改进的变分自适应中值滤波算法

改进的变分自适应中值滤波算法 改进的变分自适应中值滤波算法 第33卷第7期 2011年7月 电子与信息 JournalofElectronics&InformationTechnology ,1.33NO.7 Ju1.2011 改进的变分自适应中值滤波算法 孙海英李锋商慧亮 f复旦大学电子工程系上海200433) 摘要:为了更好地恢复被高密度椒盐噪声污染的图像,该文提出了一种基于两阶段 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 去除图像椒盐噪声的算法. 首先,利用改进的自适应中值滤波算法标识出图像中被污染的像素点,然后对被污染的像素点采用变分滤波的方法 进行恢复.此方法利用了自适应中值滤波良好的噪点识别能力和变分滤波的细节保护的特性,对于噪声密度高达 80%的图像依然可以达到很好的恢复效果.仿真结果验证了所提出算法的有效性,并且在效果上要明显优于传统的 变分自适应中值滤波算法. 关键词:图像处理;椒盐噪声;自适应中值滤波;均值滤波;变分滤波;边缘保持势函数 中图分类号:TP391文献标识码:A文章编号:1009—5896(2011)07—1743—05 D0I:10.3724/SP.J.1146.2010.01295 Salt--and--pepperNoiseRemovalbyVariationalMethod BasedonImprovedAdaptiveMedianFilter SunHai--yingLiFengShangHui--liang (DepartmentofElectronicEngineering,FudanUniversity,Shanghai200433,China) Abstract:Toimprovetheperformanceofsalt—and— peppernoiseremoval,atwo-stageschemeisproposed.Inthe firstphase.animprovedadaptivemedianfilterisusedtoidentifypixelswhicharelikelyt0beco ntaminatedby noise(noisecandidates).Inthesecondphase,theimageisrestoredusingavariationalmethodt hatappliesonlyto thoseselectednoisecandidates.Theproposedmethodcanremovesalt—and—pepper— noisewithanoiselevelashigh as80%.Simulationresultsindicatethatthisalgorithmiseffectiveandbetterthantraditionalva riationalmethod basedonadaptivemedianfilter. Keywords:Imageprocessing;Salt?-and— -peppernoise;Adaptivemedianfilter;Meanfilter;Variationalfilter;Edge preservingfunction 1引言 图像在生成和传输的过程中,容易产生椒盐噪 声.椒盐噪声产生的原因多种多样,其中包括通信 系统的故障和缺陷以及传感器本身的局限性,也可 能在通信系统的继电器状态改变时产生.椒盐噪声 是图像处理中的一种典型噪声,其特征是噪声点像 素值与其邻域的其他像素值具有明显的不同. 对于椒盐噪声的去除,已有大量学者进行了深 入的分析和研究.传统的中值滤波和自适应中值滤 波[112]在椒盐噪声的去除过程中具有较强的噪点鉴别 能力,因而有着广泛的应用,但是其主要缺点是采 用邻接的若干像素点的中值代替被污染的像素点, 是一种简单的替代原则.随着图像被污染的程度的 加深,此方法恢复的图像细节模糊也会越严重.针 对被高密度椒盐噪声污染的图像,文献f3】提出的结 合均值滤波的改进的自适应中值滤波算法 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 现出较 2010—11—25收到,2011—03—28改回, 通信作者:商慧亮shanghl@fudan.edu.ca 好的去噪性能.