(通信与信息系统专业论文)基于中值滤波和小波变换的改进型图像去噪研究.pdf_第1页
(通信与信息系统专业论文)基于中值滤波和小波变换的改进型图像去噪研究.pdf_第2页
(通信与信息系统专业论文)基于中值滤波和小波变换的改进型图像去噪研究.pdf_第3页
(通信与信息系统专业论文)基于中值滤波和小波变换的改进型图像去噪研究.pdf_第4页
(通信与信息系统专业论文)基于中值滤波和小波变换的改进型图像去噪研究.pdf_第5页
已阅读5页,还剩54页未读, 继续免费阅读

(通信与信息系统专业论文)基于中值滤波和小波变换的改进型图像去噪研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于中值滤波和小波变换的改进型图像去噪研究 摘要 当今社会已经进入了数字化的信息时代,而占存储空间最大的信 息量则是图像。图像信号在产生、传输和记录过程中,由于受到各种 噪声的干扰变得模糊,这对于后期进行图像分割、特征提取等有很大 影响。因此在进行后续处理前首先要对图像进行预处理来减少噪声, 图像滤波是一种重要的手段。 图像噪声有很多种,主要表现为脉冲噪声和高斯噪声。中值滤波 是广泛用于去除脉冲噪声的一种非线性去噪方法:小波变换是继 f o u r i e r 变换之后又一强有力的数学分析工具,近年来在图像去噪领 域得到了广泛应用,产生了许多基于高斯白噪声假设的优秀小波图像 去噪算法。 本文对图像中最常见的脉冲噪声、高斯噪声的滤除进行了比较深 入的研究。首先基于中值滤波算法,结合线性滤波器和非线性滤波器 各自的优点,提出了一种基于线性、非线性的混合滤波改进算法,称 之为混合中值滤波算法,并进行了可行性实验验证。然后对小波图像 去噪方法做了一定量的研究工作,在分析自然图像小波系数特点的基 础上,给出一种基于高斯混合模型的小波图像去噪算法,与其他小波 去噪算法的对比实验结果表明,该算法去除高斯白噪声有较好效果。 最后针对实际图像中常见的高斯、脉冲混合噪声,本文给出了将 混合中值滤波和基于高斯混合模型的小波去噪算法相结合的图像去 噪算法。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该 算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。 关键词:图像滤波中值滤波小波去噪g m m 算法混合滤波 i m p r o v e di m 睑g ed e n o i s i n gr e s e a r c h b a s e do nt h em e d i a nn l t e ra n d w a v e l e tt r a n s f o r m a b s t r a c t n o w a d a ys o c i e t yh a se n t e r e dt h ee r ao fd i g i t a li n f o r m a t i o n ,w h i l e a c c o u n t i n gf o rt h el a r g e s ta m o u n to fi n f o r m a t i o ns t o r a g ei st h ei m a g e i m a g es i g n a l b e c o m e s i l l e g i b i l i t y i nt h e p r o c e s s o f g e n e r a t i o n , t r a n s m i s s i o na n dr e c o r d i n gd u et od i s t u r b a n c ef r o mv a r i o u sn o i s e ,w h i c h w i l li n f l u e n c et h el a t e r i m a g es e g m e n t a t i o n ,f e a t u r ee x t r a c t i o n ,e t c t h e r e f o r ew em u s tp r e p r o c e s st h e i m a g et or e d u c en o i s eb e f o r et h e f o l l o w i n gt r e a t m e n t ,a n di m a g ef i l t e r i n gi sa ni m p o r t a n ta p p r o a c h r 一 lh e r ea r em a n y t y p e so fi m a g en o i s e ,m a i n l yr e p r e s e n t e da si m p u l s e n o i s ea n dg a u s s i a nn o i s e m e d i a nf i l t e ri sw i d e l yu s e dt or e m o v ei m p u l s e n o i s eo fan o n l i n e a rd e n o i s i n gm e t h o d ;w a v e l e tt r a n s f o r mi sa na n o t h e r p o w