低照度图像去噪算法的研究与实现
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Key words: low2Illum ination; image denoising; mathematics morphology; median filter
0 引言
低照度图像含有随机分布的白点噪声 ,且光照越弱 ,图像 中噪声越大 。当使用 M PEG - 4[1, 2 ]压缩标准对含有大量噪声 的低照度图像压缩合成时 ,得到的数据量比正常情况下的录 像码流数据量增大 15% ～20% ,如果对这样的码流进行存 储 ,会占用更多空间 。本文在综合考虑图像去噪平滑效果 、清 晰程度及算法效率的基础上 ,提出了结合数学形态学法和中 值滤波法的低照度图像去噪算法 。
3) 图像去噪时间复杂度 。由于监控系统需要对图像进行 实时处理以合成监控码流 , 所以对图像去噪时间复杂度必须 较低才能保证图像与实际拍摄时间相对应 , 从而保证监控码 流实时性 。 2. 2. 2 算法设计思想
根据以上设计标准 , 通过大量实验对各种常见的去噪算 法进行分析和研究 ,结果表明 :
低照度图像去噪算法具体实现主要分为以下两个步骤 : 1)对图像 YUV 系统的 Y分量进行数学形态学滤波 。由 于图像采用 RGB 系统 ,所以需要先将图像的 RGB 系统转换 为 YUV系统 ,以获取图像的灰度值 Y分量 ;然后对图像像素 灰度值即 Y分量进行数学形态学滤波 [7, 8 ] ,具体实现如下 : ① 由于图像噪声表现为随机的亮点和毛刺 ,根据数学形态学性 质 ,选用开运算进行滤波 ,即先对图像进行腐蚀运算 ,再对图 像进行膨胀运算 。 ②由于图像噪声信号直径较小 ,所以选用 3 ×3的结构元素窗口 。 2)对经过数学形态学滤波的 Y分量进行中值滤波 。对 图像像素的 Y分量进行数学形态学滤波后消除了部分噪声 , 并把图像细节聚合在一起 。这时使用中值滤波法 [9 ]就可以 消除图像中剩余的噪声 ,使得图像平滑 ,且不会丢失图像细
14 56
计算机应用
2007年
2 低照度图像去噪算法设计及实现
2. 1 数学形态学法及中值滤波法
1)数学形态学法
数学形态学图像处理表现为一种邻域运算形式 ,一种特
殊定义的邻域称为“结构元素 ”,在每个像素位置上它与二值
图像对应区域进行特定的逻辑运算 ,逻辑运算结果为输出图
像的相应像素 。形态学运算效果取决于结构元素大小 、内容
及逻辑运算性质 。常见的形态学运算有腐蚀和膨胀 。
给定二值图像 I ( x, y) 和作为结构元素的二值模板 T ( i,
j) ,腐蚀与膨胀运算可表示成式 ( 3) 和式 ( 4) :
E ( x, y) = ( I
m
T) ( x, y) = AND [ I ( x + i, y + j) &T ( i, j) ] i, j =0
3) 空域去噪算法中的中值滤波法和邻域平均滤波法可 对图像起到一定的去噪作用 ,时间复杂度也较低 ,但去噪后会 使图像变得很模糊 ,所以不符合图像清晰程度要好的标准 。
4) 数学形态学法时间复杂度为 O (N ) , 可以对图像起到 一定的去噪作用 ,又不会使图像变得模糊不清 ,基本符合图像 去噪增强标准 。
Abstract: This paper analyzed the main noise sources for Low2Illum ination Image. And a denoising method, combining M athematics morphology with M edian filter, was designed after balancing image smoothness, clearness and time comp lexity through the experiments of common denoising algorithm s. The experiments also confirm that the algorithm is feasible, real2time and robust.
