一种改进的加权滤波去噪算法

吕振伟

(太原大学 基础部，山西 太原 030032)

0 引言

图像在生成和传输过程中，经常会受到各种噪声的干扰，严重的影响了图像的视觉效果。因此去除噪声成为一个极为重要的技术问题，目前，均值滤波方法和中值滤波算法是最常用的两种滤波方法。它们对不同的噪声有不同的去噪特性，如均值滤波算法对细线噪声有很好的去噪效果，而对脉冲噪声的去噪能力确很差，而中值滤波对脉冲噪声的去噪声效果很好，而对细线噪声及噪声严重时去噪效果很差。为了解决这一问题，多年来人们一直致力于单一滤波器的改进，并取得了明显的效果。如文献[1]中利用图像的邻域信息去噪，而对图像细节不是保存的不是很好。文献[2]中对中值滤波器改为了自适应中值滤波，滤波效果较好，但是算法复杂，计算量大。文献[3]中也是用混合滤波器滤波，但不易实现，而且当噪声严重时容易误判。基于此，本文提出了一种自适应混合加权滤波算法，该算法首先对象素进行检测，检测出噪声和图像象素，保留图像象素对噪声进一步检测区分出脉冲噪声和细线噪声。最后对脉冲噪声和细线噪声分别用加权中值滤波算法和模糊加权均值滤波算法滤波，与其它算法相比，本文的算法对噪声的判断更为准确，滤波方式更加合理，对图像细节保留较好，具有更好的滤波性能。

1 噪声的检测

我们用改进的噪声检测方法进行检测。用3×3的检测窗口滑过图像的每一个像素，设图像中一点(i，j)为待检测像素，其灰度值为 x(i，j)，在(i，j)的上下左右四个方向定义四个邻域，分别用A1，A2，A3，A4表示各个邻域的均值。

图1 邻域四周的均值

其中Tb表示阀值基值，其值为(0，255)，可根据试验效果人为的调整大小。阀值T(i，j)与Ai的函数关系如图:

图2 阀值与的函数关系

确定了阀值之后，则进行判断中心像素灰度值与周围四个邻域灰度值的差的绝对值小于阀值时，即 x(i，j)满足

则x(i，j)点可能为噪声，需做进一步检测。取一值σ(σ可根据实验结果选取)，且σ＞0，当x(i，j)＞σ 或 x(i，j)＜255 － σ 时，即可断定 x(i，j)为噪声。至此，已把检测窗口内的元素分为噪声和像素。

2 去除噪声

我们用改进的滤波方法进行滤波。首先选择常用的4种滤波窗口，对线性窗口进行加权组合。

图3 中值滤波的四个窗口

3 实验仿真

图a 原图

图b 加了0.75的噪声图

图c 中值滤波后的图像

图d 均值滤波后的图像

图e 自适应滤波后的图像

图f 本文滤波后的图像

表1 实验比较的均方误差MSE和峰值信噪比PSNR

4 小结

以上是各种方法的滤波结果，从视觉上可以看出本文的滤波效果较令人满意。表1是对噪声密度0.75时的检测结果，在试验中我们得出取δ=10到40之间的数，而Tb=190到256之间的数，试验效果比较好。从表中的数据可以看出，传统中值滤波，传统均值滤波对混合噪声的检测力度不好，误检率和漏检率也高，而本文的滤波方法的峰值信噪比要高于其它的方法，均方误差小于其它的方法，可见本文的滤波方法较好于其它的滤波方法。

[1]金顺哲，谈新权.图像脉冲噪声的模糊检测与消除[J].通信技术，2000，3(11).

[2]卢晶晶，方中华，孙胜利.一种自适应的加权均值滤波器[J].传感技术学报，2005，48(4).

[3]关新平，赵立兴，唐英干.图像去噪混合滤波方法[J].中国图像图形学报，2003，10(3).

[4]陈晓童，王保平.一种新型的图像去噪滤波器[J].河北理工学院学报，2003，25(2).

[5]倪臣敏，陈孝春.一种改进的自适应中值滤波算法[J].中国图像图形学报，2006，11(5).

[6]韩晓微，范立南，徐心和.一种基于脉冲噪声检测的图像均值滤波方法[J].计算机工程与应用，2004(2).

[7]Sun T，Ncuvo Y.Detail.Preserving median based filters in image processing[J].Pattern Rccognit Lett，1994(15).

[8]W.Y.Han ，J.C.Lin.Minimum － maxmum exclusive meamfilter to remove impulse noise from highly corrupted image[J].Electron Lett，1997(33).

[9]C.S.Lee，Y.H.Kno，P.T.Yu.Weighted fuzzy mean filter for image processing[J].Fuzzy Sets Syst，1997(15).