e r f u lm a t h e m a t i c a la n a l y s i st o o l sa f t e rt h ef o u r i e rt r a n s f o r m i th a s b e e nw i d e l ya p p l i e di nt h ef i e l do fi m a g ed e n o i s i n ga n dp r o d u c e dal o to f e x c e l l e n tw a v e l e ti m a g ed e n o i s i n g a l g o r i t h m sb a s e do nt h ea s s u m p t i o no f w h i t eg a u s s i a nn o i s ei nr e c e n ty e a r s i nt h i sp a p e r ,t h e r ea r em a n yi n d e p t hs t u d i e so fi m p u l s en o i s e , g a u s s i a nn o i s ef i l t e rw h i c ha r ec o m m o ni nt h ei m a g e f i r s to fa 1 1 b a s e d o nm e d i a nf i l t e r i n ga l g o r i t h m ,c o m b i n e dw i t hl i n e a rf i l t e r sa n dn o n l i n e a r f i l t e r sw i t ht h e i rr e s p e c t i v ea d v a n t a g e s ,t h i sp a p e rm a d eal i n e a r b a s e d , n o n l i n e a rm i x e d - f i l t e rt oi m p r o v et h ea l g o r i t h m ,c a l l e dt h eh y b r i d m e d i a nf i l t e r i n ga l g o r i t h m ,w i t ht h ef e a s i b i l i t yo fe x p e r i m e n t a l v e r i f i c a t i o n t h e nd i dac e r t a i na m o u n to fr e s e a r c hw o r ki nt h ew a v e l e t i m a g ed e n o i s i n gm e t h o dt o ,t h ea n a l y s i so ft h ec h a r a c t e r i s t i c so fn a t u r a l i m a g ew a v e l e tt o e f ! f i c i e n t so nt h eb a s i so ft h eg i v e ng a u s s i a nm i x t u r e m o d e lb a s e do nw a v e l e t i m a g ed e n o i s i n ga l g o r i t h mw i t ho t h e rw a v e l e t d e n o i s i n ga l g o r i t h mc o m p a r i s o ne x p e r i m e n t a lr e s u l t ss h o wt h a tt h e a l g o r i t h mt or e m o v eg a u s s i a nw h i t en o i s eh a v eg o o dr e s u l t s 。-一 f i n a l l yt h ea c t u a li m a g e sf o rc o m m o ng a u s s i a np u l s em i x e dn o i s e t h i sp a p e rw i l lb em i x e dm e d i a nf i l t e ra n dg a u s s i a nm i x t u r em o d e lb a s e d o nt h ew a v e l e td e n o i s i n ga l g o r i t h mc o m b i n i n gi m a g ed e n o i s i n g a l g o r i t h m s i m u l a t i o nr e s u l t ss h o wt h a tb e i n gg a u s s i a n ,i m p u l s en o i s ep o l l u t i o n m i x e di m a g e s ,t h ed e n o i s i n ge f f e c to ft h ea l g o r i t h mi sc l e a r l ym u c hb e t t e r t h a nas i n g l em e d i