1) 频域去噪算法虽然可以对图像起到一定去噪作用 ,但 算法时间复杂度很高 , 低通梯形滤波和维纳滤波的时间复杂 度为 O (N log2N ) ,小波滤波为 O (N 2 ) ,所以不符合图像去噪时 间复杂度低的标准 。
2) 空域去噪算法中的滑动窗口滤波法和直方图均衡法 , 虽然时间复杂度为 O (N ) , 但对摄像管的随机加性噪声几乎 不起去除作用 ,所以不符合图像去噪效果好的标准 。
S = 6. 02B + 1. 76 + 10 lg ( fs )
(2)
N
2 fm ax
其中 : B 是模 / 数转换器分辨率 ; fS 是采样速率 ; fmax 是输
入信号的最高频率 。
3)脉冲噪声 :包括传输过程中产生的脉冲噪声和存储图
像带来的噪声 。
脉冲噪声是信号在数字电路中传送时 ,受到电路的脉冲
放大处理电路输出信号的信噪比公式为 [6 ] :
1 低照度图像主要噪声源分析
图像中存在着各种不同性质的噪声 ,在不同的客观环境 下会成为影响图像质量的主导因素 。这些噪声大致可以分为
以下 3类 [ 3 ] : 1) 随机噪声 :包括客观环境中的干扰噪声和摄像管摄像
产生的读出噪声 ,其中对图像质量起主要影响的是 CCD 摄像 管摄像产生的读出噪声 。
(5) 2. 2 图像去噪算法设计 2. 2. 1 算法设计标准
在针对低照度图像进行去噪算法的设计时 , 主要考虑以 下 3个因素 :
1) 图像去噪平滑效果 , 即去噪后图像的信噪比 。去噪后 图像越平滑 ,经过压缩后的录像码流数据量越小 。
2) 图像的清晰程度 。虽然对图像去噪效果好可以减少录 像码流的数据量 ,但也需要保证一定的图像清晰度 。
第 27卷第 6期 2007年 6月
计算机应用 Computer App lications
Vol. 27 No. 6 June 2007
文章编号 : 1001 - 9081 (2007) 06 - 1455 - 03
低照度图像去噪算法的研究与实现
彭 波 ,王一鸣 (中国农业大学 信息与电气工程学院 ,北京 100083)
(3)
D ( x, y) = ( I
m
T) ( x, y) = OR [ I ( x + i, y + j) &T ( i, j) ] i, j =0
(4)
使用结构元对原始图像进行膨胀和腐蚀的效果如图 1所
示。
图 1 使用结构元对原始图像进行膨胀和腐蚀
在定义膨胀和腐蚀运算的基础上 ,可定义开运算和闭运 算 。灰度图像开运算和闭运算可解释为 :让结构元素沿 I ( x, y) 滚动 ,开运算沿 I ( x, y) 的下沿滚动 , 而闭运算沿 I ( x, y) 的上沿滚动 。经过滚动处理后 ,所有直径比结构元素小的灰 度阶越点都被去除了 。所以从直观上看 ,灰度图像开运算和 闭运算具有聚类功能 ,即能把图像中某个范围内灰度相近数 量占优势的点聚到一起 。
对于含有噪声的低照度监控图像 , 提出新的算法设计思 想 :首先使用数学形态学法 , 滤除部分噪声 ; 并利用数学形态 学法聚类功能 ,将图像信息聚集成相对集中的部分 。然后使用 中值滤波法对图像进行处理 ,滤除剩余噪声 ,使图像变得比较 平滑 ,而这时由于图像信息相对集中 ,且图像信息部分只含有 较少噪声 ,所以在去噪过程中不会丢失过多的图像信息 ,使处 理后的图像相对比较清晰 。得到的算法时间复杂度为 O (N ) 。 综上所述 ,将结合数学形态学法与中值滤波法对低照度监控 图像进行去噪处理 ,从理论上可以获得较好的效果 。 2. 3 图像去噪算法实现
像产生的读出噪声 ,其信噪比公式也证明了此噪声会随着客
观环境亮度的降低而增大 。在低照度图像中 CCD 摄像管摄
像产生的读出噪声为影响图像质量的主导噪声 。
收稿日期 : 2006 - 12 - 20;修订日期 : 2006 - 02 - 26 作者简介 :彭波 (1960 - ) ,女 ,北京人 ,教授 ,主要研究方向 :图像处理 、视频传输技术 ; 王一鸣 ( 1940 - ) ,男 ,北京人 ,教授 ,主要研究方向 : 智能化检测 、控制技术.
