双阈值开关型矢量中值滤波

《双阈值开关型矢量中值滤波》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第27卷第6期2010年6月计算机应用研究ApplicationResearchofComputersV01．27No．6Jun．2010双阈值开关型矢量中值滤波钟灵，章云(广东工业大学自动化学院，广州510006)摘要：针对彩色图像中脉冲噪声的滤波问题，分析了经典矢量中值滤波方法的原理和特点，提出了一种新的开关型矢量中值滤波方法。该方法通过中心像素的排序位置和矢量中值滤波与中心像素判的距离判断噪声存在的可能。实验证明，该方法在不同的噪声比例下均优于矢量中值滤波，比较其他开关型滤波方法具有很好的

2、稳定性，能够更好地保持原因的细节。关键词：矢量中值滤波；开关型滤波；脉冲噪声中图分类号：TP391．41文献标志码：A文章编号：1001·3695(2010)06—2367—03doi：10．3969／j．issn．1001-3695．2010．06．106SwitchingvectormedianfilterwithtwothresholdsZHONGLing，ZHANGYun(AutomationFaculty，GuangdongUniversityofTechnology，Guangzho

3、u510006，China)Abstract：Thepaperanalyzedtheprincipleandfeatureoftheclassicalveetormedianfilter。whichwasusuallyusedtoremovetheimpulsivenoisefromcolorimages．Itpresentedanewswitchingvectormedianfilterusingtwothresholdvalues．Thenewmethoddeterminedthenoise

4、probabilityofthecentralpixel’srankpositioninslidingwindowandthedistancetothelowestrankedvector．Theexperimentshowsthatthefilterhasrobustperformanceoverthevectormedianfilterandothersatdifferentnoiselevelandcanbetterkeepfinedetmlsoforiginalimages．Keywor

5、ds：vectormedianfilter(VMF)；switchingfilter；impulsivenoise0引言目前，随着彩色传感器和各类计算单元的普及，图像或视频设备得到了大规模的应用。在视频监控和工业光学检测上，近几年这类应用的增长更为迅猛，但在图像信号获取和传输过程中，总存在各类噪声的樗染。消除这些噪声，对提高前期图像质量以及对后期模式识别等工作都非常重要。针对各类脉冲噪声，经典中值滤波(medianfilter，MF)在单通道灰度图像的处理中取得了不错的效果，但对彩色图像的处理上

6、若采用各通道单独处理再合成的方式，就会出现色彩不协调等问题⋯。针对这些问题，文献[1]提出了经典的基于矢量的滤波方法，该方法将每像素的三个通道取值统一看做颜色空间中的矢量来处理。该非线性的矢量中值滤波(VMF)因显示出很好的去噪能力，而得到了广泛关注，但矢量中值滤波也存在一些问题，如对图像细节保存不够及计算效率不高等。针对以上各类不足，文献[2]提出的基本矢量方向滤波(basicvectordirectionalfilter，BVDF)则考虑从矢量的夹角和来计算排序，该方法也较好地保持了原图色度

7、。文献[3]提出的距离方向滤波(distancedirectionalfilter，DDF)考虑距离与角度复合的方法，不但考虑了像素间的距离又保持了像素间的色度关系。文献[4]提出了一种中心加权矢量中值滤波方法(center．weightedvectorrrledianfilter，CWVMF)，它对各邻域像素与原像素计算差距时加权，增加了保持原像素的可能性。基于统计排序的滤波方法是一把双刃剑，在滤噪的同时图像的部分细节也会被消除。如何在滤除噪声和保留原图细节之间作好平衡，是各类滤波器设计的关键

8、。近年来，各类开关型的矢苣滤波方法已经成为研究者们关注的重点∞4j。文献[6，7]提出的自适应中心加权方向滤波(adaptivecenter—weigh—tedvectordirectionalfilter，ACWVDF)通过自适应地调节中心像素与其他像素间距离的权值，保持了各中心权值下都维持最小的原矢量。文献[8]提出的鲁棒的开关型矢量中值滤波方法(robustswitchingvectormedianfilter，RSVMF)则通过分析各方向上的最小排序值与原矢量的距离和来判断噪声。文献[9