噪声检测自适应窗口滤波算法

《噪声检测自适应窗口滤波算法》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。

第43卷第1期2013年1月航空计算技术AeronauticalCompu￡ingTbchniqueV01．43No．1Jan．2013噪声检测自适应窗口滤波算法吴粉侠，段群，李红(成阳师范学院信息工程学院，陕西成阳712000)摘要：脉冲噪声的存在，从视觉上影响图像的质量。为了去除图像中的脉冲噪声，提出了利用相似邻居数对图像中的噪声像素进行标记并建立相应矩阵，接着根据噪声的污染程度自适应的选择滤波窗口，最后对噪声像素进行自适应均值滤波去除图像中的脉冲噪声。实验结果表明，算法能有效降低图像中的脉冲噪声，对图像的边缘与细节保持较好。关键词：图像消噪；脉冲噪声；自适应滤波；均值滤波中图分类号：TP274文献标识码：A文章编号：1671．654x(2013)0l一0049—03ImageDenoisingofAdaptiVeWindowBasedonNoiseDetectionWUFen—xia，DUANQun，LIHong(&^ooZ旷蜘册口砌n啦i册e矗昭，觑o，妒昭舳肌nZ踟泐船渺，‰n弘昭712000，吼讥口)Abstract：Thepresenceofimpulsenoiseimpactsf而mtheVisualqualityoftheimage．AnewdenoisingmethodispmposedbasedonthenoisedetectionforremoVingandrestoringimpulsenoise．TheaLl90rithmmarksthenoiseofimagepixelaccordingtothesimilarnumberofneighbors，setsamarkedmatrix，adap—tivelyselectsfilterwindowaccordingtothenoisep01lutionde伊eeandremoVesimpulsenoiseinimagesu-singthead印tivemeanfilter．ExperimentalresultsshowthatthisaIgorithmcaneliminateimpulsenoiseandgivessignificantlybetterimagequalitythanotheralgorithmssuchasmeanfilter，medianfilterandgmdientinver_seweighted6lter．Withtheanalysisoftheexperimentaldata，thismethodreachesagoodre—sultnotonlythedetailsandedgeinfonnationoftheodginalimagebutalsothePSNR．Keywords：imagedenoising；impulsenoise；adaptiVefilter；meanfilter引言图像在形成和传输过程中，不可避免受各种噪声干扰，其中脉冲噪声是主要噪声之一。这些噪声极大地降低了图像的质量，严重影响图像的视觉效果，此外，由于噪声点相对于邻近像素点在灰度值上的突变，这对图像的纹理提取、特征点检测等处理造成极大困难。因此，有效去除脉冲噪声具有重要理论和实际应用意义。针对脉冲噪声的去除问题，广泛应用的降噪方法有均值滤波、中值滤波、以及在此基础上演化出的线性加权滤波、梯度倒数加权滤波¨J、加权中值滤波旧。、白适应中值滤波p1等。其中，线性加权滤波根据不同位置对中心像素点贡献的大小给定模板中不同位置的权值，距离中心像素远的权值小，距离中心像素近的权值大，当中心像素权值大时图像就清晰、去噪能力就弱；当中心像素权值小时，去噪能力就强、图像就模糊一些。梯度倒数加权滤波算法H3是根据邻域像素之间的关系即灰度变化大小给定权值，对梯度取倒数，以梯度倒数作权重因子，区域中梯度小的权重大于区域中梯度大的权重，区域内部的相邻点权重大于外部像素点的权重，这种滤波方法对保持图像的细节及边缘较有效，但它的去噪效果受到窗口大小的影响。自适应中值滤波可以根据邻域中像素受污染的程度自适应地选择滤波窗口大小，对低密度噪声，可用小窗口作中值滤波。对高密度噪声，用大窗口作中值滤波，这样不仅可以降低噪声，还可以在一定程度上保护图像的边缘和细节。但是，以上算法都是对图像中的所有像素作滤波处理，不仅破坏了很多未被污染的点，造成图像的失真，而且误操作占用了大量的时间，对算法的实时处理也有影响。本文针对脉冲噪声的特性，提出了基于噪声检测收藕日期：2012一12—03基金项目：陕西省教育厅专项科研计划项目资助(09JK811)；咸阳师范学院科研基金项目资助(08xsYK339；11xsYl(329；12xsYK072)作者简介：吴粉侠(1976一)，女，陕西兴平人，讲师，硕士，主要研究方向为图像去噪，图像增强。 ．50．