几种混合滤波器的比较研究.pdf

几种混合滤波器的比较研究 侯仕杰 北京邮电大学电信工程学院，北京（100876 ） E-mail ：hou710@ 摘 要：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。论文根据常见图像噪声的分类研 究了高斯噪声滤波方法，脉冲噪声滤波方法和三种典型的混合噪声滤波算法，包括改进型均 值滤波器（MTM ），分类均值加权中值滤波器（CAWM ）以及自适应中值加权均值滤波器 （AMAWM ），并通过仿真实验比较了这三种混合滤波器的性能。实验结果表明其均能较好 地滤除混合噪声，自适应中值加权均值滤波器（AMAWM ）的滤波性能相对较优。 关键词：图像滤波；混合滤波；高斯噪声，脉冲噪声 中图分类号：TN 1. 引言 目前，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。线性滤波以其完善的 理论基础、数学处理简单、易于采用FFT和硬件实现等优点，一直在图像滤波领域占有重要 的地位。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，且模糊信号边缘。非线性滤波是基于对输入信号序列的一种非线性映射关系， 通常可把某一特定的噪声近似地映射为零而保留信号的重要特征，因而可以在一定程度上克 服线性滤波器的不足。 针对高斯噪声和脉冲噪声组成的混合噪声，不少学者专家提出了很多种线性和非线性的 混合滤波器算法，以有效地抑制混合噪声，还原图像。 2. 均值滤波和中值滤波 2.1 均值滤波 均值滤波器是线性滤波器常用的一种技术，其对抑制高斯噪声有很好的效果。 国内外专家、学者对均值滤波技术有深入的研究，提出了多种改进算法。本节就几种典 型的均值滤波算法进行分析和比较。 均值滤波算法又叫邻域平均法。这种方法的基本思想是用几个邻域像素灰度的平均值来 代替每个像素的灰度值，其邻域的选取通常为以单位距离 r ∆x 为半径 构成的4邻域和以 2 r 个单位距离为半径 构成的8邻域（如图1圆形区所示）。 (a) 4邻域 r =∆x (b) 8邻域 r 2∆x 图1 均值滤波邻域选取示意图 - 1 - 2.2 中值滤波 中值滤波属于非线性平滑滤波技术。这种方法在保护图像细节的同时能有效地滤除颗粒 噪声，因此在图像处理领域得到了广泛的应用。 中值滤波是一种邻域运算，但不是加权求和，而是把邻域中的像素按灰度等级进行排序， 然后选择该组的中间值作为输出像素值。 它能减弱或消除傅里叶空间的高频分量，但影响低频分量。因为高频分量对应图像中的 区域边缘的灰度值具有较大较快变化的部分，该滤波器可将这些分量滤除，使图像平滑。 其算法步骤为：首先确定一个以某个像素为中心点的邻域，一般为方形邻域；然后将邻 域中的各个像素的灰度值进行排序，取其中间值作为中心点像素灰度的新值，这里的邻域通 常被称为窗口；当窗口在图像中上下左右进行移动后，利用中值滤波算法可以很好地对图像 进行平滑处理。 即用该像素的相邻像素的灰度中值来替代该像素的值 ˆ f (x, y ) median{g (s ,t )} (3-17) (s ,t )∈Sxy 中值滤波器在应用于多维信号处理时，对窄脉冲信号具有良好的抑制能力，但对短拖尾 分布噪声（如高斯噪声）其滤波性能