a nf i l t e ro rw a v e l e td e n o i s i n gm e t h o d k e yw o r d s : i m a g ef i l t e r i n g d e n o i s i n g g m m a l g o r i t h m m e d i a n f i l t e r i n g w a v e l e t m i x e df i l t e r i n g 独创性( 或创新性) 声明 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知, 除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人己经发表或撰写 过的研究成果,也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了 谢意。 申请学位论文与资料若有不实之处, 本人签名:至童 本人承担一切相关责任, e t 期:型! :兰:塑 关于论文使用授权的说明 学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定,即:研究生在校攻 读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国家有关部门或 机构送交论文的复印件和磁盘,允许学位论文被查阅和借阅;学校可以公布学位论文的全 部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。( 保密的学 位论文在解密后遵守此规定) 保密论文注释:本学位论文属于保密在一年解密后适用本授权书。非保密论文 注释:本学位论文不属于保密范围,适用 喜会蓁耋;三玺迕导师签名:聋公驻 本授权书。 日期: 日期: 加。中2 、沪 2 口o 3 i 北京邮电大学硕士学位论文 1 1 引言 第一章绪论 当今社会已经进入了数字化的信息时代,而占存储空间最大的信息量则是图 像。图像中所包含的信息比所有其他媒体信息的总和还要多,人类认识自然界都 离不开这些信息。当今科技和现实生活的任何领域的设备都要求数字化和成像。 用于宇宙观测的天文望远镜获得了大量的观测数据,遥感地球资源卫星获得了大 量对地观测数据,遥感地球资源卫星获得了大量对地观测数据,气象卫星获得云 图来预测气象的变化,各种成像系统获得的相关的测量和城乡数据等。这些;例 子不胜枚举,数字图像已经深入到各个生活领域中。正因为图象有着如此多的应 用,与我们的工作和生活方式息息相关,所以有必要对图象和图象技术进行深入 细致的研究。1 1 1 2 图像噪声 图象信号在其形成、传输、变换以及终端处理中,经常会受到各种噪声的干 扰而降质。噪声的来源取决于实际的应用环境,由于环境复杂,噪声特性也非常 复杂。例如,图象传输过程中,受到强干扰时会产生脉冲噪声,在激光和超声波 图象中常存在乘性盐椒噪声,而照明的不稳定、镜头灰尘以及非线性信道传输引 起的图象退化等都将产生不同种类的噪声。2 1 根据不同分类方式可将噪声进行不同的分类。根据噪声与图像信号的关系, 可以分为加性噪声和乘性噪声。从噪声的概率分布情况来看,可分为短拖尾噪声、 中拖尾噪声和长拖尾噪声。【3 - 下面给出几种常见的噪声分布形式的概率密度函数f ( n ) 。 典型的短拖尾噪声均匀分布噪声 ,( n ) :怯1 小口 10 其他 典型的中拖尾噪声高斯分布噪声 北京邮电大学硕士学位论文 帅,= 南旺p ( - 割 典型的长拖尾噪声双指数分布噪声 ,c 撑,= 三e x p ( 一笺i ) 五 。 式( 1 3 , 根据对图象信号的污染方式可分为加性噪声、脉冲噪声和乘性噪声受加性噪 声污染图象的退化模型为 o ,= j ( f ,j ) + 刀( f ,_ ) 式( 1 4 ) 受脉冲噪声污染图象的退化模型为 删一l 恐夕嚣p 加剐 受乘性噪声污染图象的退化模型为 x i ( i - j ) = x ( i 力+ ,x ( i ,j i ) ) n ( i ,j ) 式( 1 6 ) 其中x n ( i j ) 为噪声污染图象信号,x ( i j ) 为图象原始信号,n ( i j ) 为噪声,p 为 脉冲噪声的概率。 对于同时受高斯噪声和脉冲噪声污染的图象的退化模型可由下式表示 兄( f ,j ) - 概率为p 1 概率为p : 式( 1 - 7 ) 概率为1 一p 。一p : 其中,x ( i ,j ) 为原始图象,n o d ) 为高斯噪声,r u 和7 k 为图象动态范围的最 大和最小灰度值,分别表示正、负脉冲,其出现的概率分别为p 1 和p 2 。 对于乘性噪声,一般可通过某种变换( 例如对数变换) 转变为加性噪声,因此 对于加性噪声的研究最为广泛。人们对图像噪声的产生原因及相应的噪声模型做 了大量的研究,发现绝大多数常见的图像噪声都可以用脉冲噪声或均值为零、方 差不同的高斯白噪作为其模型。目前,人们根据实际图像的特点、噪声的统计特 征和频谱分布规律,发展了各种各样的图像去噪方法。 1 3 图像滤波 图像滤波常用的方法是线性滤波技术和非线性滤波技术。线性滤波以其完善 的理论基础、数学处理简单、易于采用h 可和硬件实现等优点,一直在图像滤 2 一- 2 厂厂以 + 、i _ ,g x 北京邮电大学硕士学位论文 波领域占有重要的地位。