CCD 摄像管读出噪声输出信噪比公式为 [3, 4 ] :
S N
=
Qs 2πkTC
(1)
其中 : QS 是 1个光敏单元所存贮的电荷量 , QS = eNS ; N s 是 1个光敏单元所承载的光电子数目 ; e是 1个光电子所存贮
的电荷量 ; C是输入电容 ; T是绝对温度 。
由式 ( 1) 可知 ,当客观环境光线充足时 , NS 相应升高 , 即 QS 增大 ,信噪比较高 ;而当客观环境光线不充足时 , NS 下降 ,
Research and im plem en ta tion of deno ising a lgor ithm for low2Illum ina tion image
PENG Bo, WANG Yi2m ing (College of Inform a tion and E lectrica l Eng ineering, Ch ina A g ricu ltu ra l U n iversity, B eijing 100083, Ch ina)
使用数学形态学法去噪可去除部分噪声 ,且由于开 / 闭运 算具有聚类功能 ,即能把图像中某个范围内灰度相近且数量占 优势的图像信息聚到一起 , 从而使得图像信息不易丢失 , 因此 可获得较清晰的图像 ;缺点是去除噪声不够彻底 , 去噪后的图 像不够平滑 。使用中值滤波法去噪可获得很好的效果 , 去噪后ห้องสมุดไป่ตู้的图像变得很平滑 ,从而使得压缩合成后的录像码流数据量有 效减小 ;但由于低照度图像中噪声与周围图像信息亮度值差别 不大 ,所以去噪后图像不够清晰 ,会丢失较多图像信息 。
影响而产生的噪声 。虽然对于不同电路分布的情况 ,含有脉
冲噪声的信号的信噪比会有所不同 ,但总体来说 ,这种噪声主
要由电路中电荷的活动情况决定 ,而与客观环境中的亮度无
关 [5, 6 ] 。
综上所述 ,图像包含的噪声中 ,信噪比随图像拍摄的客观
环境亮度改变而改变的只有加性噪声类中的 CCD 摄像管摄
2)中值滤波法 中值滤波法是一种非线性信号处理方法 ,用一个含有奇 数点的滑动窗口 ,将窗口正中的那个点的值用窗口内各点的 中值代替 。假设有一个一维序列 f1 , f2 , …, fn , 取窗口长度为 m (m 为奇数 ) ,对此序列进行中值滤波 ,就是从输入序列中相 继抽出 m个数 fi- v , …, fi- 1 , fi, fi+1 , …, fi+v;其中 fi为窗口中心点 值 , v = (m - 1) /2。将这 m 个点值按其数值大小排序 ,取其序 号为正中间的那个数作为滤波输出 。中值滤波法用数学公式 表示为 : yi = m ed { fi- v , …, fi, …, fi+v } , i ∈ Z; v = (m - 1) /2
QS 减小 ,获得图像的信噪比较低 , 图像中的读出噪声比较严 重。
读出噪声是一种光电流噪声 。光电流噪声是由光的统计 本质和图像传感器中光电转换过程引起的 。在弱光照的情况 下 ,其噪声模型可用具有泊松密度分布的随机变量来描述 ;且 具有光电流噪声的图像 ,其信号幅度与噪声幅度无关 。
2) 量化噪声 :指摄像机使用放大和处理电路对信号进行 采样 / 量化处理时产生的量化噪声 [5 ] 。
在应用中 ,对开运算 :使用直径比噪声信号直径略大的结 构元素 ,去除图像中亮度和毛刺 ,保留所有的灰度和较大的亮 区特征不变 ;腐蚀操作可去除较小亮细节 ,再施以膨胀处理增 加图像亮度而不再引入已去除部分 。对闭运算 :去除图像中 较小暗点 (相对结构元素而言 ) ,保留原来较大亮度特征 ;膨 胀操作可去除较小暗细节 ,再施以腐蚀运算将图像亮度调暗 , 而不重新引入已去除部分 。
(pengbo_cau@126. com ) 摘 要 :针对低照度图像存在大量噪声的情况 ,分析了主要噪声源及各种常见的图像去噪算法 , 在综合考虑图像去噪平滑效果 、图像的清晰程度及图像去噪时间复杂度的基础上 ,提出了结合数学形 态学方法和中值滤波方法的图像去噪算法 。通过试验数据验证了本算法的可行性 、实时性和鲁棒性 。 关键词 :低照度 ;图像去噪 ;数学形态学 ;中值滤波 中图分类号 : TP391. 41; TP311 文献标识码 : A
