基于噪声点检测的中值滤波图像去噪算法

目前的客观评测方法主要采取误差评测法，即通过计算滤波后的结果图像与 原始无噪声图像的误差来进行近似衡量噪声滤波的效果。下面介绍几种比较常见 的误差计算方法。
主观评价一般采取对比观察的方法，可通过对比结果图像与原始图像、对比 结果图像与噪声图像、对比不同方法处理所得到的结果图像等途径来进行评价。 在进行主观评价时，有一点需要强调。即每种滤波方法事实上不可能把噪声图像
正因为图像有着如此多应用，与我们的工作和生活方式息息相关，所以有必 要对图像和图像技术进行深入细致的研究。图像工程的内容非常丰富，根据抽象 程度和研究方法等的不同可分为三个层次：图像处理、图像分析和图像理解。换 句话说，图像工程是既有联系又有区别的图像处理、图像分析和图像理解三者的 有机结合，另外还包括它们的工程应用。其中，图像处理着重强调在图像之间进 行变换。虽然人们常用图像处理泛指各种图像技术，但狭义的图像处理主要指对 图像进行各种加工以改善图像的视觉效果并为自动识别打基础，或对图像进行压 缩编码以减少对其所需存储空间或传输时间、传输通路的要求。
１．１．２中值滤波器的研究现状
图像在形成和传输过程中，常因外界噪声干扰而导致图像质量退化。为减小 噪声的影响，可采取各种滤波方法对图像迸行去噪处理。中值滤波由于对去除脉 冲噪声具有较好的性能，所以最早被用于去除脉冲噪声。然而中值滤波对图像中 的所有点进行滤波，改变了图像中未被脉冲噪声污染的像素点。所以在有效去除 脉冲噪声的同时，会出现对图像细节结构的过平滑。近来，一种新的结构被引入， 它的原理图如图１．１所示。它把脉冲噪声的去除分成两个步骤：第一步是脉冲噪声 检测，判断哪些像素点是噪声点；第二步是滤波，它只对检测出的噪声点进行滤 波，而不改变其它像素点的值，这样就避免了改变未受噪声污染的像素点。为了 有效地滤除脉冲噪声，许多学者提出了各种各样改进的滤波算法。而在这些方法 中，绝大多数都是在寻找一种最优的噪声点检测算法。如由Ｓｕｎ和Ｎｅｕｖｏ提出的 ＳｗＭ．Ｉ算法［３］。其算法思想就是通过“不滤波”来保持原真实像素点，而使用标 准中值滤波来处理那些脉冲噪声。当图象中噪声点稀疏分布的时候，已经证明， 基于开关结构的中值滤波算法比传统对整幅图象全处理的滤波算法更为有效。 Ｃｈｅｌａ等人提出了三态中值滤波算法（ＴＳＭ）［２］，该滤波算法由传统的中值滤波和中 心加权中值滤波（ＣｗＭ）组成。滤波器的输出取原像素灰度值、中值滤波器的输出 和中心加权中值滤波器（ＣＷＭ）输出三者之一，最终由检测结果决定。ＴＳＭ算法在 噪声率较低时可以取得较好的效果，但随着噪声率的增大，滤波性能下降得很快。 在文献［１］中Ｚｈａｎｇ’ｓ等人提出了一种新的脉冲检测方法，输入图像首先和四个拉 普拉斯算子做卷积。在每一步的处理中，均使用四个卷积的最小值来检测噪声。 因为对于那些图像中的好像素、边缘像素和直线上的像素来说，这个值小于预先 设定的门限。而对那些噪声像素来说，这个值却很大。利用该算法，图像中直线 和边缘得到了较好的保留，同时去除了噪声。此外，ＰＷＭＡＤ算法［５］也是采用检 测和滤波结合的方式对噪声图像进行处理，它不需要为了得到最优阈值而对参数 进行最优化。因为检测和滤波基于相同的中值结构，所以实现时仅使用一个简单
