一种用于抑制椒盐噪声的多窗口中值滤波器(邢藏菊等)

第２４卷第１２期２００２年１２月ＪＯＵＲＮＡＬＯＦ电子与信息学报ＥＬＥｃＴＲＯＮＩＣｓＡＮＤｖｏｌ２４Ｎ０１２Ｄｅｃ２００２ＩＮＦＯＲＭＡＴＩＯＮＴＥｃＨＮｏＬｏＧＹ一种用于抑制椒盐噪声的多窗口中值滤波器１邢藏菊曲延锋绦健王守觉（中目科学院半导体研究所神经网络实验室北京１０００８３）摘要泫文提出了一种用于抑制赦盐噪声的多窗口中值滤波算法．并法在执行过程中根据其体情况采用不同大小的滤波窗口，仿真结果表明．与标准中值滤波骨砝相比，该方法不仪可“有效去除图像中的椒盐噪声，特别是在噪声密度非常太的情况下．表现ｒ很好的性能．关键词中圉号图像增强，中值滤波，图像处理ＴＮ７１３１引言中值滤波器在抑制脉冲噪声中有广泛的应＿Ｅ｝ｊ．但是，标准中值滤波算法存在几个固有的弱点：（１）去噪效果与采用的滤波窗口的大小和形状有关；（２）对所有像素采用统一的处理方法，这种处理不仅改变了噪声点的值，同时也改变ｒ信号点的值；（３）在滤波过程中，噪声会在邻域内传播．为了克服这些问题，最近几年里出现了多种基于中值的改进算法Ｉ“．在这些算法中采用了脉冲检测算法，检测结果用于控制像素点是否需要修正．以及怎样修正．当图像中的脉冲噪声比较稀少时，与统一处理所有像素的方法相比，这些算法是很有效的．但是，当噪声点逐渐变多时，大量的噪声点将汇聚成块。这种情况下的中值滤波会使错误沿着邻域扩散开来．文献『２１提出了递进开关中值滤波算法（ＰｒｏｇｒｅｓｓｉｖｅＳｗｉｔｃｈｉｎｇＭｃｄｉ舢ｌ矗１ｔｅｒ，ＰｓＭ）．与其它基于中值的滤波算法比较，ＰｓＭ算法表现＿ｒ良好的保护信号和抑制噪声的能力．但由于这是一个循环操作，其运算时间也很可观．本文给出了一种自适应的多窗口滤波策略（Ｍｕｌｔｉ－ｗｉｎｄｏｗＡｄａｐｔｉｖｅ，ＭｗＡ）来克服这些问题．在下面的几节里。首先介绍了ＰＳＭ算法，接下来给出了我们的新算法，对各自的性能和它们之间的区别和联系作了分析，相比之下，本算法较ＰＳＭ算法在执行速度上有很大提高。最后给出＿ｒ一纽实验数据．本文主要针对椒盐噪声图像进行了实验，并与标准中值滤波算法进行了比较．实验结果表明，此种滤波运算使输入围像的信噪比显著提高．特别是在信噪比极低的情况下表现出了良好性能．２ＰｓＭ算法介绍ＰＳＭ算法的执行过程分两步进行，噪声检测和噪声滤波．２．１噪声检测噪声检测过程产生两个图像序列：灰度图像序列“Ｔ∥），｛ｚ：”），…，｛。：”），－）和二进制标志图像序列｛｛一ｏ’），｛“１’），…，（一“’），…｝．其中，扣ｌｏ’｝是需要检测的噪声图像，ｚ掣表示原始噪声图像中位置ｉ＝（｛ｌ，ｉ２）的像素值，ｚ∥表示该位置ｎ次循环以后的像索值。二进制值一”’用于指示该点的性质（是否噪声点），一…＝ｏ表示信号点，一…＝ｌ表示噪声点。开始时假定所有点都是信号点，也就是，∥；ｏ．