一些学者借鉴高斯噪声去除中的边 缘保持方法,提出了一种基于数据逼近条件和边缘 保持正则化条件的变分去噪方法_4]o该方法在恢复被 低密度椒盐噪声污染的图像时可以很好地保持图像 的细节,但是对于椒盐噪声的连通区域滤波效果则 不够理想. 本文结合改进的自适应中值滤波和变分滤波, 提出一种新的去除椒盐噪声的两阶段方法[516J.首先, 利用改进的自适应中值滤波优良的噪点鉴别能力, 将一幅被污染的图像的所有像素点分为被污染像素 点集合和未被污染的像素点集合,并对被污染的像 素点采用改进的自适应中值滤波的方法进行恢复; 然后,利用变分滤波的方法仅对上一阶段被鉴别为 噪点的像素点进行恢复.此两阶段方法可以很好地 避免改进的自适应中值滤波和变分滤波各自的缺 点,并充分发挥他们各自的优点,可谓取长补短. 2改进的变分自适应中值滤波 对一幅m×佗大小的灰度图像,用x(i,J)表示 1744电子与信息第33卷 (,J)位置处的像素值.则图像X的所有像素值可以 表示为 = J)l1m,1J咒;m,n?Z)(1) 用Y表示被椒盐噪声污染的图像,其模型可以 表示如下: y(i,J)= i,p(v):P Sm,p(y)=q(2) (,),p(v)=1一P—q 其中i和分别表示图像可能取到的最小值和 最大值,即对于一个8位图像Smi=0(黑),Sm= 255(白).当P=q时,表示被椒盐噪声污染的图像 的模型.从该模型可以看出,椒盐噪声点的灰度值 和原始像素灰度值独立,所以在采用恢复技术时不 使用噪声点自身的灰度信息. 文献『31提出了一种有效去除图像椒盐噪声的改 进的白适应中值滤波算法,该方法在两个方面对传 统的白适应中值滤波进行了改进: 一 方面,根据图像处理的空问相关性原则对滤 波窗口的选取进行了改进.根据像素的空间相关性 原则,选取的滤波窗口越小,对保留图像的细节效 果越好.但是,当图像受椒盐噪声污染比较严重时, 较小的滤波窗口可能无法得到所需的中值.故在本 文的自适应中值滤波中,通过采用不同尺寸,不同 形状的白适应窗口,在白适应过程中尽可能地用较 小的窗口进行滤波,来更好地保留图像的细节和边 缘. 另一方面,在算法的应用中加入了均值滤波, 当滤波窗口达到我们预设的最大值,仍然无法找到 可替代的中值时,此时采用修正的均值滤波来得到 噪声点的替代值. 本文所采用的修正后的均值滤波器【】表示如下: = Pqm竹一一fs. 其中y(i,J)是被噪声污染的m×几图像.在(i,J)邻域 内去掉灰度值为0和255的像素点,P表示y(i,J)中 灰度值为0的像素点个数,q表示灰度值为255的 像素点个数. 文献『4]中提出了一种去除图像中的椒盐噪声的 变分方法,对于被污染的图像建立如下的目标函数: ()=?厂J+??(一,) (z,j)EA(z,j)EA(,1)evi,J (4) 其中Y,, 是污染图像(幻)点的像素值;是像素 (,)的四邻域,不包含(,.7)点本身;,, 是需要得到 的(i,i1点恢复后的像素值. 式f4)中的第1项是一个数据逼近条件,第2项 是边缘保持正则化条件.该变分滤波的目的就是找 到使目标函数极小的最优估计解.该目标函数满 足如下的性质: (1)未受污染的像素., 的估计值五,J满足", =Y,即保持原来像素值不变; (2)受污染的像素Y的估计值砬,由于边缘保 持正则化条件的存在,可以有效保持图像的边缘和 细节. 式(4)中的第2项中的函数是边缘保持势函 数,根据文献f4]可以取抛物线函数,指数函数等, 例如, ()=?+t,>0(5) ()=lt1<2(6) 本文中采用了式(6)作为边缘保持势函数.由文 献f4]中的论证,取=5,=1.3. 令=钆一Y表示恢复后图像和被污染图像的差 值,的求解步骤如下: (1)初始化0,(i,J?A) (2)每次循环迭代中,在(i,J)的四邻域中计算 : ,)(7) ?(.一厂 (,f)?"" 其中.f(,f)?vij是上次迭代所用的值.是的一一 阶导数. (3)如果ll1,令=0.否则,通过解下 面的方程得到)的数值解: ?(+Y一,一玑,)=sign()(8) (膏,f)?" 估计值可以表示为=+Y. 