线性滤波对加性高斯噪声有较好的平滑作用。但对脉 冲信号和其它形式的高频分量抑制效果较差,且模糊信号边缘。非线性滤波是基 于对输入信号序列的一种非线性影射关系,常可把某一特定的噪声近似地影射为 零而保留信号的重要特征,因而可以在一定程度上克服线性滤波器的不足。 从广义上来讲,图像去噪法基本上可分为空间域法和变换域法两大类。空间 域法是在原图上直接进行数据运算,对像素的灰度值进行处理。它又分为两类: 类是对图像作逐点运算,称为点运算;另类是在与处理像素点域有关的空间域 上进行运算,称为局部运算。变换域法是在图像变换域( 如频域、小波域) 上进行 处理,首先对图像进行某种变换,将图像从空间域转换到变换域,再对变换后的 系数进行相应的处理,最后将处理后的系数通过反变换再转换到空间域来达到去 除图像噪声的目的。下面介绍几种常见的滤波手段。 1 3 1 均值滤波 图像空间域去噪的方法很多。邻域平均法是一种局部空间域处理算法,也称 均值滤波,即用一像素邻域内所有像素的灰度平均值来替该像素原来的灰度值。 该方法简单但缺点明显,图像经过邻域平均法处理后会变得相对模糊,这是因为 平均本来就是以图像的模糊为 价来换取噪声的减少的。空间域低通滤波方法也可以平滑图像的噪声,它实际上 是通过一个低通卷积模板在图像空间域进行二维卷积来达到去除图像噪声的目 的。多幅图像平均法是利用对同一景物的多幅图像取平均来消除噪声的,图像需 求量较大。 1 3 2 中值滤波 中值滤波是一种空间域非线性滤波方法,由于它在实际运算过程中并不需要 图像的统计特性,所以比较方便。在一定条件下,它可以克服线性滤波器所带来 的图像细节模糊,而且对滤除脉冲噪声最为有效。但中值滤波器对中拖尾( 如均 匀分布噪声) 和短拖尾分布噪声( 如高斯噪声) 其滤波性能较差,且拖尾越短, 其滤波能力越差。有关中值滤波的内容将在下一章进行详细的阐述。 1 3 3 基于数学形态学的图像滤波 基于数学形态学的图像滤波,也属于非线性滤波的范畴。其具备一套完备的 理论、方法及算法体系,弥补了非线性滤波缺乏系统性、严密性的数学理论指导 3 北京邮电大学硕士学位论文 的弊病。轮廓结构形态学是根据图像噪声和有用信号相比,总具有某种随机性难 以形成稳定的构形,导致其团块支持域具有小延展度的连通分量( 有用信号恰好 相反) 的特性,用团块的延展度区分噪声和有用信号进行滤波。其实现的是几何 结构的区域滤波,就是说一个噪声块,只要有一点判定条件满足要求,整个区域 ( 块) 噪声就可全去掉。而通常使用的方法是解析判定条件式的点滤波,一个噪 声块,要每一个点都满足判定条件是很难的,这就导致整个噪声块常常滤不干净。 因此,形态学滤波质量有保证,噪声去除得较干净,可以保留很好的图像细节。 但形态学需要结构元素( 或函数) 集较多,计算较复杂,系统效率低,不易满足实 时性的要求。而人为减少结构元素( 或函数) 集,会导致曲线的变形和断裂,恶化 总体效果。另外,抑制噪声、锐化边缘受诸多因素影响,相互制约,在图像滤波 中形成了一对矛盾。形态学在解决这一对滤波矛盾上,也存在着缺陷。 1 3 4 基于傅里叶变换的去噪方法 将图像从空间域转换到变换域的变换方法很多,傅里叶变换是一种最经典的 方法。根据噪声能量一般集中于高频,而信号频谱分布于一个有限区间的特点, 先用傅里叶变换将含噪图像信号变换到频域,再对图像的频谱进行某种修正,如 采用低通滤波器进行滤波,最后将修正后的图像变换值逆变换到空间域就可以达 到图像去噪的目的。当信号和噪声的频带相互分离时这种方法比较有效,但当信 号和噪声的频带相互重叠时( 比如当信号中混有白噪声时) ,则效果较差,因为低 通滤波器在抑制噪声的同时,也将信号的边缘部分变得模糊:而高通滤波器可以 使边缘更加突出,但背景噪声也同时被加强。因此,基于傅里叶变换的去噪方法 存在着保护信号局部性和抑制噪声之间的矛盾,其原因是傅里叶变换方法在时域 不能局部化,难以检测到局域突变信号,在去除噪声的同时也损失了图像的边沿 信息。 1 3 5 小波去噪法 小波变换在时域和频域同时具有良好的局部化性质,不仅可以将图像的结构 和纹理分别表现在不同分辨率层次上,而且具有检测边沿( 局域突变) 的能力,因 此,利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边沿信息。 与傅里叶变换去噪方法相比,小波变换去噪方法具有明显的优越性,近年来在去 噪领域受到了许多学者的重视,他们应用小波进行去噪,获得了非常好的效果, 对高斯噪声尤其如此1 。小波去噪法已成为图像去噪的主要研究方向,小波萎 缩法尤为其中的佼佼者,自1 9 9 2 年d o n o h o 和j o h n s t o n e 提出小波阈值萎缩方法后, 4 北京邮电大学硕士学位论文 人们纷纷对阈值的选择进行了研究,并提出了多种不同的阈值确定方法,后来, 人们针对阈值函数的选取也进行了一些研究,并给出了不同的阈值函数。目前, 基于阈值萎缩的小波去噪方法的研究仍然非常活跃,近年来不断有新方法出现, 而且也可以看出,人们的研究方向己经转为如何最大限度地获得信号的先验信 息,通过对图像小波系数进行统计建模来得到更好的小波去噪算法。另外,对多 小波、脊波、曲波等去噪方法的探索也都丰富了小波去噪的内容。