基于视觉灵敏度和改进方向距离彩色图像迭代滤波算法.docVIP

基于视觉灵敏度和改进方向距离彩色图像迭代滤波算法 　　摘要： 为消除人眼视觉差别对彩色图像滤波的影响，提出了RGB非均匀色彩空间中三基色（红、绿、蓝）的视觉灵敏度的计算方法。滤波算法先用粗糙集理论对噪声像素做初步判断，再结合视觉灵敏度修正判断结果，最后用改进的方向距离滤波器（DDF）滤除噪声像素。仿真实验表明，算法在颜色保持、边缘细节保护、噪声滤除率方面均优于现有滤波算法；且在各种密度噪声情况下，其归一化均方差最小，峰值信噪比最大。 关键词： 视觉灵敏度；RGB空间；自适应；方向距离；矢量滤波；迭代 0引言 人眼对各种颜色变化感知的灵敏度是不同的，而计算机中的彩色图像一般又是由红（R）、绿（G）、蓝（B）这三种颜色混合而成，因此研究人眼视觉对各种颜色的灵敏度具有重要意义。近年来国内外不少学者对视觉灵敏度进行了研究[1-2]，并将其应用于均匀色度空间中的彩色图像分割、边缘检测和图像评价体系，取得了不少成果[3-6]，但目前还没有应用于图像滤波方面。RGB空间为不均匀色度空间，该空间中的三基色[7]的视觉灵敏度鲜有文章论述。本文在CIE1931（commission Internationale de i.eclairage） 色度图[8]和Macadam椭圆[9]的基础上应用数学方法对RGB色彩空间的三基色[9]的视觉灵敏度做了计算，并将该视觉灵敏度应用于图像滤波。 对于图像滤波目前国内外有如下方法： 1）对彩色图像的彩色空间中每一维分别滤波，再合并。但这类方法可能产生原图像中没有的颜色，故有文献提出对新产生的颜色进行修复的方法[10-13]。 2）采用矢量滤波方法，如矢量中值滤波器（Vector Median Filter，VMF）[14]、基本矢量方向滤波器（Basic Vector Directional Filter，BVDF）[15]、方向距离滤波器（Directional Distance Filter， DDF）[16]等。这些算法能有效地滤除图像中的椒盐噪声，但在一定程度上会改变非噪声点的值，使得边缘和纹理模糊。 3）将噪声检测过程和滤除过程分开[17-18]，提出MDDF（Modified DDF）滤波方法，可以保护边缘细节，但噪声检测时会有误判，特别对于高密度噪声，检测和滤波利用小窗口效果不佳，而加大滤波窗口会导致边缘细节丢失，且大大增加了运算时间。 通过分析可知，影响滤波效果的主要因素有：1）对彩色图像每维分别滤波后再合成，可能产生新噪声点；2）噪声检测时被误判和漏判的噪声点过多，导致噪声点传播和边缘细节丢失；3）滤波时，滤波窗口输入像素中含有噪声点，导致噪声点传播。 本文提出的滤波算法分噪声检测和噪声滤除两个过程，主要做了三个方面的工作： 1）在CIE1931色度图和Macadam椭圆的基础上用数学方法对RGB色彩空间的三基色（红色、绿色、蓝色）的视觉灵敏度做了计算。 2）用粗糙集理论对噪声点做初步判断。为减少误判，更好地保护边缘细节，结合视觉灵敏度再次进行判断。根据图像被噪声污染的程度，综合考虑算法复杂度，适当地选取噪声检测窗口大小，对于高密度污染的图像选择大的检测窗口，这样可以防止因窗口内全为噪声点而无法检测的情况。 3）矢量滤波是用图中的非噪声点代替噪声点，而离噪声点越近的非噪声点和该噪声点位置处原本的像素越接近，因此，滤波窗口应尽量选得小为好，大的滤波窗口使得替代像素点值和原像素点值相差较大，不能很好地保护边缘细节，故对于各种密度的噪声污染的图像本文均选取3×3大小的滤波窗口；且本文对现有的DDF做了更合理的改进，并作为后续滤波器对窗口内的噪点进行迭代滤除，非噪点值保持不变，大大改善了滤波效果和准确度，并有效防止了噪声的传播。 1基于视觉灵敏度的噪声检测器 1.1人眼视觉灵敏度 1.1.1色彩理论 红、绿、蓝三色称为三基色，这三基色按不同比例混合可以产生自然界大多数颜色。计算机技术中最常用的RGB彩色空间就是基于此设计的。但三基色彩色空间不能够产生自然界所有颜色，由此在RGB彩色空间上进行数学变换得到标准彩色系统CIE1931如图1所示。 CIE彩色系统包含了自然界所有色彩，而RGB彩色空间色彩只是图1中三角形部分，RGB彩色空间中的三基色（三角形三个顶点）在CIE中对应的坐标：R为（0.640，0.330），G为（0.290，0.600），B为（0.150，0.060）。 人眼对颜色差灵敏度随颜色的波长而变。1942年Macadam通过实验表明：在CIE1931色度图上，对不同位置或者同一位置的不同方向，人眼的颜色辨别能力是不相同的。Macadam对25种色光进行实验，在每个色