１２【】０１—０４－１３收到，２００１一０９—２Ｉ定稿万方数据　１２期邢藏菊等：一种用于抑制椒盐噪声的多窗口中他滤波｛｝｛｝１９１３在第ｎ次循环中，计算以ｚＰ叫’为中心的窗口ＩＶＤ×１１１，ＩＪ内月ｉ有点的中值ｍｒ叫’．如果Ｊｚ，＿１）一Ⅲ；ｐ１１Ｊ＞乃），那么，认为孔为噪声点，设置，ｆ（州＝ｌ，ｚ：州＝一一¨，否则∥“’，ｚ…的值保持不变，其中丁ｂ为预先设定的门限．经过ⅣＤ次循环，标志【墨｜像一“…记录了原始图像中噪声点与信号点的分布情况，将作为后续滤波箅法执行的依据．２．２噪声滤波噪声滤波过程也产生两个图像序列，假定仍由灰度图像序列“。∥），｛ｚ…），…，｛ｚ∥｝，－－｝和二进制标志序列｛ｆ一叫），｛“”），，｛一“’），…｝表示．不同的是，噪声检测过程二进制标志图像的输出将作为本滤波过程的输入，即一…＝■“…．在第ｎ次循环中，计算以ｏ：ｎ＿１’为中心的窗口ｌ¨）×ｗＤ内所有点的中位Ⅲ：”叫ｊ．但与检测过程不同，此次中值计算只包括信号点（假定所包含信号点的敬甘为Ｍ）。如果某点是噪声点（一””＝１）并且其邻域内存在信号点（＂＞ｏ），则ｚ…＝ｍｒ“’；某点的值一经修改，就将作为信号点对待，标志值一”’被设为ｏ．否则，一…，ｚ：…的值保持不变．此过程重复执行，直到标志图像中所有点的值都为０为止．这时，所有在检测过程中确定为噪声的点都已修改为信号点了．３ＭⅥ礁算法介绍设矩阵ｘ＝ｐ甜１表示…幅数字化的图像（其中ｉ、ｊ表示各点的位置１，ｗ忙ｕ］表示对图像ｐｕ】中的点ｚｚＪ做窗口操作，Ｉｎｅｄ（Ⅳ［ｚ”】）表示对窗口ｗ【ｚｕ】内的所有点取中值，若ｙ＝【”。］为图像陋。］经过中值滤波后的输出图像，滤波窗口为ｍ×ｎ（其中ｍ，ｎ＝奇整数），那么：ＦｔＪ＝ｍ州（ｗ渖。，】）若给定一个窗口序列．｛ｗ（０１，Ⅳ（¨，，ｗ（Ｍ，－．ｈ用ｗ（‘）［。ｕ］表示用第南个窗口Ⅳ（。’对［ｚ。】进行运算，那么，我们的算法可以描述为（１）对每一个点ｚ。，，寻找ｗ（ｏ’［ｚ”］的最人值和最小值，如果。ｏ的值介于最小值和晟人值之间，那么。”是一个信号点，否则即为噪声点．ｚ。ｅ｛斋，姜薯ｗ７‘。’‘。”】’＜。ｕ＜Ｉｎａｘ‘ｗ７‘。１‘ｚ”］’（ｚ）其中ｍｉｎ（Ⅳ‘ｏ’陋“】）和ｚｎａｘ（ｗ（ｏ’陋“】）分别表示ｗ（ｏ’陋ｕ］的最小值和最大值．（２）对每一个点。Ⅱ∈Ⅳ，（ａ）七＝１；（ｂ）寻找ｗ‘‘’【。Ⅱ］中的信号点．如果ｓ（Ⅳ‘‘’【。ｏ］）≠Ｄ，将ｚ”由ｓ（Ⅳ（２）陋。］）的中值代替；否则，令≈＝≈＋１，重复（ｂ）的操作，直到ｓ（ｗ（‘’【。ｕ】）≠壬为止．也就是ｒｍｅｄ（ｓ（ｗ”’‰】））。“∈ＡＬ０ｚ』』，。ｕ∈Ｓ其中Ｗ（‘’‰Ｊ】ｃⅣ（。＋１’‰Ｊ】，ｋ＝１，２，…，ｓ（ｗ（“’ｋ，］）表示ｗ７（‘’陋。ｊ］中的信号点Ⅳ％表示符合条件ｓ（ｗ【‘）［￥ｕ１）≠圣的最小窗口．