各种去噪方法 有不同的应用范围,适合不同类型的噪声滤除,一幅图像中往往包含几类噪声, 针对被混合噪声污染的图像,近来人们也做了一些研究工作,一般是通过结合几 类去噪方法来有效滤除混合噪声。 1 4 图像质量的评价方法 如何评价一个图像经过去噪处理后所还原图像的质量,对于我们判断去噪方 法的优劣有很重要的意义。现有的评价方法一般分为主观和客观两种: ( 1 ) 主观评价 主观评价通常有两种b 1 :一种是作为观察者的主观评价,这是由选定的一组 人对图像直接用肉眼进行观察,然后分别给出其对所观察的图像的质量作好或坏 的评价,再综合全组人的意见给出一个综合结论。它只是一种定性的方法,没有 定量的标准,而且受到观察者的主观因素的影响,评价结果有一定的不确定性。 另一种是随着模糊数学的发展,可以用模糊综合评价方法来尽量减少主观因素的 影响,实现对图像质量近似定量的评价,不过它仍然没有完全消除主观不确定性 的影响,其定量计算公式中的参数往往要依赖专家的经验确定。 ( 2 ) 客观评价 图像质量的客观评价标准主要有5 1 1 均方误差( m s e ) 为 m s e = 而 m 刍1 l 磊q - i 旷( f ) 一( f 歹) 】 式( 1 8 ) 其中f ( m ,r 1 ) 是原始图像,f ( m ,1 1 ) 表示经过处理后复原的图像,图像尺寸为 m * n 。 2 峰值信噪比( p s n r ) 为 n z p s n r = 10 lg百百芹兰一(扭)liq-1q-i 丽刍矽咿j r 坳) 】 式( 1 - 9 ) 5 北京邮电大学硕士学位论文 其中q 表示图像量化的级数。 主观评价和客观评价这两种图像质量评价标准各有优缺点。由于人眼视觉特 性的准确模型还没有完全建立起来,因此主观评价标准还只是一个定性的描述方 法,不能作定量描述,但它能反映人眼的视觉特性。峰值信噪比p s n r 能够对图像 质量给出定量的描述,它是一种数学上统计的处理方法,其缺点是它并不是总能 反映人眼的真实感觉,一种折中的方法是在衡量图像“去噪”算法的优劣时将主 观与客观两种标准结合起来考虑。 1 5 论文结构 本论文的内容主要包括以下几个章节: 第一章是绪论部分,主要介绍图像滤波的基本理论以及评价方法及论文结构 安排。 第二章介绍中值滤波的理论及分类,并提出混合图像滤波算法及其改进。 第三章介绍小波变换理论。 第四章介绍基于小波变换的图像去噪,详细阐述了小波去噪分类,并基于高 斯混合模型的提出了小波去噪算法。 第五章提出了将混合中值滤波与小波去噪相结合的图像去噪算法,并进行了 实验对比验证。 第六章对本论文作出总结,指出论文存在的不足以及进一步展望。 6 北京邮电大学硕士学位论文 第二章中值滤波 图像的噪声种类有很多,脉冲噪声是其中最为常见的形式之一,比如图像在 编码和传输中经过含噪声的线路或被电子感应噪声所污染时,其中使得图像降质 的噪声主要是椒盐噪声,即正负脉冲噪声。脉冲噪声在图像中表现为一些灰度值 很小的黑点或灰度值很大的白点,每个像点上的脉冲噪声通常在空间上是不相关 的,且和原图像信号也无关。长期以来,脉冲噪声的有效滤除一直是学者们研究 的热点。图像滤波最初是以线性框架来实现的。然而,线性方法对概率分布为长 拖尾的噪声滤除效果不佳,对图像的非平坦区域也很敏感,而非平坦区域在图像 中是很常见的。线性滤波器会模糊边缘和结构,有时这比噪声的影响更严重。由 于线性滤波器的这些缺点,人们现在常用非线性滤波器来滤除噪声。现在,虽然 人类视觉的确切特性还未完全揭示出来,但许多实验表明,人类视觉系统的第一 处理级是非线性的。非线性滤波器由于能够在滤除噪声的同时最大限度地保留图 像信号的高频细节,使图像清晰、逼真,从而得到了广泛的应用和研究。在大量 的非线性滤波器之中,基于次序统计的滤波器具有极好的稳健特性,该类非线性 滤波器尽管难于分析,但概念简单易于实现,发展非常迅速,其中尤以中值滤波 器最为出名。 中值滤波( m e d i a nf i l t e r ) 是广泛应用于去除脉冲噪声的一种非线性去噪方法, 它是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术 6 1 01 9 7 1 年,著名学者图基( j w t u k e y ) 在他的开拓性论文中首先提出了中值滤波器的概念 并应用在一维信号处理技术( 时间序列平滑) 中,后来人们又将其引入n - 维图像 信号处理技术中。这种滤波器的优点是运算简单、实现方便,而且速度较快,在 一定的条件下可以克服线性滤波器如均值滤波等带来的图像细节模糊,而且对滤 除脉冲干扰及图像扫描噪声最为有效u 1 。 虽然标准中值滤波技术在衰减噪声的同时能较好地保护图像的边缘,但由于 其仅考虑滤波窗内输入数据的排序信息,而未考虑到输入数据的时序源信息,故 在图像处理中会产生边缘抖动,并会删除一些重要的图像细节,如:点、细线、 拐角等。为了解决标准中值滤波存在的问题,充分利用输入数据的排序和时序信 息,进一步提高其滤波性能,研究人员从各方面对它进行了各种改进工作,相继 推出了一些改进型的中值滤波算法,常用的有加权中值滤波阳1 、多级中值滤波阳1 、 开关中值滤波盯、自适应中值滤波n 等。 