02彩色图像滤波基础.ppt

SEIE-TJU Color Image Filtering Wang Jian SEIE-TJU jianwang@tju.edu.cn Index 彩色图像滤波概述 噪声类型 性能评价准则 向量滤波器简介 实验结果 概述 在彩色图像滤波中，涉及到的一个最基本的问题就是多变量数据(Multivariate data)或称多通道数据或向量数据的排序 不同的排序策略会得到不同的结果，多变量数据的排序方式一般可分成四类 边缘排序(Marginal ordering) 条件排序(Conditional ordering) 偏序排序(Partial ordering) 降维排序(Reduced ordering) 在彩色图像处理和滤波中，使用比较多的是降维排序。 概述 彩色图像的滤波技术：从标量滤波法(Component-wise filtering)到向量滤波法(Vector filtering) 标量滤波法：是对灰度图像滤波算法的扩展，先对彩色图像的三个分量图像分别应用灰度图像的滤波算法，然后把处理后的分量图像合成起来形成新的彩色图像。 没有利用彩色图像的三个分量之间的内在联系，容易导致产生原图像所没有的新颜色，甚至出现局部不协调的色彩，从而破坏色调和边缘等细节信息。 近期研究认为，基于统计理论和向量处理技术的非线性向量滤波法是去除彩色图像中噪声的最好方法，它在消除噪声、保持色调和保护边缘与细节上有较好的稳健性 概述 近年来，彩色图像向量滤波技术得到了很快的发展，各种新的滤波理论和方法被不断地提出来。但到目前为止，彩色图像滤波的理论也没有形成一个统一的理论框架 一般的彩色图像向量滤波技术都是基于降维排序的，即先对彩色向量(像素)进行降维排序，然后选取具备某种排序性质的彩色像素或一些彩色像素的组合作为滤波器的输出。 好的数学工具是研究彩色图像的重要途径。怎样利用一种工具去有效地表示一个彩色图像，使得它在图像变换、运算和处理时将彩色像素的三个部件一体化地考虑而不丢失颜色通道之间的光谱特性，是一个颇具挑战性的问题。(小波变换 偏微分方程 模糊数学 四元数等) 应用 彩色图像去噪 彩色图像增强：电视图像的增强、图像锐化 彩色边缘检测 彩色图像插值 彩色图像恢复：数字艺术画的修复 应用 应用 分类 彩色图像滤波的目的：削弱噪声，保持色调和保护边缘或细节信息 已有彩色图像矢量滤波法可分为以下几类： 经典的矢量滤波器(Classic vector filter) 混合方向滤波器(Hybrid directional filter) 模糊矢量滤波器(Fuzzy vector filter) 加权的矢量滤波器(Weighted vector filter) 开关型矢量滤波器(Switching vector filter) 基于相似度的矢量滤波器(Similarity-based vector filter) 其他矢量滤波方法 噪声类型 图像中的噪声：脉冲噪声(Impulsive noise)、加性噪声(Additive noise)和混合噪声(Mixed noise)。 光电传感器的缺陷和通道传输错误都容易引起脉冲噪声 噪声类型 电子电路的发热和光电传感器的光子波动会产生加性噪声 加性噪声一般服从均值为 0 的高斯(Gauss)分布或其他分布(瑞利分布，指数分布等) 噪声类型 性能评估准则 常用的性能评价准则 归一化均方误差NMSE (Normalized Mean Square Error) 归一化色彩误差 NCD (Normalized Color Difference) 平均绝对误差 MAE (Mean Absolute Error) 平均均方误差 MSE (Mean Square Error) 峰值信噪比 PSNR (Peak Signal-to-Noise Ratio) 性能评估准则 性能评估准则 NCD 直接表示了二幅彩色图像的色彩差异(这种色彩差异比较符合人类视觉感知，因为它是在与人类视觉感知一致的均匀颜色空间 CIELAB 中测量出的)； 性能评估准则 MAE 用于衡量算法对于图像的边缘、纹理等细节的保护能力； 性能评估准则 MSE、PSNR 和 NMSE 表示二幅彩色图像在关于矢量模上的整体差异。 经典的矢量滤波器 使用最广泛、经典的矢量滤波器(Classic vector filters)包括： 矢量中值滤波器VMF (Vector Median Filter)、 基本矢量方向滤波器 BVDF (Basic Vector Directional Filter) 距离方向滤波器 DDF (Directional-Distance Filter) 这三种滤波器都是先计算滤波器窗口内的每个像素到其他所有像素的聚合距离(Aggre