ｆｏｌｌｏｗｓ．Ｉｎ ｔｈｅ ｆｉｒｓｔ ｐａｒｔ，ａ ｓｐａｔｉａｌｌｙ ａｄａｐｔｉｖｅ ｆｕｚｚｙ ｆｉｌｔｅｒ ｉｓ ｐｒｅｓｅｎｔｅｄ ｆｏｒ ｔｈｅ ｒｅｓｔｏｒａｔｉｏｎ
ｏｆ ｉｍａｇｅｓ ｃｏｒｒｕｐｔｅｄ ｂｙ ｉｍｐｕｌｓｅ ｎｏｉｓｅ ｂａｓｅｄ ｏｎ ｌｏｃａｌ ｓｐａｔｉａｌ ｓｔｒｕｃｔｕｒｅ ｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｍｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ Ｃａｌｌ ｎｏｔ ｏｎｌｙ ｒｅｍｏｖｅ ｉｍｐｕｌｓｅ ｅｆｆｅｃｔｉｖｅｌｙ ｂｕｔ ａｌｓｏ ｐｒｅｓｅｒｖｅ ｉｍａｇｅ’ｓ ｄｅｔａｉｌｓ ｗｅｌｌ．Ｉｎ ｔｈｅ ｓｅｃｏｎｄ ｐａｒｔ．ｂａｓｅｄ ｏｎ ｔｈｅ ＴＮＯＭ ａｌｇｏｒｉｔｈｍ，ｗｅ ｇｉｖｅ ｉｔｓ ｇｅｎｅｒａｌ ｓｔｒｕｃｔｕｒｅ ａｎｄ ｐｒｏｐｏｓｅ ｓｏｍｅ ｉｍｐｒｏｖｅｍｅｎｔｓ．
她 本人签名： 弓学磊
导师签名：
第一章绪论
第一章绪论
１．１研究背景
人类通过眼、耳、鼻、舌、身接受信息，感知世界，并进而认识世界和改造 世界。据统计，人类约有７０９６的信息是通过视觉系统获取的。粗略的说，图像是二 维或三维景物呈现在人心目中的影象。如果接受并加工识别这种视觉信息的是电 子计算机，则我们称之为计算机图像处理和识别。
西安电子科技大学 硕士学位论文
基于噪声点检测的中值滤波图像去噪算法 姓名：马学磊
申请学位级别：硕士 专业：计算数学 指导教师：水鹏朗 20080101
摘要
图像在形成和传输过程中，常因外界噪声干扰而导致图像质量下降。为减小 噪声影响，各种线性、非线性滤波方法被使用。由于良好的去除脉冲噪声性能， 中值滤波类非线性滤波方法被广泛使用。然而，简单的中值滤波对图像中的所有 像素点进行滤波。去除脉冲噪声的同时，常常会出现图像细节的过平滑。因此， 保护细节的中值类滤波算法的研究成为图像去噪领域一个重要的问题。本文主要 研究了基于噪声像素检测的中值滤波算法。论文主要包括了两个方面的工作。首 先，基于图像的空间结构信息提出了一种自适应模糊中值滤波器，用于去除受污 染图像中的脉冲噪声，仿真显示这种算法不仅可以有效的去除噪声，而且更好的 保留了图像细节。其次，在闽值平均排序滤波算法（ＴＮＯＭ）的基础上分析其推广结 构，改进了ＴＮＯＭ算法，得到了一种新的中值滤波算法，并对这种算法进行了初 步分析。
另外，线性滤波方法大多是针对平稳信号处理发展而得到的，而图像信号是
基于噪声点检测的中值滤波图像去噪算法
典型的非平稳信号，因此线性滤波显然不适合图像处理。同时，尽管线性滤波器 对加性高斯噪声有很好的平滑作用，其对脉冲噪声和乘性噪声等去噪性能很差， 同时会造成信号边缘的模糊。为此，著名学者Ｔｕｋｅｙ于１９７１年首次提出了一种非 线性滤波器——中值滤波器。从此，非线性滤波的研究如雨后春笋，在国际上迅 速广泛地兴起。理论探讨、快速算法的研究、硬件设计、系统应用等方面发展迅 速。特别进入八十年代以来，这一领域发展更加迅速。人们从不同理论角度出发， 提出了许多种非线性滤波算法。在以后章节中将有所介绍。