7 北京邮电大学硕士学位论文 2 1 标准中值滤波及其改进算法 2 1 1 中值滤波的基本原理 中值滤波的基本原理是:首先确定一个以某个像素为中心点的邻域,一般为 方形邻域;然后将邻域中各个像素的灰度值进行排序,取其中间值作为中心点像 素灰度值的新值,这里的邻域通常被称为窗u i ;当窗口在图像中上下左右进行移 动时,利用中值滤波算法可以很好地对图像进行平滑处理。中值的定义如下:一 组数x 。,x :,l ,把这n 个数按值的大小顺序排列如下:咒。s 五:s sx 加, 则 y = m e d ”x 2 9 = k 。糍z 罱数一, y 称为序列x - ,x 2 ,l 的中值。例如,有一个序列为 0 ,3 ,4 ,1 ,7 ) , 重新排序后为 0 ,1 ,3 ,4 ,7 ) ,则m e d 0 ,l ,3 ,4 ,7 ) = 3 即为中值输出。 把一个点的特定长度或形状的邻域称作窗口。在一维情形下,中值滤波就是 用一个有奇数个点的滑动窗口( 实际应用中窗口长度一般取奇数) ,将窗口中心点 的值用窗口内各点的中值代替。一维中值滤波算法定义如下 设有一个一维序列 咒,i e i ,i 为自然数集合或其子集,取窗1 3 长度( 点数) 为2 k + l ,对此一维序列进行中值滤波,就是从输入序列中相继抽出2 k + 1 个数 溉。,薪,而“,其中鼍,为窗口中心点值,再将这2 k + 1 个点值按其 数值大小排序,取其序号为中心点的那个数作为滤波器输出,用数学公式表示为: 少i = m e d x i - i ,咒,五“) 式( 2 2 ) 对于一维情况,如图2 - 1 所示,它是用内含5 个元素的窗口对几种基本信号 进行中值滤波和均值滤波的示例。从图2 1 中可以看出,在一维情况下,中值滤 波器不影响阶跃函数和斜坡函数,并可有效地消除单、双脉冲,使三角函数的顶 端变平。中值滤波的概念很容易推广到二维,此时可以利用某种形式的二维窗1 3 。 设 疋( i , j ) e 2 ) 表示数字图像各点的灰度值,滤波窗口为a 的二维中值滤波 定义如下 m = 呼( j f = 胁d k 巾加) 彳( ,挑1 2 式( 2 - 3 ) 8 北京邮电大学硕士学位论文 二维中值滤波的窗口形状和尺寸对滤波器效果影响很大。不同的图像内容和 不同的应用要求往往选用不同的窗口形状和尺寸。常见的二维中值滤波窗口形状 有线形、方形、圆形、十字形及圆环形等,其中心点一般位于被处理点上,窗口 尺寸一般先用3 再取5 逐点增大,直到其滤波效果满意为止。一般来说,对于有 缓变的较长轮廓线物体的图像,采用方形或者圆形窗口为宜,对于包含有尖顶角 物体的图像,适用十字形窗口,而窗口的大d , 贝j j 以不超过图像中最小有效物体的 尺寸为宜。 原信号均值诡波 中值滤波 | li | ilil i | ii| il i | li | i ,i iii ilii | ( a ) 阶跃 1 ( b ) 斜坡 i l l | 1 l juul j- 上l juui l i ( c ) 单脉冲 j 1 l jul u j 山u ( 曲双脉冲 血血 ( e ) 三角形 图2 - i 终值滤波和均值滤波的比较 除了中值滤波的滤波效果外,它的另一个比较引人注目的特点是其根信号特 性。中值滤波根信号定义为经中值滤波处理后仍保持不变的信号成分。许多学者 对中值滤波,特别是对一维信号中值滤波根信号的构造、性质及应用进行了大量 的研究,得出了许多有用的结论。研究证明,一维信号能够在有限次中值滤波处 9 北京邮电大学硕士学位论文 理后收敛为根信号。中值滤波根信号比中值滤波处理结果有更好的脉冲噪声消除 和高斯噪声平滑能力。对于复杂的图像处理,标准中值滤波主要存在以下缺点: ( 1 ) 从信号估计理论来看,由于标准中值滤波是非参数估计,在处理过程中: 仁没有充分利用实际可获得的观测模型的统计知识,存在相当的言目性和保守 性。 ( 2 ) 中值滤波对长拖尾概率分布噪声( 脉冲噪声) 有很好的抑制能力,但对中 拖尾分布( 高斯分布) 和短拖尾分布( 均匀分布) 噪声的抑制能力显著下降。 ( 3 ) 当滤波窗内的干扰样本数( 像素数) 大于窗长一半时,中值滤波没有滤波 效果,此时,依靠增加滤波窗尺寸,固然可以提高噪声滤除能力,但是损失了图 像细节。 ( 4 ) 图像中的一些细线、尖锐边角,经中值滤波后被消去,破坏了图像的几 何结构。 ( 5 ) 非常数信号受到脉冲干扰,中值滤波后会出现边缘抖动,即使在低噪声 区,仍有边缘位移。为了进一步提高中值滤波的滤波效果,人们从各方面对它进 行了各种改进工作,得到了许多改进型的中值滤波器。 2 1 2 加权中值滤波 标准中值滤波窗口内各点对输出的作用是相同的,如果希望强调中间点或距 中间点最近的几个点的作用,可以采用加权中值滤波法。早期的加权中值滤波是 1 9 8 4 年由英国伦敦大学的b r o w n r i g g 提出的,加权中值滤波的塞本原理是改 变窗口中变量的个数,可以使一个以上的变量等于同一点的值,然后对扩张后的 数字集求中值。对于离散时间连续值的输入子序列五,x :,l ,相应于权 值m ,耽,慨( 权值为非负整数) ,范围为n 的加权中值滤波输出y ,定义 如下 y = j t e d x 。m ,x 2 m ,l m ) 式( 2 4 ) 式( 2 - 4 ) 中表示复制,即 次 ,一 - 。- 、 七ox=x ,x ,一,x 式( 2 5 ) 这一滤波技术可如下描述:对滤波窗口内的像素排序,然后对每一像素芄, 相应其权值m 进行复制,从新的序列中选择中值作为输出。