万　方数据１９１４电子与信息学报２４卷图１给出了一个可能的窗口序列，其中窗口（Ｏ）作为噪声判断的窗口，其它为滤波窗口．如图所示，所用滤波窗口逐步加大．本算法利ＰＳＭ算法相比有以下不同点ｔ（１）噪声判断标准不同．对于自然图像，某一点的灰度值与其周围点的灰度值非常接近，除了孤立点（一般认为是噪声）外，即使在边缘部分也是这样．在一幅图像中，如果一个像素点的值远大干或小于其邻域的值，也就是说，该像素点与其邻域的相关性很小，那么，该点则被判为噪声点．实验表明，这一标准与实际情况相符．（２）不是采用反复的多次循环，而是采用窗口递进增大的方法来修改噪声点的值为信号点的值．这充分利用了距离越近的点之间相关陡越大这＿．性质．不需反复循环，大大节省了时间．另外，滤波时若用信号点的平均值来代替中值作为输出，也可得到相似的效果．也就是驸：』Ｅ（ｓ（删ｂ胍蚴！！Ｌｏｕ，ｏｕ∈０（４）其中Ｅ（・）表示括号内所有像素的均值●●●●●●●●●●●●●●●・・桨・・●●●●●●●●●●・桨・・桨・・・桨・●●●●●●●●●●●●●●●●．来．●●●●●●●●●●饼『：ｉ（０）宙『Ｉ（１）宙｜｜（２）街３●●甜●●●图１窗口示例（０—４】４实验为简单起见，本文在试验中采用丫简单的矩形窗．它们是Ⅳ（ｏ）＝５×５和Ｗ（１）＝３×３．ｗ“’＝５×５，Ⅵ邶）＝７×７．本文以一幅１８４×１４８的图像为例，给出了标准中值滤波与本算法的效果比较．由于文献［２Ｊ已对其它几种滤波方式给出了详尽的比较，在此不再赘述，只选择了标准中值滤波作为参照．在每次实验中，不同密度的椒盐噪声随机地加到原始图像上，以输出图像的信噪比为标准评价滤波器的性能．如果仍由［ｚｔＪ］表示输入图像，队？］表示输出图像，而［ｓｆ』表示未加噪声的原始图像，则待处理输入图像的信噪比ＳＮＲ为ＳＮＲ０×ｇ∑Ⅵ。断Ｓ∑幻训２）（５）输出图像信噪比ＳＮＲ为ｓ～ｍａｓ（≯／驴刮２）（６）万方数据　１２期邢藏菊等：一种用于抑制椒盐噪声的多窗口中值滤波器１９１５其中ｉ，ｊ表示各点的位置，在本例中ｉ∈［１，１８４】，Ｊ∈［１，１４８】．图２给¨ｊ了滤波性能的信噪比圈示，噪声密度为Ｏ０５到０．９５．信噪比曲线显示，本算法在各种输入噪声密度下都优于标准中值滤波．当噪声密度非常大时，效果更好。图３给出了输入图像噪声密度为Ｏ７时各滤波算法的输出图像．这些【茔『像给出了本算法的直观效果．万　方数据２５２０【５基－ｏ迎５０—５０Ｏ２０１０６０８【Ｏ噪卢崭度图２滤波输山的效果比较（培噪比１圈３各种滤波器的输出图像１９１６电子与信息学报２４卷５结论本文的算法在以下几个方面改善了滤波性能．点分为两娄，Ｈ改变其中一部分电（噪声点）的伉；（１）对像素分类一滤波运算之前先将所有（２）选择有效像素只有被判为信号的点才参由¨后面的排序以防止噪声的传播；（３）自适Ｊ、Ｖ的多窗口运箅一窗口的大小和形状在运算过程中是随时改变的，使输入像索的分类更加合理，输出的值更接近可能的真实值．