基于多級(jí)中值濾波-提升小波技術(shù)的圖像去噪

1、基于多級(jí)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(jì)算機(jī)與通信工程系,峨眉 614202提要:針對(duì)實(shí)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(jí)中值濾波技術(shù)抑制椒鹽噪聲。首先構(gòu)造多級(jí)中值濾波器,找出混合噪聲的位置分布矩陣,然后對(duì)含噪圖像進(jìn)行多級(jí)中值濾波;同時(shí),對(duì)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(duì)含不同混合噪聲圖像進(jìn)行去噪實(shí)驗(yàn)。結(jié)果表明:采用本文方法,計(jì)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(jí)中值濾波;提升小波;混合噪聲;圖像去噪中圖分類號(hào):TP391 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):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(xiàng)目:四川省教育廳自然科學(xué)研究重點(diǎn)項(xiàng)目(07Z A114 作者簡(jiǎn)介:吳昌東(1978-,男,漢族,四川武勝縣人,講師,主要研究方向:信號(hào)與信息處理。圖像去噪是根據(jù)已知的帶噪圖像來估計(jì)原始圖像。對(duì)圖像進(jìn)行去噪處理,首先需要分析噪聲類型和特點(diǎn)。常出現(xiàn)的噪聲一般都服從或近似服從高斯分布,但對(duì)于實(shí)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(dòng)、空氣粉塵,電磁信號(hào)及自然環(huán)境

7、等特殊環(huán)境的影響,其中還會(huì)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(jì)算的象素點(diǎn)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(jí)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(shí),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(shí)間,提高圖像信噪比。因此,本文采用多級(jí)中值濾波與提升小波自適應(yīng)閾值去噪法相結(jié)合方式抑制混合噪聲。1 多級(jí)中值

8、濾波器的構(gòu)造中值濾波是一種非線性濾波,對(duì)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(jì)算的象素點(diǎn)數(shù)目,同時(shí),傳統(tǒng)的中值濾波操作是對(duì)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(hào)點(diǎn)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(jí)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(diǎn),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(hào)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(shí)保護(hù)好圖像細(xì)節(jié),去噪效果好。多級(jí)中值濾波器的結(jié)構(gòu)如圖1所示。圖1 多級(jí)中值濾波器

9、圖1的基本思想是找出整個(gè)脈沖噪聲的位置分布矩陣,為了兼顧去噪的同時(shí)保護(hù)好圖像細(xì)節(jié),對(duì)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(gè)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(shí)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(gè)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(gè)脈沖噪聲的位置分布矩陣。最后采用MED 濾波器對(duì)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(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(jiǎn)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(diǎn)。db9.7小波的重構(gòu)誤差小,同時(shí)具備正交性、對(duì)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(duì)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(shí)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(jí)的概貌信號(hào),d (j +1k為下一級(jí)的細(xì)節(jié)信號(hào)。提升后的小波保留了db9.7小波的雙正交性、對(duì)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(hào),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(duì)含噪圖像,首先對(duì)其進(jìn)行多級(jí)中值濾波來抑制脈沖噪聲,然后對(duì)圖像進(jìn)行小波分解,同時(shí),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(diǎn),采用自適應(yīng)閾值處理方法,通過對(duì)提升小波分解后的每個(gè)層次上的各方

13、向高頻系數(shù)矩陣進(jìn)行分塊處理來確定閾值。最后對(duì)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(shí)現(xiàn)算法如下:step1:構(gòu)造多級(jí)中值濾波器;step2:對(duì)含噪圖像進(jìn)行多級(jí)中值濾波處理;step3:對(duì)db9.7做提升,提升2階消失矩,構(gòu)成lifting-9.7小波;step4:對(duì)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(duì)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(duì)混合噪聲進(jìn)行有效抑制,便于圖像的后續(xù)處理

14、。4 圖像去噪仿真實(shí)驗(yàn)對(duì)含有混合噪聲的lena圖像進(jìn)行去噪實(shí)驗(yàn),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(shí)含上述兩種噪聲的混合噪聲圖像;圖(e為采用多級(jí)中值濾波對(duì)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(shí)間少,但抑制椒鹽噪聲能力不足?；诖?本文將多級(jí)中值濾波與提升小波自適應(yīng)閾值法相結(jié)合,可彌補(bǔ)彼此

15、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(shí)驗(yàn)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(shí)間(單位:s。對(duì)含有不同混合噪聲的lena圖像及fruits圖像采用多級(jí)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(shí)驗(yàn),衡量實(shí)驗(yàn)效果指標(biāo)如表1所示。表1 lena圖像去噪實(shí)驗(yàn)結(jié)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(qiáng),圖像信噪比SNR有所下降,去噪時(shí)間有所增加,但整個(gè)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(shí),去噪所需時(shí)間明顯減少,這是采用提升小波的優(yōu)點(diǎn)。最后采用本文介紹的多級(jí)中值濾波與提升小波相結(jié)合方法對(duì)含混合噪聲圖像去噪,雖然所需時(shí)間較長(zhǎng),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(diǎn),在中值濾波的基礎(chǔ)上,構(gòu)建了多級(jí)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強(qiáng),去噪時(shí)間少的

17、優(yōu)點(diǎn),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(diǎn)主要有:(1采用多級(jí)中值濾波對(duì)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(duì)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(jí)中值濾波與提升小波相結(jié)合方法對(duì)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(shí)現(xiàn)了對(duì)不同尺度的圖像信號(hào)進(jìn)行非線性增強(qiáng),去噪的同時(shí)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(shí)際應(yīng)用中很多采集的圖像均含有混合噪聲,為了對(duì)圖像便于準(zhǔn)確分析與處理,需要對(duì)

18、圖像進(jìn)行去噪處理。因此,本文去噪方法在實(shí)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,Transaction