极值中值滤波.doc

《极值中值滤波.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、极值中值滤波的算法目的：处理图像，对于图像的细节进行保护，最大的保持原图的真实性。摘要：图像信号在产生、传输和记录过程中，经常会受到各种噪声的干扰，由于其严重地影响了图像的视觉效果，因此，在进行边缘检测、图像分割、特征提取、模式识别等工作之前，采用适当的方法减少噪声(即：进行图像噪声的滤波)，是一项非常重要的预处理步骤。对图像滤波的要求是，既能滤除图像中的噪声又能保持图像的细节。由于噪声和图像细节的混叠，所以在图像滤波中，图像的去噪与细节的保留往往是一对矛盾。图像滤波是图像处理中非常重要的技术环节，至今仍是图像处理领域的研究热点。目

2、前，图像滤波常用的方法包括线性滤波技术和非线性滤波技术。线性滤波对加性高斯噪声有较好的平滑作用。但对脉冲信号和其它形式的高频分量抑制效果较差。非线性滤波对窄脉冲信号具有良好的抑制能力，但对均匀分布噪声和高斯噪声其滤波性能较差。混合滤波也是常用的图像滤波方法之一，有其自身的优点。本论文首先对图像滤波技术进行了研究，分析线性滤波中的均值滤波和非线性滤波中的中值滤波的特性。在此基础上分析了将均值滤波和中值滤波相结合的混合滤波。然后本文主要针对中值滤波算法在图像去噪与保护细节上的缺陷，根据不同的方向提出两种改进算法，一种是根据极值中值滤波提

3、出的基于阈值的极值中值滤波算法，另一种是根据多级中值滤波提出的基于方向的自适应多级中值滤波算法。最后给出的实验结果很好的证明了改进算法的有效性，都实现了即能有效地去除噪声，同时能很好的保护边缘细节。论文最后对中值滤波改进算法提出了进一步完善、改进的意见。对有噪图像来说，其后续处理(如特征提取、图像分析和识别、图像压缩等)的成败好坏往往取决于其前期处理的效果与质量。然而抑制噪声和保持图像中的细节往往是一对矛盾，也是图像处理中尚未很好解决的问题。所以保护细节的中值类滤波的研究成为非线性滤波器研究的一个重要方面，人们在努力寻求兼有细节保护

4、和噪声抑制的优良特性的滤波器结构，随之出现了多种基于中值滤波的改进型算法。在分析极值中值的滤波方法原理和优劣的基础上，结合国内外学者在图像滤波这一专题领域的主要研究方法和成果，本章提出了一种基于阈值的极值中值滤波方法。该方法引入一预判断算子将图像区域做了更细致的分类，从而达到了抑制噪声且保护细节的良好效果，而且有更好的噪声适应能力。下面先介绍极值中值滤波，然后详细介绍加入阈值的改进算法，最后给出实验结果。【关键词】：图像滤波中值滤波极值阈值1.1极值中值滤波算法原理设矩阵[Xij】表示一幅数字化的图像(其中i，j表示各点的位置)，W

5、[Xij]表示以点(i，j)为中心对图像中的点Xij做窗口操作，med[W(Xij)]表示对窗口W[Xij]内的所有点取中值。若【Yij】为图像Xij经过中值滤波后的输出图像，滤波窗口为mXn(其中m，n为奇整数)，那么Yij=med[W(Xij)]。在上述的操作中，所有像素采用统一的处理方法。该过程既滤除了噪声，也改变的真正信号点的值，造成了图像模糊。假如可以知道哪些点是信号点，哪些点是噪声点，就可以处理噪声点而保留信号点，根据邻域相关性赋予其相应值，例如邻域中值，而保持信号点不变，这样，就可以减少图像模糊，使滤波过程不对信号产生

6、影响，而仅仅起到去除噪声的作用。在极值中值滤波算法中，给出了信号s与噪声N的判别标准：在一幅图像中，如果某点的灰度值为其邻域的最大或最小值，那么该点为噪声，反之则为信号，按此标准对全部像素点分类，设[虼】表示输出图像，则该滤波方法可表示为该算法处理幅度比较大脉冲噪声简单有效，但是将细线等窄边缘细节也判断为噪声点加以处理，会造成的损失或者位移。1．2基于阈值的极值中值滤波方法考虑窗内排序后的像素点，如果按照极值中值的方法取噪声点，可能包含了孤立噪声、窄的边缘、细线和部分平坦灰度区域，它们的厌度值大小都有可能等于窗内的极值，而对边缘细节

7、点却不希望使用中值滤波。同时根据人眼的特性，对于所有平坦厌度区域，又需要有效的抑制噪声，即使是其值与邻点的灰度值接近的非孤立的噪声点，也一样需要得到处理。所以基于对滤波窗口内像素点的排序，在极值中值的基础上，引入预判断算子将图像区域进一步细分为3类：噪声点、边缘细节区和平坦区。本着确定出噪声点和平坦区采用中值滤波方法处理，保留边缘细节区不做处理的原则，通过以下步骤判断噪声点和平坦区：(1)对W[Xij]窗口内的像素点进行排序，找出maxW[Xij]和minW[Xij](2)将Xij与max(W[Xij])和min（W[Xij])进行

8、比较，如果相等，则用如下介绍的预判断算子判断出孤立噪声点、平坦区和边缘像素点。设f(x，y)为图像点(x，y)处的厌度值，#(x，y)为(x，y)邻域像素点的灰度值。首先选择一个算子Y作用在f(x，y)和，#(x，Y)，得Y=Y(#，