一种基于区域一致性的平滑滤波算法.docx

一种基于区域一致性的平滑滤波算法 摘 要：文章提出了一种基于区域一致性的平滑滤波方法，旨在滤除受污染图像混合噪声的同时更好地保留图像的边缘信息。该算法将区域样本集按4种不同方向划分为4对样本子集，然后比较每对子集的亮度散布和并选定出一致性最好的子集对，最后由两样本子集均值的离差与各自散布的关系来判断区域是否包含明显的边缘信息，若有则对散布较小的子集局部均值以保护边缘。实验表明，该算法在具有比均值和中值滤波器更好的混合噪声抑制性能的同时较好地保留了图像的边缘信息。此外，该算法运算量适中，具有较好的实时性能。 关键词：混合噪声 边缘保护 亮度散布 中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2018）06（a）-0025-05 Abstract： In this paper， an algorithms for smooth filter based on the region harmony is proposed to retain edges information of an image while reducing the image noise. Firstly， four pair of subset samples are obtained by divided filtering region in four directions. Then， comparing the sum of every pair of subset samples’ intensity interspersion， choose the pair of subset samples with the best region harmony. Finally， according to the relationship between the dispersion of the mean and the intensity interspersion of the pair of subset samples， make sure whether there is obvious edge information in the region. If so， the mean of the one with smaller intensity interspersion is the filtering result. The experiment results show that it has a better filtering performance than mean filters and median filters while protecting the image edges. Besides， it has moderate computation and preferable real-time capability. Key Words：Hybrid noise； Edge protection； Intensity interspersion 视觉是人类获取信息的主要手段，由图像所得的信息约占60%[1]。由于传感器、采样系统、传输信道等因素的局限性，在图像的捕获、传输、处理的过程中，图像常常受到一些随机误差的影响而产生退化。这种退化被称为噪声。噪声使得图像的信息丢失，从而造成图像的品质下降。在对图像进行分割、分类、识别等进一步处理之前，对图像预先进行去噪处理意义重大。 通常使用噪声的频率特征对其进行描述，主要有高斯噪声和椒盐噪声两类。常用的去噪方法主要是线性滤波、排序滤波和变换滤波。 线性滤波[2]的核心思想是平均，一个像素的值由其邻域亮度的加权平均值决定。线性滤波理论完善、运算简便、实时性强是一种实用的滤波方法。线性滤波能较好地滤除高斯噪声，但对椒盐噪声的抑制效果较差[3]，且因未充分使用像素的位置和一致性信息而易于模糊边缘。 排序滤波[4]是一种非线性滤波方法，其思想是目标像素的值由其邻域内像素排成序列后的某个统计量决定。排序滤波常能几近完全地滤除某一特定频率特征的噪声。中值滤波[5]是排序滤波器中的一种常用方法，几乎可以完全滤除图像中的椒盐噪声。但中值滤波对于高斯噪声滤波效果有限，且会使弯曲边缘的位置发生偏移。 变换滤波[6]是将图像空间域信息通过傅里叶或小波[7]等变换转换为频域信息，通过阈值划分除去高频成分，达到滤波目的。变换滤波相比上述滤波方法计算复杂，且边缘细节信息也包含在图像的高频信息中。 在综合考虑了去噪、保留边缘和运算时间等要求后，本文引入了像素相关性和位置信息[8]。提出了一种基于区域一致性[9]的自适应平滑滤波方法，该方法能有效抑制混合噪声、保留边缘信息且运算