常用图像去噪算法的比较与研究

第42卷 第6期2010年12月

西安建筑科技大学学报(自然科学版)

J Xi an U niv.of Ar ch.&T ech.(N atural Science Edit ion)

V ol.42 N o.6

Dec.2010常用图像去噪算法的比较与研究

王 民,文义玲

(西安建筑科技大学信息与控制工程学院,陕西西安710055)

摘 要:去噪是图像处理中极其重要的步骤.研究了常用的去噪算法并进行改进,还对常用去噪算法进行了对比实验,提出用峰值信噪比(PSN R)、最小均方差(M SE)、归一化绝对误差(N A E)相结合来衡量各种算法的去噪效果.实验表明,自适应中值滤波去除椒盐噪声的效果最好;改进的中值维纳滤波由于融合了二者的优点,其去噪效果和边缘保持能力较维纳滤波和中值滤波好.

关键词:去噪算法;中值滤波;维纳滤波

中图分类号:T P391 文献标志码:A 文章编号:1006-7930(2010)06-0895-04

图像在形成、传输和扫描等过程中,常因外界噪声干扰导致质量下降,影响视觉效果,给进一步处理带来不便.为减轻噪声对图像的干扰,避免误判和漏判,必须去除或减轻噪声.一个良好的去噪算法有以下几个优点[1]:(1)防止高估图像背景,有助于提取图像中模糊但很重要的像素点;(2)防止形成误导点,使得点匹配更可靠,更精确地决定了将进一步进行分析的重要像素点;(3)能更精确地估计点的性质.

图像在处理过程中,由于受到恶劣的天气、光学元件以及电子器件等一系列因素的影响,所含噪声通常是随机的.因此去噪时,针对具体噪声类型采用不同的去噪算法.本文研究了常用的去噪算法并进行改进,还对常用去噪算法进行了对比实验.在衡量去噪效果时,传统的做法是单独用峰值信噪比(PSNR)或最小均方差(MSE)来衡量,这种做法的缺点是可靠性和准确度不高.本文提出用峰值信噪比(PSNR)、最小均方差(MSE)、归一化绝对误差(NAE)相结合来比较各种去噪算法的效果.实验表明,自适应中值滤波去除椒盐噪声的效果最好,改进的中值维纳滤波对于高斯噪声和随机噪声有很好的抑制作用,本文提出的去噪性能评价方法具有较高的可靠性和准确度.

1 常用图像去噪算法

现阶段通常采用平滑滤波的方法消除噪声的影响.一个较好的平滑方法应满足两个条件[2]:(1)消除噪声;(2)不会使图像的边缘轮廓和线条变模糊.

1.1 均值滤波(AF)

均值滤波是线性滤波,用于去除图像通过扫描得到的颗粒噪声.

原理:用某像素邻域内几个像素灰度的平均值代替该像素的灰度值.

优点:经邻域平均后,噪声均值不变,方差减小M倍(M是某像素邻域内总的像素数),噪声强度变弱,抑制了噪声.

缺点:随着邻域的加大,图像的模糊程度也更严重.

1.2 改进的均值滤波(M AF)

为了弥补均值滤波的缺点,可以采用阈值法减少由于邻域平均产生的模糊效应.

原理:当某点邻域内,点的灰度平均值差不超过规定的阈值时,保留原灰度值不变,如果大于阈值,就用邻域内像素灰度的平均值代替该点的灰度值.阈值的选择要根据图像的特点做具体分析.

优点:如果合理选择阈值,可有效减少由于邻域平均产生的模糊效应.

*收稿日期:2010-05-24 修改稿日期:2010-07-12

基金项目:陕西省教育厅专项资助项目(07JK292)

作者简介:王 民(1959-),男,陕西西安人,副教授,主要从事智能信息处理研究.

缺点:选择合理阈值较困难,若选的不合适,会有以下问题:选的太大,会减弱噪声的去除效果;太小会减弱图像模糊效应的消减效果.

1.3 中值滤波(M F)

中值滤波是常用的非线性平滑方法,可克服线性滤波带来的模糊效应,从而获得较满意的滤波效果,适合消除图像的孤立噪声点.

原理:用某像素邻域内几个像素灰度的中值代替该点的灰度值.

优点:在有效清除颗粒噪声的同时,还能保护图像的边缘.只要冲激噪声的空间密度不大,去噪效果很好.

缺点:去噪效果依赖于滤波窗口的大小及参与中值计算的像素灰度值;侵蚀孤立点的边缘,填补闭集点的空间,平滑噪声的同时会损失一些边缘细节.

1.4自适应中值滤波(AMF)

该方法是对中值滤波的改进,原理[3]如下:

设S xy表示中心像素点(x,y)在滤波时对应的掩模窗口.令Z min为S xy中灰度级最小值,Z max为S xy 中灰度级最大值,Z med为S xy中灰度级中值,Z xy为在坐标(x,y)上的灰度级,S max为S xy允许的最大尺寸.

自适应中值滤波算法工作在两个层次,定义为A层和B层.

A层:A1=Z med-Z min,A2=Z med-Z max.如果A1>0,A2<0,转到B层,否则增大窗口尺寸.如果窗口尺寸 S max,重复A层,否则输出Z xy.

B层:B1=Z xy-Z min,B2=Z xy-Z max.如果B1>0,B2<0,输出Z xy,否则输出Z med.

优点:能处理空间密度较大的冲激噪声;平滑非冲激噪声时,可保存更多的图像细节.

缺点:所需处理时间比中值滤波的时间长,甚至高达10多倍.

1.5 维纳滤波(WF)

维纳滤波是线性滤波.原理[4]:估计每个像素的局部均值和方差,从而实现图像的自适应去噪.其中,局部均值与方差分别为:

=1

MN

(x,y) S

a(x,y)(1)

2=1

MN

(x,y) S

a2(x,y)-M2

(1)式中,S为图像中每个像素的M*N邻域,维纳滤波估计式为:

b(x,y)= + 2- 2

2[a(x,y)- ](2)

(2)式中, 2是噪声方差,如果没有给出,则自动以所有局部估计方差的均值代替.

优点:在保护图像的边缘方面,比类似的线性滤波具有更强的选择性;保护闭集点的形态.

缺点:噪声方差较大时,虽然能保护图像的边缘,但去噪能力较弱;在像素邻域内会导致模糊效应.

1.6 改进的中值维纳滤波(M MWF)

该方法是中值滤波和维纳滤波的结合,融合二者优点,抵消二者缺点.从背景去除噪声的同时,不改变边缘点,从而有效地保护了图像的边缘.滤波公式如下:

b(x,y)= + 2- 2

2\[a(x,y)- ](3

)

图1 原始图像和加噪图像

Fig.1 Origin al image an d n ois e images

(3)式中, 为每个像素邻域的局部中值,其他参数同自

适应维纳滤波.

2 实验结果

下图1(a)为原始图像,1(b)、1(c)、1(d)为加噪图像,所

加噪声为:(b)椒盐噪声,强度为0.05.(c)随机噪声.(d)高斯

896 西 安 建 筑 科 技 大 学 学 报(自然科学版) 第42卷