基於改進多級中值濾波的加權濾波演算法論文

基於改進多級中值濾波的加權濾波演算法論文

　　摘 要： 為了有效地抑制影象中的椒鹽噪聲，更好地保持影象細節，提出一種基於多級中值濾波的加權濾波演算法。演算法採用5×5濾波視窗，如果中心點為噪聲點，則將濾波視窗劃分為水平和垂直10個條形子視窗，先計算每個子視窗內所有非噪聲點的均值，作為加權運算的基礎值，然後求出這些基礎值的中值，利用每個基礎值與它們中值的差計算出每個基礎值的相應權值。最後將這些基礎值與對應權值進行加權運算，將結果替換中心點的畫素值；如果中心點為非噪聲點，則保持原值不變。實驗結果表明，該演算法對於高密度椒鹽噪聲汙染的影象具有良好的去噪效能，並且較好地保持了影象的細節，效果優於傳統的中值濾波演算法和多級中值濾波演算法。

　　關鍵詞： 多級中值濾波； 椒鹽噪聲； 條形子視窗； 加權濾波演算法

　　引 言

　　椒鹽噪聲是一種由攝像系統的物理缺陷或訊號傳輸過程中的解碼錯誤而產生的黑白相間的點噪聲，該噪聲表現為噪聲點的灰度值與其鄰域畫素點的灰度值明顯不同[1]。由於椒鹽噪聲的存在，使影象的後續處理（如影象識別及影象分割等）效果較差甚至無法進行，因此如何有效地去除影象中的椒鹽噪聲一直以來都是影象預處理領域研究的熱點之一。

　　在去除影象椒鹽噪聲演算法中，傳統中值濾波是一種常用的有效方法，演算法採用小視窗鄰域畫素的中值代替原影象中各個畫素的灰度值，對脈衝噪聲具有良好的抑制作用，影象邊緣等細節保持較好，但不足的是演算法對噪聲影象所有畫素點均利用鄰域中值替換，使得演算法在較高密度噪聲汙染情況下，濾波效能急劇下降，甚至失去去噪效能，而且邊緣容易產生移位，紋理細節不太清晰。為此，一些改進的中值濾波演算法[2?5]被提出，這些演算法在一定程度上改善了中值濾波的效能，能夠濾除較好密度的椒鹽噪聲，但對於影象的邊緣細節的保護還不是很理想。多級中值濾波演算法如文獻[6?7]演算法對於隨機的脈衝噪聲濾除很有效，而且能夠較好地保持影象的邊緣資訊，使其不被模糊和移位，但對於較高密度的椒鹽噪聲不能很好地濾除。文獻[8]提出了一種改進的多級中值濾波演算法（VHWR），演算法較好地保持了影象細節，對較高密度的椒鹽噪聲濾波效果有了很大的提高，但當噪聲密度超過80%時，去噪效果不理想。

　　為了有效地去除椒鹽噪聲，更好地保護影象的細節資訊，提出了一種改進的多級中值濾波加權演算法。演算法借鑑了多級中值濾波的`思想，採用文獻[8]劃分子視窗方法的基礎上，對噪聲點採用了鄰域子視窗均值加權的方法進行濾除，在有效去除椒鹽噪聲的同時，對影象邊緣等細節保護良好。

　　2 VHWR演算法

　　3 本文演算法

　　傳統多級中值濾波演算法MLM+及改進的演算法VHWR透過多子視窗的劃分，採用子視窗的中值進行平滑噪聲點，對影象中的邊緣、細線及紋理等細節保持較好，但它們共同的特點是在高噪聲密度情況下，去噪效能較差。因此，本文在借鑑多級中值濾波演算法子視窗劃分思想的同時，對噪聲點的平滑時引入了加權方法，演算法原理如下。

　　3.1 子視窗劃分

　　設f（i，j）為椒鹽噪聲影象，對於灰度影象來說，椒鹽噪聲點的灰度值主要表現為0或255。演算法採用開關策略，如果濾波視窗中心點為非噪聲點，則保持原值輸出；如果是噪聲點，則進行平滑處理，則將5×5濾波視窗劃分為水平和垂直共10個條形子視窗，如圖3所示。

　　5 結 語

　　在多級中值濾波演算法基礎上，提出了一種新的濾除椒鹽噪聲的濾波演算法。該演算法借鑑了多級中值濾波子視窗劃分的思想，將濾波視窗劃分為水平方向和垂直方向多個子視窗，採用開關策略，在濾除噪聲過程中計算各子視窗去除非噪聲點的畫素點的灰度均值和中值，並採用閾值最佳化方法進行加權運算，對噪聲點進行平滑。模擬實驗結果證明了本文演算法在不同密度椒鹽噪聲情況下具有較強的去噪能力，同時較好地保持了影象的邊緣等細節，演算法的濾波效能明顯優於其他幾種演算法，具有一定的應用價值。

　　參考文獻

　　[2] 孫樹亮，王守覺.一種基於改進的極值中值濾波演算法[J].計算機科學，2009，36（6）：165?166.

　　[4] 王建勇，周曉光，廖啟徵.一種基於中值?模糊技術的混合噪聲濾波器[J].電子與資訊學報，2006，28（5）：901?904.

　　[5] 張恆，雷志輝，丁曉華.一種改進的中值濾波演算法[J].中國圖象圖形學報，2004，9（4）：408?411.

　　[7] 李振春，張成玉，王清振.基於小波變換與多級中值濾波的聯合去噪方法[J].石油物探，2009，48（5）：470?474.