一种混合噪声滤除的方法.docVIP

一种混合噪声滤除的方法 　　摘要：传统的混合噪声滤除算法都存在各种不足。本文提出了一种新的基于灰度极值点检测的混合噪声去除方法。首先，该算法在保留图像特征的同时用基于噪声点检测的中值滤波消除椒盐噪声。其次，当椒盐噪声的污染程度低于某设定的阀值时，算法进入高斯噪声滤除阶段。 　　关键词：混合噪声去除；噪声检测；中值滤波；高斯滤波 　　中图分类号：TP391.41 文献标识码：A文章编号：1007-9599 (2011) 09-0000-01 　　A Mixed Noise Removal Filter 　　Zheng Minzhi 　　(Computer College,Sichuan University,Chengdu610021,China) 　　Abstract:There are a variety of disadvantages of classical mixed noise reducing methods.In this paper,we proposed a mixed noise reducing method based on extreme gray value points detection.Firstly,the algorithm eliminates the Salt-Pepper noise while preserving features by a median filter based on noise detection.Secondly,when the pollution degree of Salt-Pepper noise is below a certain threshold,the algorithm will eliminate the gaussian noise by gaussian filter. 　　Keywords:Mixed noise removal;Noise detection;Median filter;Gaussian filter 　　一、脉冲噪声检测与滤除 　　（一）脉冲噪声检测 　　文本在文献[1]检测出窗口内极值点的基础上[1]，参照[2][3]的思想[2，3]，根据窗口内的邻域信息来进一步区分脉冲噪声点和像素点。整个检测算法分两步： 　　1.极值检测。如果当前点（i，j）不是检测窗口内的极值点，则可认为其是信号点S；若是极值点，则认为其是准噪声点，有待进一步的检测。 　　2.灰度平滑区域过渡点及强边缘点检测。当像素点（i，j）为准噪声点时，利用（i，j）的邻域信息做进一步判断。将以（i，j）为中心的窗口（中心点除外），分为4个一维子窗口，分别为水平、竖直、主对角线、辅对角线方向。在每个子窗口内，求（i，j）与各方向上的四个像素的灰度差值，并将差值求和。令m为四个方向上差值求和绝对值的最小值，根据m来判断像素点（i，j）是否为噪声点。 　　若当前像素点为孤立的脉冲噪声点，则该点与所有相邻点灰度差值较大，m必将取较大的值；若当前像素点为不受噪声污染的灰度平坦区域点，则4个方向的灰度差值都接近于0，m将取较小的值；若当前像素点为边缘点（包括细线），则4个方向的灰度差值中至少会有一个取较小的值，m必将取较小的值，可以设定一个阈值T1，若mT1，则可认为当前点是脉冲噪声点。 　　（二）引入标记矩阵对噪声点进行标记 　　为了标识脉冲噪声，我们定义了与待检测图像的维数大小相同的矩阵为噪声标识矩阵w，在该矩阵中每个矩阵元素都与待处理的噪声图像中每个像素相对应。w（i，j）可取1或0，1代表该元素所对应的原图像像素为脉冲噪声，0代表原图像点为像素点。w初始化为全0矩阵，根据脉冲噪声的检测结果将矩阵中的元素值置为1或保持0。在噪声滤除阶段，已经被判定为噪声的像素将不再参与邻域的排序。利用标记矩阵计算图像受污染程度R，对一幅 的图像， 滤波后，当R≤0.01，算法进入高斯噪声滤除阶段，否则，继续执行脉冲噪声滤除。 　　（三）循环滤波 　　滤波之后的图像再次输入算法，重复进行上述步骤再次计算图像整体受污染程度，当R≤0.01时，算法进入高斯滤波阶段，否则，继续执行脉冲噪声滤除。 　　二、高斯噪声滤除 　　对高斯滤波的改进主要是在空间邻近度因子的设计。假设，期望设计的空间邻近度因子 的频率响应为 ，其幅值在通带内为1，阻带内为0，在预先设定好的频域采样点集合 上定义目标函 。式中， 是设计的空间邻近度因子 的频率响应； 是误差函数的加权系数，通带内为1，阻带内为通带波纹与阻带波纹的比值 ，密集频率采样点 。优化目标是使式 中e的最大值最小，从而得到一个等波纹的FIR滤波器。为此，使用MATLAB中的顺序二次规划（SQ