式f8)可以通过数值解法求解,但是常用的数值 解法如二分法,牛顿法在求解过程中会出现收敛慢 或者无法收敛的问题,本文采用文献is1中提出的方 法来解这一方程,达到了很快的收敛速度并且很好 地解决了收敛域的问题. 通过上述的分析可以看出,改进的自适应中值 滤波和变分滤波两种滤波方法,在一定的条件下都 有着较为理想的去噪效果,但同时也存在着比较明 显的局限性.改进的白适应中值滤波可以很好地检 测到噪声点,但是它对噪声点的处理是简单的替代, 即通过对噪声点加窗得到用来替代噪声点的中值, 因此处理后的图像存在细节模糊比较严重的问题; ,变分滤波因为存在着边缘保持势函数可 与此同时 以很好地保留处理后图像的细节和边缘,但是当图 像受到高密度椒盐噪声的污染时,由于存在着噪声 第7期孙海英等:改进的变分自适应中值滤波算法1745 的连通区域,导致变分滤波的去噪效果急剧下降. 鉴于此两种方法的优缺点,为了更好地利用每 种方法的优点并有效规避其缺点,所以在去噪的过 程中分阶段采用不同的去噪方法是很有必要的. 本文提出了基于这两种方法的改进的变分自适 应中值滤波算法.算法步骤如下: (1)图像预处理及噪点检测利用改进的白适 应中值滤波方法,对污染图像Y进行滤波,恢复后 的图像为.经过恢复后,灰度值为0和255的被 污染的像素点的值用对应的中值替代.噪声点的集 合满足如下性质:N={(,J)?A:?YandY? {5i,smax)). 因此,未被污染的像素点的集合为?.=4 \?,其中表示全部像素点的集合. (2)噪点四邻域的分类通过步骤(1)将经过改 进的自适应中值滤波得到的图像分为被污染的像素 点集合?和未被污染的像素点集合?.对于?中 所有未受污染像素,保持其原有像素值不变.对于 集合?中处于fi,J)位置的噪点,其四邻域内的像素 点,可能是?.中的像素点,也可能是?中的另外一 个噪点.因此,(i,J)点的邻域可以分为两部分,表 示如下:Vi=(VinN)u(n?).其中,第1部 分表示非噪点邻域,第2部分表示噪点邻域. fa)麒图 (d)改进的自适应中值滤波 (3)加权的变分处理采用变分滤波的方法对 上述得到的图像进行处理,需要注意的是,这里的 处理仅限于集合?中的像素点.目标函数如下: l?()=?Ilu一YI+(+)I(9)f2.j)ENL = ?2(札一Yk,t)(10) (,1)ev,jAN = ?(,,一,z)(11) (,1)Ev~jNN (11)分别对应于未被污染的邻域和 式(10)和式 被污染的邻域,二者的区别仅在于一个系数2的差 别[9】o这一差别是很容易理解的,一个未被污染的邻 域像素点对于恢复该处的像素点的贡献要远大于一 个被污染的邻域像素点.这一系数提高了图像处理 的边缘和细节保持的针对性,对于图像的恢复效果 更好. 3仿真实验 本文中采用256×256的Lena灰度图像,在不 同的椒盐噪声密度下进行测试,分别用传统的自适 应中值滤波,改进的白适应中值滤波,变分滤波与 本文提出的改进的变分自适应中值滤波算法得到的 图像进行比较,结果如图1,图2所示: f1,1加噪图像(C)翻适应中值滤波 (e)变分滤波(f)本丈方法 图180%椒盐噪声污染图像恢复 1746电子与信息第33卷 (a)原嘲 (d)改进的臼适应中值滤波 (b)加噪阁像 (o)变分滤波(f)本文方法 图270%椒盐噪声污染图像恢复 通过比较图1和图2可以看出,在图像受到高 密度噪声污染时,本文所提出的改进的变分自适应 中值滤波算法在去除噪声和保持图像细节方面均优 于其他算法.为了更好地在客观上衡量去噪的效果, 本文使用峰值信噪比fPeakSignalNoiseRatio, PSNR)和平均绝对值差(MeanAbsoluteError, MAE)作为客观评价的标准.PSNR和MAE的定义 如下: PsNR=101gl—1— E(u,,j f2- - x 一 ,,j )2 (12) MAE=?一z,,I(13)mn', 由表l可以看出,对于被高密度椒盐噪声污染 的图像(70%,80%),本文所提出的算法在性能上均 优于传统的方法.而对于低密度椒盐噪声污染的图 像,本文所提出的方法并不占有优势,这主要是由 变分滤波的性能决定的,变分滤波在处理低密度污 染的图像时可以得到很好的去噪效果并保持图像的 边缘和细节. 