Ｎｏ．２００６ＡＡ７０３４０５Ｆ）７８０光学精密工程第１５卷已成为图像处理和计算机视觉的重要研究内容。狉犽表示邻域犙内第犽小的犃犻，犼值。将４个最小的常见的噪声有两种，一种为高斯噪

8、声，另一种差值狉累加，得到公式（４）：犽为椒盐噪声。高斯噪声图像是由原始图像与零均４ＲＯＡＤ（狓，狔）＝∑狉犽，（４）值高斯分布的噪声相叠加形成的，如果用犳表示犽＝１ＲＯＡＤ（狓，狔）表示图像中点（狓，狔）与邻域最接近一幅图像，犳表示在位置（犻，犼）的图像灰度值，犻，犼的４个像素的相似程度。图１演示了计算ＲＯＡＤ高斯噪声图像犳相对与原始图像犳０表示为：犻，犼值的过程。图１（ａ）表示点狆（狓，狔）邻域像素，图１０，（１）犳犻，犼＝犳犻，犼＋狀犻，犼（ｂ）将