中值滤波算法在人眼视觉系统中增强改进

《中值滤波算法在人眼视觉系统中增强改进》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、中值滤波算法在人眼视觉系统中增强改进　　【摘要】本文提出一种在中值滤波算法基础上利用人眼视觉特性改进的图像去噪增强算法。该方法首先利用人眼特性将灰度级进行调整以提高图像背景亮度，然后在滤波模版中利用JND曲线特性提高像素间的对比度，从而在去除噪声的同时提高了图像的清晰程度，使人眼获得更多的信息量。实验结果表明：该方法与传统滤波算法相比，处理过的图像更利于人眼观察。【关键词】椒盐噪声；中值滤波；人眼特性；JND；对比度增强1.引言人类所接收的信息大部分为视觉信息，现代科技利用数码相机、望远设备等，把图像传输到电脑上以备利用。但由于传输过程中受噪声干扰，

2、接收到的图像多为模糊不清。为了解决这一问题，提高图像质量，图像处理技术大力发展。如在空间域直接变化的线性拉伸、直方图均衡化、中值均值滤波器等方法[1]，在频率域中的高斯滤波、维纳滤波、带通带阻滤波器等方法[2]，以及跨空间域和频率域的小波分析[3]等算法。然而图像受到的噪声影响多种多样，迄今为止没有一种方法可以去除所有噪声，增强图像质量以达到完美。6在电缆中传输图像，不免要受到噪声干扰，椒盐噪声是其中之一。椒盐噪声[4]是脉冲噪声的一种，在图像上是黑白相间的亮暗点噪声，其在图像上的具体赋值比较极端，一般椒噪声是0，盐噪声是255。为解决这一问题，学者

3、们提出中值滤波这一概念。中值滤波是一种非线性滤波处理技术，它用排序理论，去掉不符合周围环境的孤立噪声点以抑制噪声。其方法通常是利用3*3、5*5等滑动模版，找出模版中的中间值，用以替代数字图像中一点的值，使这个点的像素值接近于周围像素点的值，这样可以消除类似椒盐极值这类脉冲噪声。但中值滤波在消除噪声点的同时，也大量改变了图像的原像素值，使得图像容易出现模糊，甚至块效应，不利于人眼观察。据此缺点，有学者对其做出了改进[5-6]，但依然存在不足之处。JND曲线[7]最早是由Jayant提出，他给出在不同背景亮度下，人眼可分辨的灰度级范围，例如在平均灰度5

4、0的背景下，人眼根本分辨不出两个相邻像素，如48、52这样的小差异像素值。在此后，有更多学者开始研究利用人眼视觉效应来增强图像[8-9]。基于以上分析，本文提出一种结合人眼视觉的改进型中值滤波算法，在其3*3模版中利用中值滤波消除噪声的同时，结合JND曲线特性，在尽可能保留图像信息的同时，增大相邻像素值的灰度差，使其更符合人眼视觉系统，让图像的信息量极大化的展现出来。62.算法原理根据人眼视觉特性和JND曲线特性可知，图像在平均灰度低，即背景亮度低，而相邻像素在差异较大的时候，人眼都是分辨不出像素差异的。想要得到一副视觉效果好的图像，那么就要适当的提

5、高图像的平均灰度以提高背景亮度，使人眼可分辨的灰度级变大，可分辨的相邻灰度差值变小。为达到这一目的，应适当的压缩一些灰度级，预留出的空间分给较暗的灰度级[10]。通过对常用图像处理图片的实验中，发现25是个很好的临界值。如公式（1），对25-200的灰度级压缩成50-200，空余出的25个灰度级平均分给25以下的灰度级，图像的视觉效果明显提高。压缩的灰度级平均下来到每个灰度，压缩不到0.25，在视觉系统中事实上不造成信息量的丢失前提，提高了背景亮度，人眼的分辨力加强，可以得到更多的信息量。6对椒盐噪声利用中值滤波处理同时，并考虑人眼视觉效果，才能最终

6、得出更好的图像增强效果。步骤为：在3*3的模版中，首先对模块内的灰度值排序，不失一般性，采用从小到大排序，排序后得到的灰度序列为Gray（1），Gray（2），...，Gray（9），得出中值m和均值j，m为第5个最大值Gray（5），j为9个数的平均值，为防止均值受到噪声影响，应去掉1个最大值和1个最小值。其后以中值m代替模块内拟取代的像素点，以灰度均值j为局部亮度背景，应用JND曲线特性，得出在此灰度背景下人眼可分辨的最小灰度差值d。参考图1，根据实验数据得出公式（2）。此时根据临界可见偏差值修改模块内灰度值，如果Gray（n）与其下一个相邻像素

7、值Gray（n+1）的差值小于d，那么人眼分辨不出信息的差异。合并掉分辨不出的灰度值，增大与Gray（n+2）的灰度差，以求增大人眼接收的信息量。不失一般性，用其小的值代替大的，如公式（3）所进行的灰度处理，最终以达到图像的去噪和增强目的。3.实验结果由于篇幅限制，本文方法仅给出一组实验结果，采用MATLAB软件对一副256*256的图像进行处理。从图2中可以看出，原始图像中人物和背景的差异度比较低，不利于人眼观察。加入椒盐噪声后的图像就更加模糊不清，不能直接观看。直接采用中值滤波器处理的图像，虽然去掉了图像中的大部分噪声，但也把图像中原本存在的细节

8、弄得分辨不清，模糊了图像细节的边缘。而本文方法不仅去掉了噪声，同时也增大了图像的光亮程度，人物和背景的对比度