Ｋｅｙｗｏｒｄ：Ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ Ｎｏｉｓｅ ｆｉｌｔｅｒｉｎｇ．
Ｉｍｐｕｌｓｅ ｎｏｉｓｅ
Ｍｅｄｉａｎ ｆｉｌｔｅｒｉｎｇ Ｎｏｉｓｅ ｒａｔｅ
创新性声明
本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容外，论文中不包 含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其 它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的 任何贡献均已在论文中做了明确的说明并表示了谢意。
１．１．１图像滤波概述
图像的滤波重建是图像处理学的一个重要分支。早在二十世纪四十年代， Ｎ．Ｗｉｅｎｅｒ等人阐明了在平稳条件下的线性滤波理论，即著名的Ｗｉｅｎｅｒ滤波器理论。 这些理论在通信及控制领域得到了广泛的应用，并已应用在图像处理中。但是， Ｗｉｅｎｅｒ滤波要求存储量大，计算复杂度高，不便于实时处理，不适用于矢量和非 平稳过程的滤波。１９６０年，Ｒ．Ｅ．Ｋａｌｍａｎ将状态变量的概念引入到最小均方误差估 计中，得到了离散线性动态系统状态估计的递推算法。在空间技术中得到了广泛 的应用，这就是著名的卡尔曼滤波理论。但是，它仍然存在着计算复杂度高，不 便于实时处理等缺点。
申请学位论文与资料若有不实之处，本人承担一切相关责任。
本人签名：Βιβλιοθήκη Baidu墅望盘
日期： ２口。毋．Ｉ－２Ｊ
关于论文使用授权的说明
本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕 业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。 学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全 部或部分内容，可以允许采用影印、缩印或其它复印手段保存论文。
ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｅｌｉｍｉｎａｔｉｎｇ ｉｍｐｕｌｓｅ ｎｏｉｓｅ，ｔｈｅ ｍｅｄｉａｎ ｆｉｌｔｅｒｉｎｇ ｍｅｔｈｏｄ ｉｓ ｕｓｅｄ ｅａｒｌｙ ｔｏ ｒｅｍｏｖｅ ｉｍｐｕｌｓｅ ｎｏｉｓｅ．Ｈｏｗｅｖｅｒ，ｔｈｅ ｓｉｍｐｌｅ ｍｅｄｉａｎ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍｓ ｈａｖｅ ａｎ ｉｍｐａｃｔ ｉｎ ａｌｌ ｐｉｘｅｌｓ ｉｎ ｎｏｉｓｙ ｉｍａｇｅｓ ａｎｄ ｏｆｔｅｎ ｉｎｃｕｒ ｏｖｅｒ－ｓｍｏｏｔｈｎｅｓｓ ｏｆ ｉｍａｇｅ’Ｓ ｄｅｔａｉｌｓ． Ｔｈｕｓ，ｉｔ ｉｓ ｉｍｐｏｒｔａｎｔ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｓｉｍｐｌｅ ｍｅｄｉａｎ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍｓ ｓｕｃｈ ｔｈａｔ ｉｍａｇｅ’Ｓ ｄｅｔａｉｌｓ ａｒｅ ｐｒｅｓｅｒｖｅｄ．