基于粗糙集理論和自適應(yīng)的圖像中值濾波改進(jìn)算法.pdf

1、圖像信號(hào)在產(chǎn)生、傳輸和記錄過(guò)程中，經(jīng)常會(huì)受到各種噪聲的干擾，這破壞了圖像的視覺(jué)效果，嚴(yán)重影響了邊緣檢測(cè)、圖像分割等后續(xù)處理的進(jìn)行。因此，采用適當(dāng)?shù)姆椒p少噪聲(即對(duì)圖像進(jìn)行濾波)是一項(xiàng)非常重要的工作。圖像的噪聲有很多種，其中，脈沖噪聲是最為常見(jiàn)的一種形式。
　　 目前，圖像濾波常用的方法包括線性濾波技術(shù)和非線性濾波技術(shù)。在進(jìn)行圖像處理時(shí)，傳統(tǒng)的線性濾波器雖然能夠?yàn)V除噪聲，但同時(shí)往往會(huì)使邊緣等圖像細(xì)節(jié)嚴(yán)重模糊，而且脈沖噪聲不能得以

2、有效濾除。非線性濾波對(duì)脈沖信號(hào)具有良好的抑制能力，在一定程度上克服了線性濾波器的缺點(diǎn)。中值濾波作為非線性濾波方法的代表，雖然能夠有效地去除脈沖噪聲，但是同時(shí)會(huì)損失圖像中一些重要的細(xì)節(jié)信息。在這種情況下，許多改進(jìn)的中值濾波算法應(yīng)運(yùn)而生，本文在這些成果的基礎(chǔ)上對(duì)中值濾波算法進(jìn)行了深入研究。
　　 文章首先闡述了圖像去噪的研究意義和應(yīng)用價(jià)值，對(duì)圖像去噪的發(fā)展概況進(jìn)行了全面的綜述，并概括了圖像去噪的研究熱點(diǎn)和趨勢(shì)。然后介紹了圖像去噪的基

3、本理論，詳細(xì)研究了標(biāo)準(zhǔn)中值濾波算法及其改進(jìn)算法。為了改善中值濾波算法的性能，提高圖像去噪的質(zhì)量，本文主要在以下方面做了工作：
　　 （1）圖像信息自身的復(fù)雜性和較強(qiáng)的相關(guān)性，使得圖像處理過(guò)程中不可避免地存在不完整和不確定的問(wèn)題，而這正是粗糙集理論的研究?jī)?nèi)容。結(jié)合粗糙集理論的研究成果，提出一種新的中值濾波算法。通過(guò)判斷像素屬性，利用不可分辨關(guān)系將圖像像素區(qū)分為噪聲像素和信號(hào)像素，對(duì)噪聲像素進(jìn)行中值濾波而保持其他像素灰度值不變。模糊

4、隸屬度還被應(yīng)用到判斷像素屬性的過(guò)程中，收到良好效果。實(shí)驗(yàn)結(jié)果顯示，這種方法具有較好的圖像去噪效果和細(xì)節(jié)保護(hù)性能。
　　 （2）在眾多中值濾波的改進(jìn)算法中，自適應(yīng)中值濾波算法在去除脈沖噪聲的過(guò)程中顯示出其優(yōu)越的性能。本文在對(duì)自適應(yīng)中值濾波算法進(jìn)行研究之后，針對(duì)其存在的問(wèn)題，結(jié)合自適應(yīng)中值濾波在去除脈沖噪聲過(guò)程中的優(yōu)點(diǎn)，給出了一種改進(jìn)的自適應(yīng)中值濾波算法。首先根據(jù)脈沖噪聲的特性檢測(cè)噪聲，并引入最大差異，避免將高頻信號(hào)誤判為噪聲；然后

5、對(duì)噪聲像素灰度值的估計(jì)方法作了改進(jìn)，根據(jù)像素灰度值的分布進(jìn)行濾波。實(shí)驗(yàn)表明，此方法具有實(shí)用性和有效性。
　　 （3）在RGB空間中，由于彩色圖像的任一像素點(diǎn)都有R、G、B三個(gè)顏色分量值，只要有一個(gè)顏色分量受到噪聲污染，就會(huì)對(duì)該像素的顏色產(chǎn)生影響?，F(xiàn)有的矢量方法雖然在進(jìn)行去噪處理時(shí)考慮了三個(gè)顏色分量之間的聯(lián)系，但是因?yàn)槭茉肼曃廴军c(diǎn)也參與輸出值的形成過(guò)程，就使得到的輸出值不可避免地含有噪聲污染。為了改善去噪效果，將改進(jìn)的自適應(yīng)中值濾