0 引言
低照度图像含有随机分布的白点噪声 ,且光照越弱 ,图像 中噪声越大 。当使用 M PEG - 4[1, 2 ]压缩标准对含有大量噪声 的低照度图像压缩合成时 ,得到的数据量比正常情况下的录 像码流数据量增大 15% ～20% ,如果对这样的码流进行存 储 ,会占用更多空间 。本文在综合考虑图像去噪平滑效果 、清 晰程度及算法效率的基础上 ,提出了结合数学形态学法和中 值滤波法的低照度图像去噪算法 。
3) 图像去噪时间复杂度 。由于监控系统需要对图像进行 实时处理以合成监控码流 , 所以对图像去噪时间复杂度必须 较低才能保证图像与实际拍摄时间相对应 , 从而保证监控码 流实时性 。 2. 2. 2 算法设计思想
根据以上设计标准 , 通过大量实验对各种常见的去噪算 法进行分析和研究 ,结果表明 :
低照度图像去噪算法具体实现主要分为以下两个步骤 : 1)对图像 YUV 系统的 Y分量进行数学形态学滤波 。由 于图像采用 RGB 系统 ,所以需要先将图像的 RGB 系统转换 为 YUV系统 ,以获取图像的灰度值 Y分量 ;然后对图像像素 灰度值即 Y分量进行数学形态学滤波 [7, 8 ] ,具体实现如下 : ① 由于图像噪声表现为随机的亮点和毛刺 ,根据数学形态学性 质 ,选用开运算进行滤波 ,即先对图像进行腐蚀运算 ,再对图 像进行膨胀运算 。 ②由于图像噪声信号直径较小 ,所以选用 3 ×3的结构元素窗口 。 2)对经过数学形态学滤波的 Y分量进行中值滤波 。对 图像像素的 Y分量进行数学形态学滤波后消除了部分噪声 , 并把图像细节聚合在一起 。这时使用中值滤波法 [9 ]就可以 消除图像中剩余的噪声 ,使得图像平滑 ,且不会丢失图像细
14 56
计算机应用
2007年
2 低照度图像去噪算法设计及实现
2. 1 数学形态学法及中值滤波法
1)数学形态学法
数学形态学图像处理表现为一种邻域运算形式 ,一种特
殊定义的邻域称为“结构元素 ”,在每个像素位置上它与二值
图像对应区域进行特定的逻辑运算 ,逻辑运算结果为输出图
像的相应像素 。形态学运算效果取决于结构元素大小 、内容
及逻辑运算性质 。常见的形态学运算有腐蚀和膨胀 。
给定二值图像 I ( x, y) 和作为结构元素的二值模板 T ( i,
j) ,腐蚀与膨胀运算可表示成式 ( 3) 和式 ( 4) :
E ( x, y) = ( I
m
T) ( x, y) = AND [ I ( x + i, y + j) &T ( i, j) ] i, j =0
3) 空域去噪算法中的中值滤波法和邻域平均滤波法可 对图像起到一定的去噪作用 ,时间复杂度也较低 ,但去噪后会 使图像变得很模糊 ,所以不符合图像清晰程度要好的标准 。
4) 数学形态学法时间复杂度为 O (N ) , 可以对图像起到 一定的去噪作用 ,又不会使图像变得模糊不清 ,基本符合图像 去噪增强标准 。
Abstract: This paper analyzed the main noise sources for Low2Illum ination Image. And a denoising method, combining M athematics morphology with M edian filter, was designed after balancing image smoothness, clearness and time comp lexity through the experiments of common denoising algorithm s. The experiments also confirm that the algorithm is feasible, real2time and robust.
