為了在濾除圖像椒鹽噪聲的同時保護圖像邊緣細節(jié),提出了一種基于連通性檢測的圖像椒鹽噪聲濾波算法。由于椒鹽噪聲點的灰度值與正常像素點的灰度值相比往往存在較大差異,本算法先通過比較像素點灰度值與其鄰域像素點灰度值,將差異較大的像素點列為疑似噪聲點,然后通過檢測疑似噪聲點是否是圖像連通區(qū)域的一部分來判斷該點是否是噪聲點,最后通過中值濾波器將噪聲點濾除。該算法可以有效區(qū)分圖像區(qū)域邊緣與椒鹽噪聲。實驗結(jié)果表明,該算法可以有效去除密度范圍從0～0.9的椒鹽噪聲,在0.9的噪聲密度下,算法的峰值信噪比仍可達到30dB。滿足有效去除不同密度范圍的椒鹽噪聲的同時保護圖像細節(jié)的要求。 

【文章來源】：液晶與顯示. 2020,35(02)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

算法處理加噪圖像效果圖

為了直觀評價算法效果，現(xiàn)分別用標準中值濾波（Standard median filter,SFM）算法、極值中值濾波（Extreme median filter,EM）算法[14]、自適應中值濾波（Improved adaptive median filter,IAM）算法[15]、基于直方圖的加權(quán)均值濾波算法（Histogram weighted filter,HWF)[16]和本文的連通檢測中值濾波算法（Connectivity detection median filter,CDM）分別處理加入0.1,0.3,0.5,0.7,0.9椒鹽噪聲的圖像，可以發(fā)現(xiàn)本文算法處理結(jié)果的視覺效果優(yōu)于其他算法。圖2中分別展示了對比算法中表現(xiàn)最好的改進自適應中值濾波算法、基于直方圖的加權(quán)均值濾波（HWF）算法與本文算法處理加入了0.1,0.5,0.9密度的椒鹽噪聲圖像的效果。

觀察圖3，可以發(fā)現(xiàn)整個噪聲率范圍內(nèi)本文的連通檢測濾波算法效果都要優(yōu)于其他算法。在0.1～0.7噪聲密度情況下，本文算法的PSNR值分別為42,36,33,32dB，始終比用于其他4個算法中表現(xiàn)最好的HWF算法高3dB；而在0.9的噪聲密度下，PSNR值為30dB，較HWF算法高5.5dB。從表1可知，在0.1～0.9的噪聲密度下，本文算法處理噪聲所需時間都要長于其他的4種算法，且所需時間隨著噪聲密度的增加而增加。這是因為在高密度噪聲的情況下，本文算法需要增加循環(huán)次數(shù)以消除噪聲點聚集在一起形成的更大的黑（白）斑塊。但即使是在0.9的噪聲密度下，算法的運行時間也只是85.54ms，仍在可接受的范圍內(nèi)。

【參考文獻】：
期刊論文
[1]基于開關(guān)二級檢測的圖像椒鹽噪聲濾波算法[J]. 鄭亮,方恩印,朱明.  液晶與顯示. 2019(01)
[2]改進的自適應中值濾波算法[J]. 黃文筆,戰(zhàn)蔭偉,陳家益,徐秋燕.  計算機系統(tǒng)應用. 2018(10)
[3]動態(tài)測量的高光譜圖像壓縮感知[J]. 閆歌,許廷發(fā),馬旭,張宇寒,王茜,譚翠媚.  中國光學. 2018(04)
[4]稀疏閾值的超分辨率圖像重建[J]. 何陽,黃瑋,王新華,郝建坤.  中國光學. 2016(05)
[5]對等組的快速開關(guān)型矢量中值濾波[J]. 鐘靈,章云.  計算機工程. 2010(22)
[6]基于極值檢測的圖像濾波算法[J]. 王紅梅,李言俊,張科.  激光與紅外. 2007(10)
[7]一種基于直方圖的加權(quán)均值濾波方法[J]. 唐彩虹,蔡利棟.  微計算機信息. 2006(13)
[8]一種基于極值的自適應中值濾波算法[J]. 茍中魁,張少軍,李忠富,金劍.  紅外與激光工程. 2005(01)



本文編號：3234938