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

ID:33632805

大小:1.57 MB

页数:5页

时间:2019-02-27

自适应权值滤波消除图像椒盐噪声的方法_第1页
自适应权值滤波消除图像椒盐噪声的方法_第2页
自适应权值滤波消除图像椒盐噪声的方法_第3页
自适应权值滤波消除图像椒盐噪声的方法_第4页
自适应权值滤波消除图像椒盐噪声的方法_第5页
资源描述:

《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

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。