去除數(shù)字圖像脈沖噪聲的算法研究.pdf

1、圖像在采集、傳輸和接收過程中，因為外界環(huán)境、傳感器元件質(zhì)量等因素干擾，經(jīng)常會引入不同類型的噪聲導(dǎo)致圖像質(zhì)量的下降，脈沖噪聲便是其中之一。若不能有效地去除圖像中的脈沖噪聲，則會影響之后的圖像分析、處理等操作。本篇論文分析了常見的五種脈沖噪聲模型，根據(jù)這些模型中噪聲像素灰度值的大小和分布特點，在中值濾波算法基礎(chǔ)上，設(shè)計出了相應(yīng)的新算法，主要工作包括:
　　(1)針對8位圖像中，固定值脈沖噪聲像素的灰度值為0或者255，選擇濾波窗口邊界

2、的信號像素均值來代替噪聲像素或者采用疑似噪聲像素周圍的信號像素進行第一步濾波后，利用濾波結(jié)果對噪聲像素的灰度值進行更新;對于第二步濾波，仍然使用疑似噪聲像素周圍的信號像素均值對其進行替代操作，實驗結(jié)果證明兩種方法不僅去除噪聲效果良好，而且運算時間要遠小于當(dāng)前一些常用的算法。
　　(2)針對低灰度值、高灰度值區(qū)域分布長度都相同的隨機值脈沖噪聲模型，由當(dāng)前濾波窗口中心像素的灰度值及窗口內(nèi)灰度值屬于噪聲區(qū)域的像素個數(shù)，初步判斷當(dāng)前像素的

3、屬性;對于疑似噪聲像素，再根據(jù)其與周圍“米”字形區(qū)域內(nèi)的極值的大小關(guān)系，判斷當(dāng)前像素是否為噪聲像素。實驗結(jié)果表明，即使圖像中含有大量平坦區(qū)域時，使用該算法去除脈沖噪聲的效果依然良好。
　　(3)針對復(fù)雜度最高的脈沖噪聲模型，即低灰度值區(qū)域和高灰度值區(qū)域分布長度和密度都不相同，利用灰度直方圖構(gòu)造灰度直方圖差分矩陣和每個灰度值的像素平均個數(shù)，進而求出判斷像素屬性的兩個邊界b1和b2;其次，優(yōu)先濾波周圍信號點個數(shù)較多的噪聲像素，通過不斷