航空计算技术第43卷第1期：：===================================================；的自适应窗口的脉冲噪声的去噪方法，该算法首先计算像素的相似邻居数，再根据相似邻居数把像素点分为噪声和信号两类，对于信号像素保留，对于噪声则根据含噪密度确定滤波窗口的大小，根据邻域像素的灰度相关性，用自适应均值滤波的方法确定噪声像素的灰度。实验结果表明，本文方法处理的图像具有较好的边缘和细节保持能力，且处理后的图像PSNR值均高于其他对比算法的去噪结果。1算法描述本文提出的基于噪声检测的自适应窗口的脉冲噪声的去噪算法包括四个过程：1)计算图像的相似邻居数，获得相似邻居数矩阵；2)根据相似邻居数，获取噪声密度，并根据不同密度对图像中的噪声像素进行标记；3)根据邻域中的噪声像素的数量，自适应地确定滤波窗口大小；4)对噪声像素的邻域进行自适应均值滤波处理。1．1相似邻居矩阵计算通过对含噪图像和不含图像的对比分析，发现不含噪声的像素之问相似度很高，灰度差很小，含噪图像的像素之间相似度低，灰度差大，进一步分析发现，对于一幅含噪图像而言，未受污染的像素相似度高，受污染的像素相似度低，所以对于噪声像素的标记可以根据中心像素与邻域像素的相似度来确定，相似性可以通过下式来确定：I以i√)一八i+m，J+n)l≤F(1)其中文i√)为中心像素的灰度，为叭i，歹)一八i+m，J+n)I为其邻域像素灰度差，r为给定的域值，如果中心像素与Ⅳ个邻域像素的灰度值之差满足式(1)，则其相似邻居数为Ⅳ，通过对图像中除边界像素外的每个像素的3×3邻域内相似邻居数的计算即可获得该图像的相似邻居数矩阵∞』。1．2噪声点标记通过对多幅原图像数据及加噪图像数据的相似邻居数的分析总结得出，图像中的相似邻居数大于4的像素是信号的可能性高，相似邻居数小于等于3的像素是噪声的可能性高，所以本文依据该原则对噪声点进行噪声标记，也就是对相似邻居数矩阵中的每一个数据进行判断，如果其相似邻居数大于等于4，则标记为信号像素，否则认为该像素疑似噪声，暂且标记为噪声像素。通过对标记的噪声像素与原图像数据及含噪的图像数据的进一步对比分析发现，大部分噪声像素的标记正确，只有少数噪声像素标记出错了，所以需要进一步对误判为噪声的信号像素进行排除，如果标记为噪声的像素的灰度与其3×3邻域均值的差的绝对值小于某一阈值r的话，则可将其判为信号像素，将其噪声标记改为信号像素。1．3滤波窗口确定在对图像进行噪声点标记后，就可以对图像进行去噪处理，如果中心像素是信号则保留，如果中心像素标记为噪声则需对图像进行滤波处理。对含噪图像进行滤波，噪声滤除受窗口大小影响，滤波窗口小，能够较好地保护图像细节，但滤除噪声的能力较弱，滤波窗口大，降噪效果好，但图像的边缘和细节会变得模糊，影响图像的视觉效果。根据这些特点，本文根据噪声的多少自适应地确定滤波窗口的大小，当邻域噪声像素不太多时，可采用小窗口滤波，以便在去噪的同时，保护图像的细节；若邻域噪声多时，可采用大窗口滤波以取得较好的去噪效果。对图像噪声点的统计可用3×3邻域，在噪声标记矩阵中，可根据式(2)对该邻域内像素进行噪声统计∞J。lⅣMm(Ⅳij)=∑∑Ⅳ(i+观，歹+n)(2)式(2)中，Ⅳ(i+m，J+n)为邻域中的标记为噪声的邻域矩阵元素，即图像的3×3邻域中的噪声像素，ⅣⅡm(M．，)为邻域噪声像素的个数。滤波窗口的大小K，根据№m(以i)自适应地确定，确定规则如下：r3×3№m(J7v—j{l，2，3}K，i：J5×5舭m(眠j)弓{4，5，6}(3)17×7舭m(以．i)弓{7，8，9}L。1．4自适应窗口均值滤波均值滤波算法是根据邻域像素的灰度确定中心像素的灰度。对照噪声标记矩阵，如果中心像素标记为信号，则灰度保持不变；若为噪声则对其进行自适应窗口的均值滤波，窗口大小为五的中心像素的输出为灰度：Ity(i，，)=∑∑以i十m√+n)(4)式(4)中以i+m，J+n)是邻域像素的灰度，y(i，歹)为输出的灰度，即为中心像素的灰度。2实验结果与分析去噪效果可通过主观和客观两个方面进行，主观评价主要是通过人眼对去噪效果的直接观察，客观评价采用了峰值信噪比(PSNR)‘63这一参数，其值越大说明去噪效果越好，反之越差。粥一10xk磊纛而肘×Ⅳ鲁鲁⋯V17(5) 吴粉侠等：噪声检测自适应窗口滤波算法(d)标：隹中值滤波fb)噪声密度为o．8的加噪图像fc)标；隹均值滤波fe)梯度倒数加权滤波m衣文方法Lena图像去噪效果图不同噪声污染下的PSNR值表本文实验时分别采用两组图像，第一组是Lena图像，该图像含有丰富的细节；第二组是Boats图像，该图像含有较多的边缘，实验过程中分别对两组图像加入不同密度的脉冲噪声，对比实验采用了均值滤波、中值滤波，梯度倒数加权滤波去噪算法。上图为Lena图像的去噪效果，上表为Lena与Boats去噪效果及不同算法的PsNR比较结果。实验结果表明，本文所用算法相对其他三种对比算法而言，从视觉效果来看，降噪效果非常明显，且图像的细节及边缘保持性较强，图像失真小；从客观评价PsNR指标上看，本算法的总体PsNR值较高，与均值滤波相比，在脉冲噪声密度不大时，均值PSNR高一点，但随着噪声密度的增加，本文的PSNR渐高于均值滤波的去噪算法。