基于 BPANN 噪声检测的反距离加权法滤除椒盐噪声.PDFVIP

基于BPANN 噪声检测的反距离加权法滤除椒盐噪声 作者 龙敬文, 蒲亦非, 周激流 机构 四川大学 计算机学院 发表期刊 《计算机应用研究》 预排期卷 2018 年第35 卷第3 期 访问地址 /article/02-2018-03-001.html 发布日期 2017-03-21 09:14:45 引用格式 龙敬文, 蒲亦非, 周激流. 基于BPANN 噪声检测的反距离加权法滤除椒盐噪声[J/OL]. [2017-03- 21]. /article/02-2018-03-001.html. 摘要 针对传统方法滤除高密度椒盐噪声出现模糊和图像细节丢失的问题，提出基于 BP 神经网络噪声 检测的反距离加权插值法(IDWF)滤除椒盐噪声。该算法共分为两步：a)使用有监督学习的BP 神经 网络检测出被椒盐噪声污染的像素点并标记;b)使用反距离加权插值法对标记后的噪声图像进行 重建。实验结果表明，该算法要优于传统的滤波方法，修复后的图像能够保留更多的细节，拥有 更高的峰值信噪比和结构相似性指数，特别是对高密度噪声图像的修复有很好的效果。 关键词 椒盐噪声, BP 神经网络, 噪声检测, 脉冲噪声, 反距离加权插值 中图分类号 TP391.41 基金项目 国家自然科学基金资助项目 35 优先出版 计 算 机 应 用 研 究 第 卷 基于BPANN 噪声检测的反距离加权法滤除椒盐噪声* 龙敬文，蒲亦非，周激流 (四川大学 计算机学院，成都 610065) BP 摘 要：针对传统方法滤除高密度椒盐噪声出现模糊和图像细节丢失的问题，提出基于 神经网络噪声检测的反距离 (IDWF) a) BP 加权插值法 滤除椒盐噪声。该算法共分为两步： 使用有监督学习的 神经网络检测出被椒盐噪声污染的像素 ;b) 点并标记 使用反距离加权插值法对标记后的噪声图像进行重建。实验结果表明，该算法要优于传统的滤波方法，修 复后的图像能够保留更多的细节，拥有更高的峰值信噪比和结构相似性指数，特别是对高密度噪声图像的修复有很好 的效果。 BP 关键词：椒盐噪声； 神经网络；噪声检测；脉冲噪声；反距离加权插值 中图分类号：TP391.4 1 Removal of salt and pepper noise by inverse distance weighted based on BPANN noise detection Long Jingwen, Pu Yifei, Zhou Jiliu (College of Computer Science , Sichuan University, Chengdu 610065 , china) Abstract: In order to solve the problem that use traditional method