基于多級中值濾波-提升小波技術的圖像去噪

1、基于多級中值濾波 提升小波技術的圖像去噪?yún)遣龞|1,江 樺2,邱曉初11.西華大學電氣信息學院,成都 610039;2.西南交通大學峨眉校區(qū)計算機與通信工程系,峨眉 614202提要:針對實際圖像含有椒鹽噪聲及高斯噪聲等混合噪聲,在中值濾波基礎上,采用一種改進型多級中值濾波技術抑制椒鹽噪聲。首先構造多級中值濾波器,找出混合噪聲的位置分布矩陣,然后對含噪圖像進行多級中值濾波;同時,對原始小波進行提升,構造提升小波,采用提升小波自適應閾值去噪方法抑制高斯噪聲。對含不同混合噪聲圖像進行去噪實驗。結果表明:采用本文方法,計算速度快,提高了圖像信噪比,圖像細節(jié)邊緣保護能力強,混合噪聲得到有效抑制,去噪效果

2、好。關鍵詞:多級中值濾波;提升小波;混合噪聲;圖像去噪中圖分類號:TP391 文獻標識碼:A 文章編號:0253-2743(201006-0023-02A denoising mixed noise method based on multistage median fliter and lifting wavelet technology WU Chang-dong 1,JIANG Hua 2,QIU Xiao-chu11.School of Electrical and Information Engineering,Xihua Univers ity.Chengdu 610039,Chi

3、na;2.School of Computer and Co mmunication Engineering,The E-mei Campus of Southwes t Jiao Tong University,e-mei 614202,ChinaAbs tract:Invie w of practical i mage including mixed noise with s al t &pepper and gaussian,an adaptive multis tage median fi lter technol ogy bas ed on median fil ter was ap

4、plied to denois ing salt &pepper noise.Firs tl y,multis tage medi an filter was constructed to find the matri x of mixed noise,Then image wi th mixed noise was filted,At the same ti me,a lif ting wavelet was constructed by li fti ng origi nal wavelet.The adaptive threshold based on lifting wavelet t

5、ransform for image denoising was applied to denoising gaus sian noi se.Through denoising vary of mi xed noi se,It is s hown that the proposed method has the virtues of s peeding the program,i mproving the signal-to-noi se ratio,protec ting edge information ,denoising the mixed well and good effec t.

6、K ey words :nul tis tage median fil ter;li fti ng wavelet;mi xed noise;i mage denoising收稿日期:2010-10-06基金項目:四川省教育廳自然科學研究重點項目(07Z A114 作者簡介:吳昌東(1978-,男,漢族,四川武勝縣人,講師,主要研究方向:信號與信息處理。圖像去噪是根據(jù)已知的帶噪圖像來估計原始圖像。對圖像進行去噪處理,首先需要分析噪聲類型和特點。常出現(xiàn)的噪聲一般都服從或近似服從高斯分布,但對于實際采集的圖像,例如貨車圖像,由于攝像機安裝在鐵軌兩側,圖像易受到鐵軌振動、空氣粉塵,電磁信號及自然環(huán)境

7、等特殊環(huán)境的影響,其中還會夾雜其它一些噪聲,如脈沖噪聲等,比較復雜。這些復雜的噪聲統(tǒng)稱為混合噪聲。由于混合噪聲含有較復雜的模型,僅僅采用傳統(tǒng)的小波去噪效果不是很好。雖然中值濾波法可有效抑制椒鹽噪聲,但它的去噪效果依賴于濾波窗口大小及參與中值計算的象素點數(shù)目,去噪后的圖像保護細節(jié)能力不夠強,不利于圖像的后續(xù)處理。而本文運用改進的多級中值濾波法不僅可以有效抑制椒鹽噪聲,并能很好的保護圖像細節(jié)。同時,在傳統(tǒng)小波去噪基礎上,采用提升小波自適應閾值去噪方法,不僅能有效的抑制高斯噪聲,并能減少去噪時間,提高圖像信噪比。因此,本文采用多級中值濾波與提升小波自適應閾值去噪法相結合方式抑制混合噪聲。1 多級中值