4结束语 本文提出了一种改进的变分自适应中值滤波算 表1各算法处理后的性能比较 第7期孙海英等:改进的变分自适应中值滤波算法1747 法,该方法很好的利用了改进的自适应中值滤波优 良的噪点鉴别能力和变分滤波的细节保持性能,有 效地避免了改进的自适应中值滤波处理噪点时简单 替代原则的弊端和变分滤波在处理噪声连通区域时 性能急剧下降的问题.仿真实验表明,本文所提出 方法在处理低信噪比的图像时明显优于传统的其他 方法. 3] 4 参考文献 HwangHandHa~idadRA.Adaptivemedianfilters:new algorithmsandresults[J].IEEETransactionsonImage Processing,1995,4(4):499—502. JiangJia-fuandShenJing.Aneffectiveadaptivemedian filteralgorithmforremovingsalt&peppernoiseinimage[C]. PhotonicsandOptoelectronic(SOPO),Chengdu,2010:卜4. 王晓凯,李锋.改进的自适应中值滤波算法『J_.计算机工程与 应用.201046(3):175—176. WangXiao—kaiandLiFeng.Improvedadaptivemedian filtering[J].ComputerEngineeringandApplications.2010, 46(31:175—176. NikolovaM.Avarationalapproachtoremoveoutliersand impulsenoise[J].Journal0,MathematicalImagingand Version,2004,20(1—2):99—120. CaiJian—feng,ChanRH,andNikolovaM.Two-phase approachfordeblurringimagescorruptedbyimpulseplus Ganssiannoise[J].InverseProblemsandImaging,2008,2(2): 187-204. LiFangandFanJinsong.Saltandpeppernoiseremovalby adaptivemedianfilterandminimalsurfaceinpainting【c】_ CISP'09,2ndInternationalCongressonImageandSignal, Tianjin.2009:1—5. KunduAmlanandVaidyanathanPP.Applicationof two—dimensionalgeneralizedmeanfilteringforremovalof impulsenoisesfromimages[J].IEEETransactionson Acoustics,eeehandSignalProcessing,1984,32(3): 600—609. ChanRH,HoCW,andNikolovaM.Convergenceof Newton'smethodforaminimizationprobleminimpulse noiseremoval[J].JournalofComputationalMathematics, 2004,22(2):168—177. ChanRaymondH,HoChungWa,andNikolovaMila. Salt?-and?-peppernoiseremovalbymedian??typenoise detectorsanddetail—preservingregularization[J].IEEE TransactionsonImageProcessing,2005,14(10):1479—1485. 孙海英: 李锋: 商慧亮 女,1988年生, 量分析等. 男,1946年生, 论,信号处理, 男,1978年生, 络图论等. 硕士生,研究方向为图像处理,独立分 教授,博士生导师,研究方向为电路理 故障诊断等. 博士,讲师,研究方向为信号处理,网 6789