图像去噪的新型自适应混合滤波算法.docVIP

图像去噪的新型自适应混合滤波算法 　　摘 要:针对含有椒盐噪声和高斯噪声的灰度图像,研究一种新型的自适应混合滤波算法。首先利用改进的自适应中值滤波算法过滤图像中的椒盐噪声;其次利用改进的自适应均值滤波算法过滤图像中的高斯噪声。这种混合滤波算法具有自适应扩大滤波窗口以及自适应选择最佳阈值的特点。计算机仿真实验证实,该方法不仅在改善信噪比(SNR)和最小均方误差(MSE)上明显优于传统的中值滤波、均值滤波、小波硬阈值、软阈值等方法,而且能较好地保护图像细节。 　　关键词:混合噪声;改进自适应中值滤波器;改进自适应均值滤波器;计算机仿真 　　中图分类号:TP391文献标识码:A 　　文章编号:1004-373X(2009)10-096-04 　　 　　New Adaptive Mixed Filter for Image Denoising 　　SHAO Chunfang 　　(Sichuan College of Architectural Technology,Deyang,618000,China) 　　Abstract:In this paper,a new adaptive mixed filter is investigated for noise removal of an image contaminated by Guass noise and impulse noise.In the process of removing pepper noise,this method can enlarge filter window size adaptively.While in the process of removing Gauss noise,it can choose the threshold adaptively.Computer simulation results validate that the denoising ability of this method is better than the traditional mean filtering method,median filtering method,wavelet hard threshold method and wavelet soft threshold method by its higher Signal to Noise Rate (SNR) and smaller minimizes the Mean Squared Error(MSE).The eminent performance of this method is also proved that it has better details preservation capacity. 　　Keywords:mixed noise;improved adaptive median filter;improved adaptive mean filter;computer simulation 　　 　　0 引 言 　　 　　噪声可能造成图像退化,从而导致图像特征被掩盖,对图像分割、跟踪、特征提取以及识别等后续工作的准确性有很大的影响。因此,抑制图像噪声,提升图像质量是图像处理和分析的前提。 　　传统的中值滤波和均值滤波可有效地减少图像中的椒盐噪声和高斯噪声,但是这两种滤波方法都一致地应用于整个图像,而没考虑图像中的各部分像素是否受到污染。因此,可能破坏图像的一些重要细节。为了克服传统中值和均值滤波的不足,一些学者提出了多种改进方法。针对中值滤波的改进有开关中值滤波(SM)滤波[1]、递进开关中值滤波[2]、基于minmax算法的改进中值滤波[3]、迭代中值滤波[4]、极值中值(EM)滤波[5]、递进开关中值(PSM)滤波[6]、自适应开关中值(ASM)滤波[7]以及基于模糊指标改进的自适应中值滤波[8]等。针对均值滤波的改进,有改进均值滤波(MTM)[9]、自适应中心加权的改进均值滤波(ACWMTM)[10]、中心加权的改进均值滤波(CWMTM)[11]、基于人类视觉的自适应均值滤波算法[12]以及非线性滤波[13]等。除此之外,还有一些其他的去噪方法,比如小波方法[14]、脊波方法[15]以及神经网络方法[16]等。以上介绍的滤波算法都是针对图像噪声的。图像椒盐噪声的最大特点是对应的灰度值一般是图像像素值的最大值或者最小值;而高斯噪声的最大特点是,不管原图像直方统计分布图是怎样的,噪声发生的概率密度有多大,但最终被污染后的图像的直方统计分布图大多近似服从高斯分布[17]。 　　通常某种去噪方法只对某一类噪声的去除较为有效,如均值滤波