基于多級中值濾波-提升小波技術(shù)的圖像去噪

1、基于多級中值濾波 提升小波技術(shù)的圖像去噪?yún)遣龞|1,江 樺2,邱曉初11.西華大學(xué)電氣信息學(xué)院,成都 610039;2.西南交通大學(xué)峨眉校區(qū)計算機(jī)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(chǔ)上,采用一種改進(jìn)型多級中值濾波技術(shù)抑制椒鹽噪聲。首先構(gòu)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(jìn)行多級中值濾波;同時,對原始小波進(jìn)行提升,構(gòu)造提升小波,采用提升小波自適應(yīng)閾值去噪方法抑制高斯噪聲。對含不同混合噪聲圖像進(jìn)行去噪實驗。結(jié)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(xì)節(jié)邊緣保護(hù)能力強(qiáng),混合噪聲得到有效抑制,去噪效果

2、好。關(guān)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(xiàn)標(biāo)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 wa

4、s applied 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 w

5、avelet transform 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

6、effec t.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(xué)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(jìn)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(jī)安裝在鐵軌兩側(cè),圖像易受到鐵軌振動、空氣粉塵,電

7、磁信號及自然環(huán)境等特殊環(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(fù)雜。這些復(fù)雜的噪聲統(tǒng)稱為混合噪聲。由于混合噪聲含有較復(fù)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(hù)細(xì)節(jié)能力不夠強(qiáng),不利于圖像的后續(xù)處理。而本文運(yùn)用改進(jìn)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(hù)圖像細(xì)節(jié)。同時,在傳統(tǒng)小波去噪基礎(chǔ)上,采用提升小波自適應(yīng)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(yīng)閾值去噪法相結(jié)合方式抑制混合噪

8、聲。1 多級中值濾波器的構(gòu)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(xì)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(hù)圖像細(xì)節(jié),本文采用多級中值濾波器,這種濾波器利用了圖像細(xì)節(jié)結(jié)構(gòu)比噪聲更具有確定的空間結(jié)構(gòu)的特點,通過一組能夠較好匹配圖像細(xì)節(jié)的子窗口來有效區(qū)分信號結(jié)構(gòu)和噪聲,從而達(dá)到保護(hù)細(xì)節(jié)結(jié)構(gòu)和去噪的目的,能有效抑制脈沖噪聲的同時保護(hù)好圖像細(xì)節(jié),去噪效果好。多級中值濾波器的結(jié)構(gòu)如圖1所示。圖1

9、 多級中值濾波器圖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(hù)好圖像細(xì)節(jié),對含噪圖像采用中值濾波法按噪聲位置分布矩陣進(jìn)行濾波。由于噪聲是含正、負(fù)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(biāo)準(zhǔn)差,k 為常數(shù),這樣可在抑制椒鹽噪聲的同時保護(hù)好圖像細(xì)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(yùn)算,再與其濾波前的二值圖像求與運(yùn)算,得到已被濾除的正、負(fù)脈沖噪聲的位置分布矩陣。將兩矩陣求或運(yùn)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

10、,得到濾波后圖像,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(gòu)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(jié)構(gòu)簡單、運(yùn)算量低、原位運(yùn)算、整數(shù)變換、運(yùn)算速度快等特點。db9.7小波的重構(gòu)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

11、!(1+z k 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

12、2l =s 1l +#(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(xì)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(xì)節(jié),為變換后的小波系數(shù)進(jìn)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(jìn)行多級中值濾波來抑制脈沖噪聲,然后對圖像進(jìn)行小波分解,同時,為避免重構(gòu)圖像的模糊,保護(hù)圖像的邊緣細(xì)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(yīng)閾值處理方法,通過對提升小波分解后的

13、每個層次上的各方向高頻系數(shù)矩陣進(jìn)行分塊處理來確定閾值。最后對所有的子帶圖像進(jìn)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(gòu)造多級中值濾波器;step2:對含噪圖像進(jìn)行多級中值濾波處理;step3:對db9.7做提升,提升2階消失矩,構(gòu)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(jìn)行3層提升分解,獲取高頻系數(shù);step5:獲取自適應(yīng)閾值;23step6:用li ftin g-9.7小波對圖像進(jìn)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(jìn)行有效抑制,便

14、于圖像的后續(xù)處理。4 圖像去噪仿真實驗對含有混合噪聲的lena圖像進(jìn)行去噪實驗,各種去噪方法結(jié)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(jié)果,去噪后的圖像保持邊緣能力強(qiáng),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(qiáng),所用時間少,但抑制椒鹽噪聲能力不足。基于此,本文將多級中值濾波與提升小波自適應(yīng)閾值法相

15、結(jié)合,可彌補(bǔ)彼此的缺陷,使去噪能力更強(qiáng),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(qiáng), 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(biāo)如表1所示。表1中,代表椒鹽噪聲強(qiáng)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(jìn)行去噪實驗,衡量實驗效果指標(biāo)如表1所示。表1 lena圖像去噪實驗結(jié)果Denoisi ng method Different noise;( , Lena Frui

16、tSNR/dB MSE TIME(sSNR/dB MSE TIME(s由表1可知,隨著混合噪聲的加強(qiáng),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(qiáng)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(jié)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(qiáng)。5 結(jié)論本文利用中值濾波抑制椒鹽噪聲能力強(qiáng)的優(yōu)點,在中值濾波的基礎(chǔ)上,構(gòu)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(qiáng);利用提升小波抑制高斯噪聲能力

17、強(qiáng),去噪時間少的優(yōu)點,在傳統(tǒng)小波基礎(chǔ)上構(gòu)建了提升小波來抑制高斯噪聲;最后采用兩者相結(jié)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(hù),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(jié)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(qiáng);(4實現(xiàn)了對不同尺度的圖像信號進(jìn)行非線性增強(qiáng),去噪的同時較好地保留了圖像細(xì)節(jié)信息,視覺效果好,層次感豐富。由于實際應(yīng)用中很多采集的圖像均含有混合噪聲,為了對圖像便于準(zhǔn)確分

18、析與處理,需要對圖像進(jìn)行去噪處理。因此,本文去噪方法在實際應(yīng)用中具有重要意義。參考文獻(xiàn)%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,Transactions on,2001,49(3:1714-1716.%4&