一种改进的快速中值滤波算法.docxVIP

一种改进的快速中值滤波算法 1 自适应中值滤波算法 图像采集过程中不可避免地会产生噪声。这些噪声恶化了图像质量,使图像模糊,甚至淹没和改变特征,给图像分析和识别带来困难,因此常采用滤波的方法来消除噪声。噪声信号的滤除主要有线性滤波和非线性滤波。线性滤波方法一般具有低通特性,而图像边缘信息对应于高频信号,因此线性滤波方法会导致图像边缘变模糊。中值滤波是一种较少边缘模糊的非线性滤波方法,不仅能够去除或者减少随机噪声和脉冲干扰,还能较好地保留图像边缘信息。但是标准的中值滤波方法,需要进行大量的排序工作,计算量很大。因此人们对标准中值滤波进行改进。文献先利用粗糙集对图像进行分类:被噪声点破坏的像素和未被噪声破坏的像素;然后根据窗口内像素点的均值与当前像素点的值的差值是否大于某一阈值来判断,然后进行中值滤波。此算法对传统的中值滤波进行了改进,滤除了图像的噪声,保持了图像的清晰度,使图像获得了较好的滤波效果。但粗糙集中值滤波算法复杂,计算量大,并且在图像的边缘也留有少量的噪声。文献采用两级噪声检测,减小噪声的误检率,然后根据噪声检测结果,噪声密度越大,选择较大的窗口进行滤波。此算法复杂,实现起来较为困难。文献采用对滤波像素点的判断来选择合适的滤波窗口。此混沌优化自适应中值滤波算法很好地解决了标准中值滤波难以兼顾去噪效果与保护图像细节的问题,但是每个像素点都要做中值滤波、最大值滤波、最小值滤波