以窗口为3 的一维 加权中值滤波为例,表示如下 m = w e i g h t e d _ m e d x i _ l , 而,玉+ l = m e d x f l ,- l ,毛,而,毛,x m ,粕 式( 2 - 6 ) 1 0 北京邮电大学硕士学位论文 由式( 2 - 6 ) 可见,位于窗口中间的像素重复两次,位于窗口边缘的两个像素 各重复一次,然后对新的序列再施以标准中值滤波处理。 二维加权中值滤波与一维情况类似。以3 x 3 的窗口为例,原始窗口为: 疋+ 1 ,4x + ux ,+ 。,加权后的中值滤波如下所示 儿= w e 泐脚一m e d x i 1 ,i l ,而1 _ ,一l i ,而,一l , x i j ,x i j + ! , x j 1 , y - i ,x i 娘j ,x m j , i ) = m e d x i l ,一,x i - , a ,毛一i ,再一1 ,+ l ,x i , j - ! ,赡一i ,而j , 而,而。, 而,p l ,毛小l ,毛+ i 一,x i + i , j ,x i 1 , j ,而+ l ,j + i j 式( 2 - 7 ) 即中间的点重复两次,上、下、左、右的点各重复一次,对角线上的点不重 复。如果适当地选取窗口内各点的权值,该滤波比标准中值滤波能更好地从受噪 声污染的图像中恢复出阶跃边缘以及其它细节。由于加叹中值滤波技术可以通过 设置不同权值形成具有不同特性的滤波器一从而产生不同的滤波结果,因而比标 准中伙滤波有更大的灵活性一是一种有较好前景的图像增强技术。 2 1 3 多级中值滤波 标准中值滤波技术具有抑制噪声和保持图像边缘的特性,被广泛应用于图像 处理等领域中,但该技术在衰减噪声的同时会删除图像的一些细节,如细线,因 此在一定程度上损坏了图像,鉴于此,n i e m i n e n 和n e u v o 提出了一种在抑制噪 声的同时能保留各类细线结构的滤波技术一多级中值滤波( m l m f ) 。它的原理是分 别沿水平、垂直、和水平方向成4 5 。及1 3 5 。角取四个一维窗口,对四个一维窗 口分别取中值,把四个中值排序,取出最大值和最小值,再把最大值、最小值和 滤波点进行排序,取出中值作为中值输出值。m l m f 定义如下: 设从,) 表示数字图像序列,矿表示中心在( j ,力、( 2 n + 1 ) x ( 2 n + 1 ) 的正 方形滤波窗。那么滤波窗砰的四个子集可定义为 i ( f ,) = x f i ,+ 尼) ;一n k n i ( f ,) = x ( i + j | ,j ) ;- n k n ) i ( f ,歹) = x ( i + k ,一k ) ;- n ksn 【w 4 ( i ,歹) = x ( f + 七,+ 七) ;一n 茎k n ,。趴 、厶u , 显然,它们分别表示沿水平、垂直、和水平方向成4 5 。、1 3 5 。角的一维窗 北京邮电大学硕士学位论文 i - - o 假定z s ( i ,j ) ( s 2 1 ,2 ,3 ,4 ) 是四个子集元素的中值,即 z j ( f ,歹) = m e d x ( i ,) ( f ,) ,s = l 2 3 ,4 式( 2 9 ) 并且, y m 。n ( = m i n z , ( i ,n z 2 ( i ,n z 3 ( ,z 4 ( i ,川式( 2 1 0 ) y 黼x ( f ,) = m a x z l ( i ,a z 2 ( i ,a z 3 ( i ,歹) ,z 4 ( i ,川i i 戈( 2 - 1 1 ) 则多级中值滤波的输出定义为 y ( i ,) = m e d y m m ( i ,) ,y 嗽( ,x ( i ,j ) l 式( 2 1 2 ) 多级中值滤波虽然能够较好地保持图像的边缘和细节,但是它抑制噪声的能 力较弱。 2 。1 。4 开关中值滤波 由于以往的算法在进行滤波操作时,对图像中的所有像素点都同等对待,这 样不但破坏了很多未被污染的点,造成图像的严重失真,而且这样的误操作占用 了大量的时间,对算法的实时处理也有很大的影响。针对这个问题,产生了开关 中值滤波处理方案:首先根据特定的判别标准将全部像素分为噪声点n 和信号点 5 ,然后对噪声点和信号点分别进行处理,对于信号点,保持原值不变,对于噪 声点,根据空间相关性由其邻域的中值取代。在这里,判别标准的选择是关键。 2 1 5 自适应中值滤波器 中值滤波器在应用于多维信号处理时,对窄脉冲信号具有良好的抑制能力, 但对于短拖尾分布噪声( 如高斯噪声) 其滤波性能较差,且拖尾越短,其滤波能 力越差。 传统中值滤波器只能处理空间密度不大的冲激噪声,而自适应中值滤波器可 以处理具有更大概率的冲激噪声,可以在平滑非冲激噪声时保存细节。 自适应中值滤波器1 3 1 首先定义以下字符 z m i n = s x y 中灰度级的最小值 z m a x = s x y 中灰度级的最大值 z m e d = s x y 中灰度级的中值 z x y - - 在坐标( x ,y ) 上的灰度级 s m a x = s x y 允许的最大尺寸 1 2 北京邮电大学硕士学位论文 自适应中值滤波器的算法如下 a :找到一个非脉冲的中值 a i = z m e d z m i n 式( 2 1 3 ) a 2 = z m e d z m a x 式( 2 - 1 4 ) 如果a i o 且a 2 o 且b 2 ri+ i + ,l武l 。 + 1 ) j 犯1 ) 2 角一 “ 一 m e a n t o g a n di l l 熹罗厂( m + f ,n + ) 式l “z - 4 一o 、) n 一 rl+ l ,+ ,武 ”m ( m + 1 ) f 一( 尔1 ) 2 扣一孟巴筘 7 “ 为判别当前像元m ,n ) 是否为区域边界,设统计变量为 z 矗( ,竹,行) = m e a n t r m e a n d i i 芪( 2 4 6 ) 参照水平滑动窗方法,垂直滑动窗检测像元伽,疗) 是否为边界点的公式为 日i t v d ( m , n ) 三j 函i n 叩+ 詈= t : 朋i 朋+ 上j 厅 z h r o 这样,结合式( 2 3 5 ) 、式( 2 4 7 ) ,最终的判别是: 则像元沏,n ) 为非边界点。否则像元沏,n ) 为边界点。 2 4 混合滤波算法的验证 式( 2 4 7 ) 只有和同时小于。, 在仿真实验中,我们分别使用四种算法( 高斯滤波算法、中值滤波算法、混 合滤波算法及其改进算法) 对原始图像进行滤波。实验中图像尺寸为2 5 6 x2 5 6 。 四种滤波的仿真实验结果分别如图2 3 、图2 4 所示。 为验证本文混合滤波算法的有效性,我们对图2 3 、图2 4 实验结果定量 地进行了归一化均方误差n m s e 、峰值均方误差p m s e 、信噪比p s n r 的检测, 结果见表2 1 。其中 1 7 北京邮电大学硕士学位论文 薹氦厂o ,- j 一夕) 】2 善翠厂o ,- j 一于) 】z n m s e 一旦气r _ 善善腓- ) 】二 , n n 【,o ,j 一夕( f ,妫】2 善荟j 一于) 】2 栅目l l 而广一 式( 2 4 8 ) 、式( 2 - 4 9 ) q b ,a ,歹) 为标准的图像信号; 后的图像;a 为f ( i ,f ) 的最大值;n 为2 5 6 。 式( 2 4 8 ) 式( 2 4 9 ) f ( ,j ) 分别为经四种滤波 从表2 1 可看出,高斯滤波、中值滤波算法性能较接近,其滤波质量均不如 后二种算法,且指标差别较大。后二种算法性能也比较接近,但改进后的算法要 稍强于原算法。 表2 - 1 仿真实验中四种算法结果的性能比较 滤波类型n m s ep m s ep s n r 高斯滤波o 0 1 0 6o 0 0 2 62 5 8 5 中值滤波 0 0 0 9 8o 0 0 2 32 6 3 8 卡车 混合滤波原算法o 0 0 7 3o 1 62 7 9 5 混合滤波改进算法0 0 0 6 5 0 0 0 1 42 8 5 3 高斯滤波 0 0 1 5 7o 0 0 7 72 1 1 3 中值滤波o 0 1 5 5o 0 0 7 62 1 1 9 坦克 混合滤波原算法o 0 0 7 6 0 0 0 3 7 2 4 3 1 混合滤波改进算法 o 0 0 6 40 0 0 3 l2 5 0 8 我们再定性地分析一下图2 3 、图2 4 的结果。原始图像经高斯、中值滤波 后,噪声得到了一定的抑制,但目标边缘被模糊。后二种算法不但使噪声得到了 抑制,且目标的边缘被保留下来,使得目标和背景都比高斯滤波清晰。显然,后 二种算法的滤波效果要好于前二种。在后二种算法中,正如前面我们分析的那样, 前者水平方向的目标边缘细节特征保留不如后者,这点从图2 3 的后车棚上下两 个边缘、右车门玻璃和挡板间的边缘及背景、图2 4 的坦克上履带边缘、炮塔、 履带轮及背景中可以观察出。从整体上的清晰度、滤波效果看,改进算法要好于 原算法。 1 8 北京邮电丈学顿学位论女 扣) 原始圄囊卡车)嘞高斯站渡算法( c ) 中值滤波算法 一 旧台滤被原算法泡合滤波改进算法 困2 - 3 山地背哥图像的滤交 孵霹霹 2 5 结论 ( 砷原始图象( 克)高斯滹渡算法 ( c ) 中值滤渡算法 蔫鼹 j j 擘,0 三一:疆! j = - ,墓一 ( d ) 挹合滤波原算堵( c ) 月台滤波改进算法 圈2 - 4 地面背景图像的滤波 由于混合滤波改进算法( 以下简称混合中值滤波算法) 是基于中值滤波的改 进型算符,根据实验结果可知:其在除去混合噪声中的冲激噪声方面有着非常理 想的效果、而且实现了平滑其它非冲擞噪声和减少物体边界细化或粗化等失真的 目的。但是并没能从根本上解决中值滤波法在处理短拖尾分布噪声( 如高斯噪声) 和椒盐”噪声( 冲激噪声) 混合条件下性能的不足。因此本文设想将小波去噪方 法和混合中值滤波算法进行结合,以形成一种更优的去除混合噪声的图像滤波算 法。 北京邮电大学硕士学位论文 第三章小波变换 小波变换是当今应用数学中的一个迅速发展的领域,它是以局部化函数所形 成的小波基作为基底而展开的,其主要特点集中表现在对时一频域的双重定域能 力和多分辨率分析能力,被誉为“数学显微镜,成为继f o u r i e r 分析之后的又 一有力的信号分析工具。 3 1 从f o u r i e r 变换到小波变换 f o u r i e r 变换一

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论