1) 频域去噪算法虽然可以对图像起到一定去噪作用 ,但 算法时间复杂度很高 , 低通梯形滤波和维纳滤波的时间复杂 度为 O (N log2N ) ,小波滤波为 O (N 2 ) ,所以不符合图像去噪时 间复杂度低的标准 。
2) 空域去噪算法中的滑动窗口滤波法和直方图均衡法 , 虽然时间复杂度为 O (N ) , 但对摄像管的随机加性噪声几乎 不起去除作用 ,所以不符合图像去噪效果好的标准 。
S = 6. 02B + 1. 76 + 10 lg ( fs )
(2)
N
2 fm ax
其中 : B 是模 / 数转换器分辨率 ; fS 是采样速率 ; fmax 是输
入信号的最高频率 。
3)脉冲噪声 :包括传输过程中产生的脉冲噪声和存储图
像带来的噪声 。
脉冲噪声是信号在数字电路中传送时 ,受到电路的脉冲
放大处理电路输出信号的信噪比公式为 [6 ] :
1 低照度图像主要噪声源分析
图像中存在着各种不同性质的噪声 ,在不同的客观环境 下会成为影响图像质量的主导因素 。这些噪声大致可以分为
以下 3类 [ 3 ] : 1) 随机噪声 :包括客观环境中的干扰噪声和摄像管摄像
产生的读出噪声 ,其中对图像质量起主要影响的是 CCD 摄像 管摄像产生的读出噪声 。
(5) 2. 2 图像去噪算法设计 2. 2. 1 算法设计标准
在针对低照度图像进行去噪算法的设计时 , 主要考虑以 下 3个因素 :
1) 图像去噪平滑效果 , 即去噪后图像的信噪比 。去噪后 图像越平滑 ,经过压缩后的录像码流数据量越小 。
2) 图像的清晰程度 。虽然对图像去噪效果好可以减少录 像码流的数据量 ,但也需要保证一定的图像清晰度 。
第 27卷第 6期 2007年 6月
计算机应用 Computer App lications
Vol. 27 No. 6 June 2007
文章编号 : 1001 - 9081 (2007) 06 - 1455 - 03
低照度图像去噪算法的研究与实现
彭 波 ,王一鸣 (中国农业大学 信息与电气工程学院 ,北京 100083)
(3)
D ( x, y) = ( I
m
T) ( x, y) = OR [ I ( x + i, y + j) &T ( i, j) ] i, j =0
(4)
使用结构元对原始图像进行膨胀和腐蚀的效果如图 1所
示。
图 1 使用结构元对原始图像进行膨胀和腐蚀
在定义膨胀和腐蚀运算的基础上 ,可定义开运算和闭运 算 。灰度图像开运算和闭运算可解释为 :让结构元素沿 I ( x, y) 滚动 ,开运算沿 I ( x, y) 的下沿滚动 , 而闭运算沿 I ( x, y) 的上沿滚动 。经过滚动处理后 ,所有直径比结构元素小的灰 度阶越点都被去除了 。所以从直观上看 ,灰度图像开运算和 闭运算具有聚类功能 ,即能把图像中某个范围内灰度相近数 量占优势的点聚到一起 。
对于含有噪声的低照度监控图像 , 提出新的算法设计思 想 :首先使用数学形态学法 , 滤除部分噪声 ; 并利用数学形态 学法聚类功能 ,将图像信息聚集成相对集中的部分 。然后使用 中值滤波法对图像进行处理 ,滤除剩余噪声 ,使图像变得比较 平滑 ,而这时由于图像信息相对集中 ,且图像信息部分只含有 较少噪声 ,所以在去噪过程中不会丢失过多的图像信息 ,使处 理后的图像相对比较清晰 。得到的算法时间复杂度为 O (N ) 。 综上所述 ,将结合数学形态学法与中值滤波法对低照度监控 图像进行去噪处理 ,从理论上可以获得较好的效果 。 2. 3 图像去噪算法实现
像产生的读出噪声 ,其信噪比公式也证明了此噪声会随着客
观环境亮度的降低而增大 。在低照度图像中 CCD 摄像管摄
像产生的读出噪声为影响图像质量的主导噪声 。
收稿日期 : 2006 - 12 - 20;修订日期 : 2006 - 02 - 26 作者简介 :彭波 (1960 - ) ,女 ,北京人 ,教授 ,主要研究方向 :图像处理 、视频传输技术 ; 王一鸣 ( 1940 - ) ,男 ,北京人 ,教授 ,主要研究方向 : 智能化检测 、控制技术.
