浅谈中值滤波.docVIP

浅谈中值滤波 1.中值滤波的现状 在数字信号处理和数字图像处理的早期研究中,线性滤波是主要的处理手段。线性滤波简单的数学表达式以及某些理想特性使其很容易设计和实现。然而，当信号中含有非叠加性噪声时,例如非线性引起的噪声或非高斯噪声等,线性滤波的处理效果就很难令人满意。在处理图像时,线性滤波将破坏边缘,而且不能有效滤除脉冲噪声。为了克服线性滤波方法的局限性,研究非线性滤波的方法为数字信号处理重要课题之一。 非线性滤波基于对输入信号序列的一种非线性映射关系,常可把某一特定的噪声近似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的不足。 1971年著名学者J.W.Tukey在他的开拓性论文中提出了中值滤波的概念并用作时间序列平滑。中值滤波一出现就因其具有对尖脉冲的良好抑制能力，在平滑加性噪声时能保持信号的边缘特征等优点而备受瞩目。 常用的中值滤波是非线性滤波的代表，由于经典的中值滤波算法在滤除噪声的同时会使信号中重要的细节信息受损,因此,许多改进的中值滤波算法相继被提出。 2.中值滤波 在数据处理中我们经常使用的是滑动中值滤波，即取定中值滤波的跨度N(一般 N 为奇数)，在数据序列中顺次取得 N 个数据，然后将该数据列的中值作为中心位置的值输出以形成新的数据序列，在滤波中应将原数据序列的两个边界各补充(N-1)/2(N为奇数时)个等于边界的点以使滤波后的新数据序列长度与原始的数据序列长度一致。 2.1一般中值滤波 2.1．1一般中值滤波的基本原理 设有一个序列：x1,x2,x3,x4,x5 ，将它们按照绝对值大小重新排列此序列 x3, x5,x2, x4,x1 重排以后的中值是x2，此值就作为滤波的输出。显然，x2不能表示成输入数据和滤波系数的褶积的线性组合。其主要特点有： (1)一般中值滤波绝对阻止噪声峰值，因为中值滤波只取中位数，绝对不会取异常数。例如有一组数 (x1,x2,x3,x4,x5) 正常数 ? a≤xn≤a， n=2,3,4,5 异常数 x1 a a 表示一个数，将以上数组自小到大排列后为 (x3, x5,x2, x4,x1 )取中位数x2，决不会取异常数x1。 (2)一般中值滤波是低通滤波器，中值滤波取中值为序列的输出，可以看作是对数据序列进行局部平滑，这种局部平滑实质就是低通滤波。 (3)一般中值滤波不改变阶越函数在空间、时间上的位置，这一性质对于信号处理中的保护边缘有着重要的作用。 (4)当中值滤波的滤波窗口足够长时，有限宽度的三角波和矩形波可以被完全平滑。 (5)中值滤波由于没有统计效应，对随机出现的小的振幅值有时不能完全平滑，所以通常信号在中值滤波处理以后需要再进行带通滤波。 2.1.2一般中值滤波(MF)的数学基础 中值滤波对数字序列有平滑作用，平滑也就是数据逼近，这样则存在误差，如何利用误差最小来确定平滑参数，一般常见的有两种准则：(1)使误差的平方和达到最小；(2)使误差的绝对值和达到最小。平均值平滑的数学原理应用准则(1)，即符合误差的平方和最小。中值滤波则是利用准则(2)来实现对数据序列的平滑。 设是 n 个数据序列的中位数，xi 表示一组序列。与xi之差的绝对值和为： （3.1.1） 要使Q最小，则 （3.1.2） 即 式中：Sign——符号函数。 当xi 时，Sign 为负； 当xi 时，Sign 为正； 当xi = 时，Sign 为零； 这样在选择时，使得在 n 个数中，有 n/2 个xi大于,同样有 n/2 个xi小于，中间的xi即为；如果 n 为偶数，则取中间的两个xi的平均值为。 2.2 加权中值滤波 2.2.1 加权中值滤波(WM)的基本原理 由上可以看出通过改变加权系数，完全可以改变中值滤波的性质，来达到我们的要求。 2.3 一维中值滤波对信号作用的结果分析 由于中值滤波是一种特殊的非线性滤波手段，它对脉冲的响应为零，（在一个输入上施加一个脉冲函数引起的时间响应。(上行反射)和来自于激发点与接收点上方的一次反射波(下行反射)，其它波均视为相关干扰或无效信息。中值滤波是以正常时差不同为基础的多道滤波技术，在井间地震特殊的观测系统中，中值滤波可以发挥其自身的优点。 通过对井间地震不同道集域下道间时差的分析可以知道，仅运用中值滤波即可达到较好的波场分离效果。为了验证不同道集域下中值滤波对数据处理的效果，进行直达波与多次波的衰减、一次反射波的增强以及上下行波场的分离。 3.1.1直达波和多次波的衰减 首先对数据进行带通滤波，消除有效频带之外的噪音干扰，将共炮点道集重排为共偏移距道集。在共偏移距道集下，根据(1)式和(3)式可知，直达波和多次波除了受速度影响外，其相邻道间时差为0，