8、濾波器的構造中值濾波是一種非線性濾波,對椒鹽噪聲去噪效果較好。但去噪效果依賴于濾波窗口的大小及參與中值計算的象素點數(shù)目,同時,傳統(tǒng)的中值濾波操作是對所有象素采用統(tǒng)一處理,該過程雖然抑制了噪聲,但也改變了真正信號點的值,損失了圖像細節(jié),造成圖像邊緣模糊,不利于圖像的后續(xù)處理。為了既能抑制噪聲又能很好的保護圖像細節(jié),本文采用多級中值濾波器,這種濾波器利用了圖像細節(jié)結構比噪聲更具有確定的空間結構的特點,通過一組能夠較好匹配圖像細節(jié)的子窗口來有效區(qū)分信號結構和噪聲,從而達到保護細節(jié)結構和去噪的目的,能有效抑制脈沖噪聲的同時保護好圖像細節(jié),去噪效果好。多級中值濾波器的結構如圖1所示。圖1 多級中值濾波器

9、圖1的基本思想是找出整個脈沖噪聲的位置分布矩陣,為了兼顧去噪的同時保護好圖像細節(jié),對含噪圖像采用中值濾波法按噪聲位置分布矩陣進行濾波。由于噪聲是含正、負脈沖的椒鹽噪聲,因此需要將含噪圖像以閾值 k 分解為兩個二值圖像,其中, 、 分別為圖像的均值與標準差,k 為常數(shù),這樣可在抑制椒鹽噪聲的同時保護好圖像細節(jié)。中值濾波器med 的大小為5!5,MED 為3!3的中值濾波器,將兩個二值圖像分別經(jīng)med 濾波后求反運算,再與其濾波前的二值圖像求與運算,得到已被濾除的正、負脈沖噪聲的位置分布矩陣。將兩矩陣求或運算,得到整個脈沖噪聲的位置分布矩陣。最后采用MED 濾波器對含噪圖像中值濾波,得到濾波后圖像

10、,這樣不僅提高了去噪效率,而且去噪效果好。2 提升小波的構造基于提升方案的小波稱為提升小波。提升小波變換中,小波具有結構簡單、運算量低、原位運算、整數(shù)變換、運算速度快等特點。db9.7小波的重構誤差小,同時具備正交性、對稱性和緊支撐性,因此,本文將其作為小波基函數(shù),通過選擇合適系數(shù)來提升消失矩,使得提升后的lifting -9.7小波滿足需要。對db9.7小波,其濾波器為: h e (z = h 4(z 2+z -2+ h 2(z 1+z -1+ h 0,h o (z = h 3(z 2+z -1+ h 1(z +1P (z 存在因式分解:P (z =1 (1+z -10110!(1+z k

11、1(1z -10110#(1+z 1k 001/k (1其中, =-1.586134342,!=-0.05298011854=0.8829110762,#=0.4435068522,k=1.149604398則P(z =10- (1+z 11-!(1+z -10110-(1+z 11-#(+z -1011/k 00k (2因此,db9.7正向小波變換的提升實現(xiàn)算法為:s 0l =x 2l ,d 0l =x 2l+1;d 1l =d 0l + (s 0l +s 0l+1;s 1l =s 0l +!(d 1l +d 1l-1;d 2l =d 1l +(s 1l +s 1l+1;s 2l =s 1l

12、 +#(d 2l +d 2l-1;S l =k s 2l ,d l =d 2l /k 。其中,S j +1k 為下一級的概貌信號,d (j +1k為下一級的細節(jié)信號。提升后的小波保留了db9.7小波的雙正交性、對稱性和緊支撐性,而消失矩的增加使提升小波可更好地逼近信號,頻域定域性更好,可捕捉圖像中更多細節(jié),為變換后的小波系數(shù)進行分析提供了更多信息。3 混合噪聲的抑制對含噪圖像,首先對其進行多級中值濾波來抑制脈沖噪聲,然后對圖像進行小波分解,同時,為避免重構圖像的模糊,保護圖像的邊緣細節(jié)不受影響,考慮到各高頻子帶圖像中的噪聲分布特點,采用自適應閾值處理方法,通過對提升小波分解后的每個層次上的各方

13、向高頻系數(shù)矩陣進行分塊處理來確定閾值。最后對所有的子帶圖像進行小波逆變換,得到去噪后的圖像。根據(jù)圖2所示流程圖,可得到本文去噪方法的具體實現(xiàn)算法如下:step1:構造多級中值濾波器;step2:對含噪圖像進行多級中值濾波處理;step3:對db9.7做提升,提升2階消失矩,構成lifting-9.7小波;step4:對去除椒鹽噪聲后的圖像用lifting -9.7小波將其進行3層提升分解,獲取高頻系數(shù);step5:獲取自適應閾值;23step6:用li ftin g-9.7小波對圖像進行逆變換,獲得去噪圖像。圖2 抑制混合噪聲流程圖采用圖2所示方法,可對混合噪聲進行有效抑制,便于圖像的后續(xù)處理