由于不需循环概作，卒算法较ＰＳＭ算法在执行速度上有很人提高。参ＴＳｕｎ．Ｙ考文献ＨｌｔｅｒｓｉｎＮｅｕｖｏ，ＤｃＬａｊｌ—Ｉ｝ｒｅ刚ｒｖｉｌｌｇ３４７ＩＩＬｅｄｌａＩ汕勰ｅｄｉｍａｇｏｐｒｏｃｃｓｓｉｌｌ岛ｌ’ａｔｔｅｒ１１Ｒｆ！ｃｏｇｎｉｔＬｅＩｔ：１９９４，１５（４），３４１Ｚｈ叭ｌＷａｌｌｇ，ＤａｖｉｄＺ｝ｌａ“ｇ，Ｐｒｏｇｒｅｓｓｉｖｅｓｗｉｔｃｈｊｌｌｇｎｌｏ（１ｉａＩｌ６ｌｔｅｒｆｏｒｔｌｌｅｒｅｍｏｖａｌｏｆｉｍｐｌｌｌｓ。儿０ｌｓｅｆｒｏＩＩｌｈｉｇｈ】ｙｃｏｒｒｕｐｔｅｄｉｍａｇｅｓ，ＩＥＥＥｎａＩｌｓｏｎＣｉ上ｃＩＩｌｆｓａＩｌ（１Ｓｙｓｔｅｍｓ—ＩＩ：Ａｉｌａｌｏｇａ１１（ＩＤｉｇｌｔａｌＳｉｇｎａｌＰｒｏｃｅｓｓｉ“ｇ，１９９９，ＣＡＳ—ＩＩ，４６（１），７８—８０．ＭＵＩｊｒＩ—ＷＩＮＤＯＷＡＤＡＩ）ＴＩＶＥＦＩＬＪＴＥＲＦ（）ＲＲＥＭＯＶＡＬＯＦＩＭＰＵＩ．ＳＥＮＯＩＳＥＸｉｎｇＣａｎ舀ｕＱｕＹａｔｌｆｅＩｌｇｘＩｌＪｉａｎⅥｈｎｇＳｈｏＩＵｕｅ（ｈｓｆ甜Ⅱ把ｏ，＆ｍｔｃｏｎｄｎｃ￡ｏｍＩ（冼ｉｎｅｓｃＡｃｎｄｅｍ可。，Ｓｃ把ｎｃ册，口ｅ巧ｉ珊１０００８３。∞ｍｎ）ＡｂｓｔｒａｃｔｉｓｇｉＶｅｎｔｏＡｎｅｗｋ１Ｉｌｄ。ｆｍｅｄｉａｎ－ｂａｓｅｄｍｔｅｎｌｌｇａｌｇｏ订ｔｈｍｒｅｓｔｏｒｅｉｍａｇｅｓｃｏｒｒ“ｐｔｅｄｗｉｎｄｏｗｓｉｓｖａｒｉａｂｌｅｉｎｔｈｅｏｐｅｒａｔｉｏｎ．ｍｕｌｔｉ—ｗｉｎ（１。ｗａｄａｐｔｌｖｅｎｌｆｅｒｉｌｌｇｂｙｓａｌｔ巾ｅｐｐｅｒｉＩｎｐｕｌｓｅｎｏｉｓｅ．Ｔｈｅｓｉｚｅ（】ｆｔｈｃＨｌＬｅ山ｇＳｉｍｕ】ａｔｉｏｎｒｅｓｕｌｔｓｄｅｍ（）ｎｓｔｒａｔｅｔｈａｔｔｈｉｓａｌｇ（）ｒｉｔｈｌｌｌｉｓｂｅｔｔｅｒｔｈａｎｔｒａｄｉｔｉ。ｎａｌｍｅｄｉａｎ－ｂａｓｅｄ丘ｌＬｅｒｓａＩｌｄｐａｒｔｉｃｕｌａ“ｙｅ仃ｅｃｔｉｖｅｎ）ｒｔｈｅｃａｓｅｓｗｌｌｅｒｅｔｈｃｉｍａｇｅｓａｒｅｖｅ。ｙｈｉｇｌｌｌｙｃｏｒｒｕｐｔｅｄ．Ｋ。ｙｗｏｒｄｓ邢藏菊曲延锋：徐健；王守觉：Ｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔ，Ｍｅｄｉａｎ６ｌｔｅｒｉ”ｇ．Ｉｍａｇｅｐｒｏｃｅｓ８ｉＩ唱女，１９６９年生，博士生，研究厅向为图像处理、模式识别．男，１９７５年生，博士生，研究方向为语音识别、数字信号处理与神经网络控制．１９７１年生，博士生．研究方向为模式识别．人工神经网络男，男，１９２５年生，研究员，中科院院士，中国电子学会副理事Ｋ，《电于学报》主编．中国半导体学科奠基人之一．现从事半导体超高速电路与人Ｔ神经网络算法、模型．硬件和应用的研究万方数据