![](https://csdnimg.cn/release/download_crawler_static/18270192/bg1.jpg)
收稿日期:20190126; 修回日期:20190318 基 金 项目: 国 家自 然 科学 基 金资 助 项目 (61170320);广东 省 科 技 计 划 资 助 项 目
(2017B010110015);广州市科技计划资助项目(201604016034);湛江市科技攻关计划项目(2017B01142)
作者简介:陈家益(1983),男,广东湛江人,讲师,硕士,主要研究方向为小波分析与图像处理;战荫伟(1966),男,教授,硕导,博士,主要研究
方向为图像处理、模式识别和计算机视觉;曹会英(1975),女(通信作者),副教授,博士,主要研究方向为物理纳米材料与图像处理(543439415@
qq.com);董梦艺(1995),女,住院医师,硕士研究生,主要研究方向为影像组学和医学图像处理.
邻域均值检测的迭代加权中值滤波算法
陈家益
1
,战荫伟
2
,曹会英
1
,董梦艺
3
(1.广东医科大学 生物医学工程学院,广东 湛江 524023;2.广东工业大学 计算机学院,广州 510006;3.南
方医科大学 第二临床学院,广州 510515)
摘 要:针对现有滤波算法在噪声检测与去除上存在的相应缺陷,提出了邻域均值检测的迭代加权中值滤波算
法,对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测,再基于邻域像素的相关性,
用邻域的均值作进一步的检测;运用基于高斯曲面的加权算子,以迭代的方式,用邻域中信号像素的加权中值对
噪声进行去除。实验结果证明,相对于现有滤波算法,所提算法具有更好的去噪性能,在保持高信噪比的同时,
能很好地保持图像的纹理结构。
关键词:图像去噪;噪声检测;中值滤波;邻域均值检测;迭代加权中值滤波
中图分类号:TP391.41 文献标志码:A 文章编号:10013695(2020)06063190604
doi:10.19734/j.issn.10013695.2019.01.0030
Iterativeweightedmedianfilterbasedondetectionwithmeanofneighboringpixels
ChenJiayi
1
,ZhanYinwei
2
,CaoHuiying
1
,DongMengyi
3
(1.SchoolofBiomedicalEngineering, GuangdongMedicalUniversity, ZhanjiangGuangdong524023, China; 2.SchoolofComputer
Science&Technology
, GuangdongUniversityofTechnology, Guangzhou510006, China;3.SecondClinicalMedicalCollege, Southern
MedicalUniversity,Guangzhou510515,China)
Abstract:Theexistingfiltershavedefectsinnoisedetectionandremoval.Inviewoftheseproblems,thispaperproposedan
iterativeweightedmedianfilterbasedondetectionwiththemeanofneighboringpixels,whichaimedatimprovingthetechniques
ofnoisedetectionandremoval.Thisproposedfilterperformednoisedetectionbytheintensitycharacteristicofimpulsenoise
,
andthen,takingfulladvantageofthecorrelationofneighboringpixels,performedfurthernoisedetectionbythemeanvalueof
neighboringpixels.ByemployingtheweightedoperatorwhichwasderivedbyGaussiansurface,itusedtheweightedmedianof
neighboringnoisefreepixelsfornoiseremovaliteratively.Theexperimentalresultsshowthattheproposedfilteroutperformsthe
stateoftheartfiltersbyachievingbelterdenoisingperformance
,andpreserveswellthetexturestructuresofimagewhilehol
dingahighsignaltonoiseratio.
Keywords:imagedenoising; noisedetection; medianfilter;detectionwithmeanvalueofneighboringpixels; iterative
weightedmedianfilter
0 引言
在拍摄、传输与保存的过程中,图像难免受到噪声的干扰。
噪声会影响图像的视觉效果,以及图像的分割、检测和识别等,
因此去噪非常重要。脉冲噪声是一种常见的噪声,主要分为随
机值脉冲噪声和固定值脉冲噪声。固定值脉冲噪声也叫椒盐
噪声,被其污染的像素要么取最小灰度值,要么取最大灰度
值
[1]
。对于脉冲噪声,均值滤波算法
[2~4]
因其低通滤波特性会
破坏图像 的高 频 信息,去噪后 图 像 较 模 糊。而 中 值 滤 波 算
法
[5]
因其良好的去噪性能而受到研究人员的广泛关注。标准
中值滤波算法简单地用邻域的像素中值取代当前像素,难以彻
底去除高密度的噪声。加权中值滤波算法以及中心加权滤波
算法
[6,7]
以提高滤波像素的相关性为目标,对标准中值进行改
进。以上算法的不足在于,去噪处理不区分噪声像素与信号像
素,破坏了噪声图像中信号像素的有效信息。
为了仅对噪声像素作去噪处理,而保持信号像素不变,学
者们在滤波算法中提出了噪声检测方法(如文献[8~10]),先
对图像进行噪声检测,然后对检测出来的噪声作去噪处理。张
皓等人
[11]
提出了邻近移动窗的中值滤波(medianfilteringfor
eliminatinghighdensitysaltandpeppernoisebyadjacentmoving
window
,AMWMF),利用脉冲噪声的灰度特征,根据灰度最值
进行噪声检测;根据邻域内是否全为噪声,邻域绕当前的噪声
像素移动,直到窗口内像素不全为噪声点,然后取该邻域内信
号像素的中值作为噪声像素的新灰度。文献[12]提出了一种
改进中值滤波算法,根据图像的极值以及邻域的局部信息进行
噪声检测,但其以迭代的方法进行去噪,增大了算法的计算复
杂度,且去噪结果未必有效。文献[
13]提出的递归自适应中
值滤 波 算 法 (improvedrecursiveandadaptivemedianfilterfor
highdensityimpulsenoise,RAMF)用邻域中信号像素的中值取
代噪声,其邻域大小随噪声密度自适应变化。周萌萌等人
[14]
提出一种自适应的中值滤波算法,运用混合邻域进行噪声检
测,根据噪声密度运用自适应大小的邻域对噪声进行去除,该
方法具有一定的鲁棒性,但其去噪所用的中值为邻域中所有像
素的中值,其本身有可能就是噪声,以至于在噪声密度较高时,
去噪性能并不高。文献[
15]提出了一种基于概率决策的滤波
算法(probabilisticdecisionbasedfiltertoremoveimpulsenoise,
PDBF),算法根据噪声的灰度最值特征进行噪声检测,并首次
提出块中值,自适应地运用邻域中信号像素的中值或块中值作
第 37卷第 6期
2020年 6月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol37No6
Jun.2020