一种自适应双阈值模糊中值滤波算法的研究

《一种自适应双阈值模糊中值滤波算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一种自适应双阈值模糊中值滤波算法的研究【摘要】通过对图像处理中噪声过滤现状的研究，特别是针对椒盐噪声的处理，介绍了一种自适应双阈值模糊中值滤波算法。研究了该算法的整体流程，主要步骤是用滤波窗口处理图像时，计算出滤波窗口中像素的最小值、最大值、中值与平均值。把当前像素值与中值的差值作为模糊系统的输入，并设定两个阈值，小于最小阈值表明该点不是噪声点，介于两阈值间认为是轻度污染，然后利用隶属函数计算加权系数，代入去模函数去掉模糊。当大于最大阈值时，该点己严重污染，根据该点邻域已处理的像素点求均值。实验证实了该算法比其他去噪算法的效果好。【关

2、键词】椒盐噪声双阈值隶属函数1引言噪声主要在数字图像的获取和传输过程中产生，一般是不可预测的随机信号，只能用概率统计的方法去识别。噪声对图像处理十分重要，其会影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程。其中，椒盐噪声一般是由于传输误差或比特丢失造成的。椒盐噪声与其他的像素点有明显的区别，一般是邻域中的像素值的极值点。但是极值点并不一定是噪声点。椒盐噪声在图像上表现出黑白相间的壳暗点，会严重影响图像的质量。传统中值滤波算法（SMF）［1］能够减弱或消除傅里叶空间的高频分量，但是同时会影响低频分量。由于高频分量对应图像中

3、的边沿灰度值具有较大较快变化的部分，所以SMF算法可将这些分量滤除，使图像平滑，破坏图像的边缘和细节。文献［2］提出了模糊开关中值滤波算法（FSM），FSM算法处理效果比SMF算法要好一点。文献［3］提出了自适应模糊开关中值滤波（NAFSM）算法。文献［4］提出了EDPA算法。文献［5］和文献［6］提出基于神经网络的模糊中值滤波算法，对于受密度噪声污染的图像取得了不错的效果，但是计算量很大。文献［7］、文献［8］、文献［9］、文献［10］提出了一种自适应模糊中值滤波算法（AFM）。AFM算法对傅里叶空间的低频分量具有较好的滤除效果，但

4、对高频分量的处理效果不是很好，主要是没有考虑椒盐噪声对图像的污染程度。所以本文在AFM的基础上提出了一种双阈值模糊中值滤波算法，该算法能很好地保护图像的细节，具有高效地处理椒盐噪声的能力。2算法的基本思想和实现2.1建立模糊系统利用模糊系统（如图1所示），计算输入参数的模糊系数权值。因为处理的是椒盐噪声，所以只需输入滤波窗口中原值与中值的差，最后通过去模函数去模糊化，滤波输出。图1模糊滤波系统设计滤波窗口S由wXw（w默认值为3，一般为奇数）的方阵组成。对S里的像素点值进行快排序，可得滤波窗口中像素的最小值为Smin，最大值为Smax

5、，中值为Smed，均值为Smean。xG，j）表示噪声图像在（i，j）的灰度值。模糊系统首先是计算参数SIG，j）=x（i,j）-Smedo在图像处理的时候一般对像素的污染程度进行阈值的设置。这里假设最小阈值为Tmin，最大阈值为Tmax,同时设置参数S2=

6、x（i，j）-Smean

7、。当S2Tmax时，认为像素点严重污染，这时就用最近邻域已处理的像素点求均值代替。设当前像素的灰度值为x（hj），滤波后的像素的灰度值为y（i，j），模糊滤波系数为P。则模糊隶属函数为：(1)如果S2Tmax时，则:，i=0,j=0(4)，i〉0，j=0

8、(5)，i=0，j〉0(6)i>0,j>0(7)2.2算法实现走乂SG，j）是以点（j，j）为中心，大小为wXw的方形窗口，可表示为S（i，j）={（k，i）

9、

10、k_i

11、