Ｔｈｉｓ ｐａｐｅｒ ｍａｉｎｌｙ ｉｎｖｅｓｔｉｇａｔｅｓ ｔｈｅ ｍｅｄｉａｎ ｆｉｌｔｅｒｉｎｇ ｍｅｔｈｏｄｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｎｏｉｓｅ ｐｉｘｅｌ ｄｅｔｅｃｔｉｏｎ．Ｔｈｉｓ ｐａｐｅｒ ｉｎｃｌｕｄｅｓ ｍａｉｎｌｙ ｔｗｏ ｐａｒｔｓ ａｓ
第一章绪论
的中值滤波器。该算法最大的优点就是计算复杂度较低并且易于实现。
兀
图１．１开关结构中值型滤波方法原理图
为了克服传统去噪方法的低通性，有人提出了小波变换的去噪方法。小波变 换在时域和频域都具有局部性，同时亦具有多分辨率特性，所以适合于分析同时 具有低频和高频的信号。在小波域的去噪方法中应用较广泛的是小波阈值去噪方 法。小波阈值去噪方法简单有效，其产生的估计信号是原始信号的近似最优估计。 有人提出了小波域的中值滤波去噪方法，此方法在小波域用阙值法来滤除信号中 的白噪声，用中值滤波器来滤除信号中的脉冲噪声。并且证明了该方法能够比较 好的去除两种类型的噪声。 １．１．３滤波效果评价
４
基于噪声点检测的中值滤波图像去噪算法
完全恢复到原始无噪声图像那么完美无缺。因为噪声污染都会产生某种程度的信
息丢失，而这是很难通过噪声滤波来再生的。因此评价不可过分追求结果图像与
原始图像的一致性。
掌握主观评价的标准可能因人而异，但普遍地说，主要可从以下两方面进行
评价：
１）观察噪声平滑的效果。主要可以通过观察图像的背景或前景中灰度平坦区、缓
关键词：图像处理脉冲噪声中值滤波噪声率滤噪
Ａｂｓｔｒａｃｔ
Ｄｉｎｉｎｇ ｔｈｅ ｐｒｏｃｅｓｓ ｏｆ ｆｏｒｍａｔｉｏｎ ａｎｄ ｔｒａｎｓｍｉｓｓｉｏｎ，ｉｍａｇｅｓ ａｒｅ ｏｆｔｅｎ ｄｉｓｔｕｒｂｅｄ ｂｙ ｄｉｆｆｅｒｅｎｔ ｔｙｐｅｓ ｏｆ ｎｏｉｓｅｓ，ｗｈｉｃｈ ｄｅｇｒａｄｅ ｉｍａｇｅ ｑｕａｌｉｔｙ．Ｖａｒｉｏｕｓ ｌｉｎｅａｒ ｏｒ ｎｏｎｌｉｎｅａｒ ｆｉｌｔｅｒｉｎｇ ｍｅｔｈｏｄｓ ａｒｅ ｅｍｐｌｏｙｅｄ ｔｏ ｒｅｄｕｃｅ ｏｒ ｒｅｍｏｖｅ ｎｏｉｓｅｓ．Ｂｅｃａｕｓｅ ｏｆ ｂｅｔｔｅｒ
任何滤波器都有一定的优点和缺点，因此对于特定应用场合很难说出哪类滤 波器最合适。滤波器设计就是考虑如何滤除某种类型噪声。实际上，滤波器的性 能完全取决于应用场合。常用的对噪声滤波效果的评测一般采用客观评测与主观 评测并用的办法。由于在客观上，目前尚无恰当并符合主观效果的评价参数，因 次还必须用主观观察图像来进行辅助评价。
近年来，由于计算机技术的迅猛发展，计算机的速度越来越快，图像处理系 统的价格日益下降，从而使图像处理得以广泛应用于众多的科学与工程领域。如 遥感、工业检测、医学、气象、侦察、通信、智能机器人等。广义上来说，文本、 图形、视频等都需要借助图像技术才能充分利用。这些技术正在明显的改变着人 们的生产手段和生活方式。传统的生产、管理、教育等，正在向信息化、多样化 转变。