CCD 摄像管读出噪声输出信噪比公式为 [3, 4 ] :
S N
=
Qs 2πkTC
(1)
其中 : QS 是 1个光敏单元所存贮的电荷量 , QS = eNS ; N s 是 1个光敏单元所承载的光电子数目 ; e是 1个光电子所存贮
的电荷量 ; C是输入电容 ; T是绝对温度 。
由式 ( 1) 可知 ,当客观环境光线充足时 , NS 相应升高 , 即 QS 增大 ,信噪比较高 ;而当客观环境光线不充足时 , NS 下降 ,
Research and im plem en ta tion of deno ising a lgor ithm for low2Illum ina tion image
PENG Bo, WANG Yi2m ing (College of Inform a tion and E lectrica l Eng ineering, Ch ina A g ricu ltu ra l U n iversity, B eijing 100083, Ch ina)
使用数学形态学法去噪可去除部分噪声 ,且由于开 / 闭运 算具有聚类功能 ,即能把图像中某个范围内灰度相近且数量占 优势的图像信息聚到一起 , 从而使得图像信息不易丢失 , 因此 可获得较清晰的图像 ;缺点是去除噪声不够彻底 , 去噪后的图 像不够平滑 。使用中值滤波法去噪可获得很好的效果 , 去噪后ห้องสมุดไป่ตู้的图像变得很平滑 ,从而使得压缩合成后的录像码流数据量有 效减小 ;但由于低照度图像中噪声与周围图像信息亮度值差别 不大 ,所以去噪后图像不够清晰 ,会丢失较多图像信息 。
影响而产生的噪声 。虽然对于不同电路分布的情况 ,含有脉
冲噪声的信号的信噪比会有所不同 ,但总体来说 ,这种噪声主
要由电路中电荷的活动情况决定 ,而与客观环境中的亮度无
关 [5, 6 ] 。
综上所述 ,图像包含的噪声中 ,信噪比随图像拍摄的客观
环境亮度改变而改变的只有加性噪声类中的 CCD 摄像管摄
2)中值滤波法 中值滤波法是一种非线性信号处理方法 ,用一个含有奇 数点的滑动窗口 ,将窗口正中的那个点的值用窗口内各点的 中值代替 。假设有一个一维序列 f1 , f2 , …, fn , 取窗口长度为 m (m 为奇数 ) ,对此序列进行中值滤波 ,就是从输入序列中相 继抽出 m个数 fi- v , …, fi- 1 , fi, fi+1 , …, fi+v;其中 fi为窗口中心点 值 , v = (m - 1) /2。将这 m 个点值按其数值大小排序 ,取其序 号为正中间的那个数作为滤波输出 。中值滤波法用数学公式 表示为 : yi = m ed { fi- v , …, fi, …, fi+v } , i ∈ Z; v = (m - 1) /2
QS 减小 ,获得图像的信噪比较低 , 图像中的读出噪声比较严 重。
读出噪声是一种光电流噪声 。光电流噪声是由光的统计 本质和图像传感器中光电转换过程引起的 。在弱光照的情况 下 ,其噪声模型可用具有泊松密度分布的随机变量来描述 ;且 具有光电流噪声的图像 ,其信号幅度与噪声幅度无关 。
2) 量化噪声 :指摄像机使用放大和处理电路对信号进行 采样 / 量化处理时产生的量化噪声 [5 ] 。
在应用中 ,对开运算 :使用直径比噪声信号直径略大的结 构元素 ,去除图像中亮度和毛刺 ,保留所有的灰度和较大的亮 区特征不变 ;腐蚀操作可去除较小亮细节 ,再施以膨胀处理增 加图像亮度而不再引入已去除部分 。对闭运算 :去除图像中 较小暗点 (相对结构元素而言 ) ,保留原来较大亮度特征 ;膨 胀操作可去除较小暗细节 ,再施以腐蚀运算将图像亮度调暗 , 而不重新引入已去除部分 。
(pengbo_cau@126. com ) 摘 要 :针对低照度图像存在大量噪声的情况 ,分析了主要噪声源及各种常见的图像去噪算法 , 在综合考虑图像去噪平滑效果 、图像的清晰程度及图像去噪时间复杂度的基础上 ,提出了结合数学形 态学方法和中值滤波方法的图像去噪算法 。通过试验数据验证了本算法的可行性 、实时性和鲁棒性 。 关键词 :低照度 ;图像去噪 ;数学形态学 ;中值滤波 中图分类号 : TP391. 41; TP311 文献标识码 : A