从视觉效果来看，本文算法能更多地保留图像的边缘及细节。所以本文所用算法在脉冲噪声的去除上较其他算法所得图像更优，尤其在噪声密度达到20％以上时，本文算法能更有效地去除图像中的脉冲噪声。3总结图像的降噪作为图像的预处理，其处理结果直接关系到各种后继处理，本文针对图像中的脉冲噪声，根据相似邻居数对噪声和信号进行分类判断，并且根据噪声的密度自适应地选择窗口大小，仅对噪声像素进(下转第57页) 2013年1月丁存伟等：一种旋翼翼型多点多约束气动优化设计策略·57·0．0160．0140．012Q0．01U0．0080．006——0A309f、n¨^理Z7-值l／’．，f一矿————●合、针对悬停／前飞／机动状态对应气动计算策略的旋翼翼型气动优化设计策略，提高了鲁棒性与优化效率。参考文献：[2]0．60．650．70．750．80．85MⅡ图5零升阻力特性曲线对比[3]0．0750．050．0258o一0．025—0．05——0A309⋯l，▲双zrz亘-、飞0．60．650．70．750．80．85Mn图6零升力矩特性曲线对比7结论1)针对悬停／前飞／机动状态下旋翼翼型升阻比、阻力发散马赫数、最大升力等气动特性精确分析需求，分别提出了对应的合理气动计算策略。2)充分考虑伴随方法梯度求解的准确性、CFD计算量小等显著优点，引入基于伴随方法的梯度信息的响应面模型构造问题，发展了基于梯度信息的改进的响应面方法，显著减少了CFD计算量，有效提高了响应面方法处理多变量优化问题的适应性。3)本文所发展的基于伴随方法与响应面法有效结[4][5][6][7][8][9][10]李萍，庄开莲，李静．国外直升机旋翼翼型研究综述[J]．直升机技术，2007(3)：103—109．杨旭东，乔志德，朱兵．气动／几何约束条件下翼型优化设计的最优控制理论方法[J]．计算物理，2006，23(1)：66—72．SeongimChoi，MarkPotsd砌．HelicopterRotorDesignusingaTime—spectmIandAdjoint—basedMethod[R]．AIAA一2008—5810．2008．Jen—DerLee，JamesonA．NLFAi怕ilandWingDesignbyAdjointMethodandAutomatic‘IhnsitionPrediction[R]．AIAA一2009—3514．2009．熊俊涛．基于伴随方法和Navier—Stokes方程的气动优化设计[D]．西安：西北工业大学，2007．DoorlyDJ，PeimJ．SupervisedParallelGeneticAlgorithmsinAerodynamicOptimization[R]．AIAA一97—1852，1997．王晓鹏，高正红．基于遗传算法的翼型气动优化设计[J]．空气动力学学报，2000，18(3)：324—329：KimYS，KimJH，Jeon，eta1．MultidisciplinaryAerodynamicStructuralDesign0ptimizationofSupersonicFighterWingU·singResponseSurfaceMethodology[R]．AIAA一2002—0322．2002．熊俊涛，乔志德，韩忠华．响应面方法在跨声速翼型气动优化设计中的应用研究[J]．西北工业大学学报，2006，24(2)：232—236．WiUiamsRJ，EvansTP，McparlinSC．EstimationoftheAemdynamicChamcteristicsofCmckedWings7rhroughRe-sponsesurfaceModeling[R]．AIAA一2009—1095，2009．KasimBiber．MichaelV0L，CarlPTilmann．SomeEx砌一plesofAi而ilDesignForFutureUnmannedAirVehicleConcepts[R]．AIAA一2004一1050，2004．(上接第51页)行处理，并结合邻域像素灰度相关性特点，对邻域中的信号像素进行自适应均值滤波处理。本文算法与对比算法相比处理后的图像具有很好的边缘和细节保持能力，且处理后的图像PsNR值总体上高于对比算法的处理结果。参考文献：[2]魏丹，陈淑珍，陈彬，等．梯度倒数平滑算法的改进与实现[J]．计算机应用研究，2005(3)：153—157．李秀玲，何劲松．基于旋转不变像素相关性的加权中值滤[3][4][5][6]波器[J]．中国图象图形学报，2010(15)：56—62．邓秀勤，熊勇，彭宏．一种有效的自适应加权中值滤波算法[J]．计算机工程与应用，2009，45(35)：185一187．闫敬文．数字图像处理[M]．北京：国防工业出版社，2011．单建华．相似邻居数目脉冲噪声滤波算法[J]．中国图形图像学报，20ll，16(12)：2112—2116．马义德，李廉，绽绲，等．脉冲耦合神经网络与数字图像处理[M]．北京：科学出版社，2008．