14、。4 圖像去噪仿真實驗對含有混合噪聲的lena圖像進行去噪實驗,各種去噪方法結果如圖3所示。其中,圖(a為lena原始圖像,圖(b為含密度為0.02的椒鹽噪聲圖像;圖(c為含有均值為0,方差為20高斯白噪聲圖像;圖(d為同時含上述兩種噪聲的混合噪聲圖像;圖(e為采用多級中值濾波對含混合噪聲圖像去噪結果,去噪后的圖像保持邊緣能力強,抑制椒鹽噪聲效果好;圖(f為采用小波軟閾值去噪后圖像,去噪效果較好,但去噪后的圖像稍顯模糊;圖(g為采用提升小波法去噪,去噪效果比較好,圖像去噪前后的能量保持能力強,所用時間少,但抑制椒鹽噪聲能力不足?；诖?本文將多級中值濾波與提升小波自適應閾值法相結合,可彌補彼此

15、的缺陷,使去噪能力更強,去噪效果如圖(h所示,圖(h中,混合噪聲得到了很好的抑制,邊緣保持能力強, 去噪效果好。圖3 lena圖像去噪實驗衡量去噪效果的各種指標如表1所示。表1中,代表椒鹽噪聲強度;( , 代表高斯噪聲的均值與方差;MSE代表均方誤差;SNR為去噪性噪比(單位:dB;TIME為去噪所用時間(單位:s。對含有不同混合噪聲的lena圖像及fruits圖像采用多級中值濾波,小波去噪,提升小波去噪及本文方法進行去噪實驗,衡量實驗效果指標如表1所示。表1 lena圖像去噪實驗結果Denoisi ng method Different noise;( , Lena FruitSNR/dB

16、MSE TIME(sSNR/dB MSE TIME(s由表1可知,隨著混合噪聲的加強,圖像信噪比SNR有所下降,去噪時間有所增加,但整個去噪效果較好。此外,采用提升小波比采用傳統(tǒng)小波抑制高斯噪聲的能力要稍強一些;同時,去噪所需時間明顯減少,這是采用提升小波的優(yōu)點。最后采用本文介紹的多級中值濾波與提升小波相結合方法對含混合噪聲圖像去噪,雖然所需時間較長,但去噪效果明顯好于前幾種方法,抑制混合噪聲效果好,保持邊緣能力強。5 結論本文利用中值濾波抑制椒鹽噪聲能力強的優(yōu)點,在中值濾波的基礎上,構建了多級中值濾波器來抑制椒鹽噪聲,其去噪效果好,保持邊緣能力強;利用提升小波抑制高斯噪聲能力強,去噪時間少的

17、優(yōu)點,在傳統(tǒng)小波基礎上構建了提升小波來抑制高斯噪聲;最后采用兩者相結合方式抑制圖像混合噪聲,去噪效果好,圖像邊緣也得到有效保護,利于圖像后續(xù)處理。本文算法的特點主要有:(1采用多級中值濾波對含混合噪聲圖像去噪處理,抑制圖像的椒鹽噪聲效果好;(2采用提升小波對含混合噪聲圖像去噪處理,抑制圖像的高斯噪聲效果好;(3采用多級中值濾波與提升小波相結合方法對含混合噪聲圖像去噪處理,抑制圖像混合噪聲效果好,邊緣保持能力強;(4實現(xiàn)了對不同尺度的圖像信號進行非線性增強,去噪的同時較好地保留了圖像細節(jié)信息,視覺效果好,層次感豐富。由于實際應用中很多采集的圖像均含有混合噪聲,為了對圖像便于準確分析與處理,需要對

18、圖像進行去噪處理。因此,本文去噪方法在實際應用中具有重要意義。參考文獻%1& Mahbubur Rahman S M,Ka murul Has an Md.Wavelet-domain iterative center wei ghted median filter for i mage denoising%J&.SignalProcessing,2003,83(5:1001-1012.%2& LIN Rui,Z HANG Yu-jin.A hybrid filter for the cancellation of mixed Gaussian noise and impulse noise%J&.ICICS-PCM2003,Si ngapore,2003,508-512.%3& LI Hong-gang,WANG Qiao etc.A novel desi gn of Li fting Scheme from General Wavelet%J&.Signal Processing,IEEE,Transaction