去除图像椒盐噪声的双向预测算法及其改进 bi-directional prediction for the removal of salt-and-pepper noise from images and its improvements.pdfVIP

第13卷第6期 电路与系统学报 vol-12No．6 JOURNAL ANDSYSTEMS December，2008 2008年12月 OFCIRCUITS 文章编号：1007-0249(2008)06·0047-05 去除图像椒盐噪声的双向预测算法及其改进· 孟晓锋， 刘培， 尹忠科， 王建英 (西南交通大学信息科学与技术学院，四川成都610031) 摘要。在去除图像噪声的同时，如何避免图像细节信息的损失和边缘的模糊，是图像处理技术中的一个难点。针 对灰度图像中存在的椒盐噪声问题，提出了基于双向预测算法的去噪方法。首先根据椒盐噪声的特点，判断图像像素 是信号像素还是噪声像素。对于信号像素，保持灰度值不变；对于噪声像素，利用双向预测的方法来确定处理后该像 素点的灰度值。针对上述方法中存在的不足之处，又提出了一种改进方案。改进方案在对噪声像素处理时，根据像素 之间的相关性和像素本身的性质自适应地确定预测器的预测系数，提高了预测算法的去噪性能。实验结果表明，本文 算法具有良好的去噪特性及细节保持特性。 关键词。图像处理；图像去噪；椒盐噪声；双向预测；中值滤波 中图分类号·TP391．4文献标识码·A 1 引言 受各种因素的影响，在数字图像获取和传输过程中容易产生脉冲噪声。脉冲噪声在数字图像中类 此种噪声，改善图像质量，使用滤波技术对图像信号进行平滑处理是最基本也是十分重要的技术手段。 中值滤波【：】是当前应用最广的方法，但传统中值滤波只能去除孤立的椒盐噪声，当噪声密度增加时， 【_7】是对中值滤波算法的进一步改进。然而，由于中值滤波算法本身的局限，运算量大、处理效果严重 依赖于噪声密度低的限制条件始终是它不能克服的缺点。因此，寻找去噪能力强、图像细节信息保持 好的去噪方法一直是研究人员需要解决的一个难题。 预测算法【2’8】广泛应用于语音增强、语音编码、图像编码及视频编码等领域，它利用已知信息预测 出未知信息。预测分为前向预测和后向预测。 设对信号f(n)的m阶前向预测结果为∥(刀)，则一(疗)表达式如下： 。 。厂朋 ] 力(玎)=l∑以f(n—k)I (1) Lk=l J 设对信号f(n)的优阶后向预测结果为名(以)，则彳(以)表达式如下： r生 ] 名(”)=l∑吼厂0+k)l (2) Lk=l J 式(1)和(2)中，【．】表示取整数运算函数，口。为预测系数。 采用前向预测和后向预测相结合的思想，本文提出了基于双向预测思想的去噪方法及其改进方法。 2 算法 。收稿日期。2006—06-27修订日期：2009．09—25 2006J13．114)；国家自然科学基金 万方数据 电路与系统学报 第13卷 2．1算法基本思想 在去除椒盐噪声时，没有必要改变非噪声像素的值。因而，只需利用预测算法对噪声像素进行处 理。由于每幅图像区域的特殊性，因此，椒盐噪声去除必须以噪声像素的一个邻域的信息为基础。 预测算法是基于先判断噪声像素点再进行预测的算法。一般图像灰度级为256，假设图像中的椒盐 假设基本成立【9~111，那么可以通过下式进行信号像素点及噪声像素点的判断： 设f(i，，)表示数字图像各像素的灰度值，则：