(1)极端值脉冲噪声。其特点是受干扰的象素的灰度值随机地在两个固定灰度值Smin和Smax,或者它们的附近取值。其中,Smin和Smax分别为图像灰度动态范围的极小值和极大值,例如,对于256级灰度图像,Smin=0,Smax=255。在很多文献中,常常把这种噪声称椒盐噪声。其数学模型可表示为:
#%%%%$%%%%&
象素Sij的灰度等级共现几率Pij越大,表明在Sij周围的象素中,与象素Sij处于同一灰度等级的象素数目就越多,也就是说,Sij与周围象素的相关性越大,Sij的噪声可信度越小,因此,
Pij可以作为噪声可信度函数。下面给出一个例子说明和噪声可
信度的关系:
由于噪声是[0,255]均匀分布的,即噪声处于Sij这一灰度值上的可能性只有1
Sij′=
Smin,Smin+!"!
Smax-!,Smax"!
Sij
withprobabilityp/2withprobabilityp/2withprobability1-p
(1)
≈0.39%,设灰度等级宽度!=20,则噪
其中,Sij′为噪声图像的灰度值,Sij′为原始图像的灰度值,p为图像的噪声密度,!为噪声范围。
(2)随机值脉冲噪声。随机值脉冲噪声是一种更为一般化的脉冲噪声,即受干扰的象素的灰度值是按照一定的分布,随机、独立地在区间[,Smax]内取值。其数学模型可表示为:
声的灰度值落入[Sij-!,Sij+!]范围内的几率只有40≈15.6%。以噪声密度为60%的图像为例,则噪声的灰度值落入[Sij-!,
Sij+!]范围内的几率为15.6%×60%=9.2%。因此,在60%的随机
值脉冲噪声污染图像中,取灰度等级宽度!=20,若象素Sij的灰度等级共现几率Pij接近或小于9.2%时,则可将Sij判为噪声象素,若Pij远大于9.2%时,可将Sij判为信号象素。
对于光滑自然图像,当区域WP足够大时,灰度等级共现几率P和相应灰度值x应有类似于图1所示的关系:
Sij′=
’
nijSij
withprobabilitypwithprobability1-p
(2)
其中,nij∈[Smin,Smax],它是按一定的分布,在[Smin,Smax]中随机独立地取值。
在极端脉冲噪声污染图像中,噪声象素和它周围信号象素的灰度值相差较大且相关性差,而信号象素之间有很大的相关性,利用这些特点很容易设计定位准确性高的噪声可信度函
13]
数,容易取得较好的滤波效果[8~。而在随机值脉冲噪声污染图
像中,虽然噪声象素和它周围信号象素的灰度值相关性也不大,但噪声象素的特点不明显,噪声可信度函数设计困难,噪声定位准确率低,因此很难取得好的滤波效果。
现有文献大多侧重对固定值脉冲噪声的讨论,且对固定值脉冲噪声和随机值脉冲噪声采用统一的滤波方法,滤波效果不理想[8,9,11,12]。本文以自然的灰度图像为例,针对噪声灰度值nij均匀分布的情况进行讨论,并设计相应的滤波算法。
3算法描述
3.1灰度等级共现几率
灰度分辨率是数字图像的一个重要特征,通常用可分辨的灰度等级个数表示。例如,8位的灰度图像可分辨256个灰度等级。人眼的灰度分辨率较低,一般只能分辨32个左右的等级。因此,在图像处理中,适当地降低灰度分辨率并不会影响图像的视觉效果。以待处理图像为基准,若用"=2!的灰度分辨率处理图像,则区间[x-!,x+!]内的灰度与x不可分辨。或者说,在
从图1可见,不管是在边缘区域还是在图像块内区域,大部分噪声象素的灰度等级共现几率都比信号象素的灰度等级共现几率小得多。本文就是利用这一性质设计的滤波算法。
"分辨率下,灰度[x-!,x+!]和x属于同一灰度等级。
在某一局部区域内,若处于同一灰度等级的象素越多,则表示该区域的象素的相关性越大。为了描述某一象素与其周围象素之间的相关性,我们引入灰度等级共现几率这一概念:
在以象素Sij为中心的局部区域中,与象素Sij处于同一灰度等级([Sij-!,Sij+!])的象素所占的比例,称为象素Sij的灰度等级共现几率,记为Pij(!为等级宽度)。
用|WP|表示区域WP内象素的总数,Hij表示在WP区域内与象素Sij的灰度值之差小于!的象素集合,即:
3.2算法流程
人类视觉系有一个很重要的特性,即在注视过程中其分辨率是根据注意机制改变的。例如,人在看一幅图像时,并不是第一眼就看清图像所有的细节,而是先用较低的分辨率把握图像的总体结构,然后再根据自己的兴趣用较高的分辨率注视图像的细节。这一特性可以减少视觉系统的信息处理量,提高处理速度。我们将人类视觉系统这一变分辨率的特性引入噪声定位过程中,先以较低的灰度分辨率(")及空间分辨率(WP)对噪声进行粗定位,将相关性较小的噪声分离出来,然后再以较高分辨率对噪声进行细定位,逐步提高噪声定位的准确性。
算法分为噪声定位和噪声滤除两部分:(1)噪声定位阶段
步骤:噪(非),将
Skl|Skl∈Wp,且|Skl-Sij|)!*Hij=’
几率Pij为:

(3)
用|Hij|表示集合Hij内象素的个数,则Sij的灰度等级共现
Pij=16
|Hij|
P(4)
2006.16计算机工程与应用
一种简单的椒盐噪声滤波算法董继扬 张军英 ( 西安...* 会产生一些脉冲噪声, 会在图像中引起黑色 (白色...灰度图像中随机均匀地加入等量的、 为了比较不同噪声...
为提高滤波算法对噪声密度的鲁棒性, 〔 在滤波窗口中去除具有最大和最小灰度值...· Laser,2003, . 14( 12) : 1336 - 1339. ( in Chinese) 董继扬, 张...
高斯噪声; 通过多种算法完成对高斯噪声的滤波; 还原...董继扬.基于脉冲耦合神经网络的灰度图像边缘提取....它不但自身是一随机过程,对信号的 干扰程度还与...
( 1 ) 红外图像的对比度较低 ,灰度值范围较窄 ; ( 2 ) 红外图像噪声大 ...[4] 张军英 ,樊秀菊 ,董继扬 ,等 . 一种改进型脉冲耦合神经网络及其图像...
庄志国 ,孙惠军 ,董继扬 3 ,陈 忠 M = G (... 噪声 、 图像离散化等因素 的影响 , 角点值的... 采用随机采样算法 ( Rando m Sample Co nsensus ...
算法及其在 图像拼接中的应用庄志国,孙惠军,董继扬...[83提出的一种 信息,因此匹配结果容易受到噪声,图像...的角点对坐 标,采用随机采样算法(Random Sample ...
[9] 董继扬,张军英. 一种简单的椒盐噪声滤波算法[J]. 计算机工程与应用,... 登录百度文库,专享文档复制特权,财富值每天免费拿!现在就登录>> 你可能喜欢...
研究中的应用董继扬1 , 徐 1 , 曹红婷1 , 戴... 这些共振峰又存在随机的漂移 、 重叠和噪声等现象...bono mics ( 基于 NMR 代谢组学的脉冲序列优化) ...
研究中的应用董继扬1 , 徐 1 , 曹红婷1 , 戴... 这些共振峰又存在随机的漂移 、 重叠和噪声等现象...bono mics ( 基于 NMR 代谢组学的脉冲序列优化) ...
热门文档