用噪声检测算法改进理想低通滤波器.pdf

《用噪声检测算法改进理想低通滤波器.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、JournalofComputerApplicationsISSN1001—908l2014．10．1O计算机应用，2014，34(10)：2971—2975C0DENJYIIDUhttp：／／www．joca．cn文章编号：1001—9081(2014)10—2971—05doi：10．11772／j．issn．1001—9081．2014．10．2971用噪声检测算法改进理想低通滤波器杨柱中’，周激流，郎方年(1．成都大学电子信息工程学院，成都610106；2．成都大学模式识别与智能信息处理实验室，成都610106；3．深圳市高性能数据挖掘重点

2、实验室(中国科学院)，广东深圳518055；4．四川大学计算机(软件)学院，成都610064)(通信作者电子邮箱yzz8919885@163．com)摘要：针对图像去噪算法存在滤除噪声与保留图像边缘细节之间的矛盾，提出了一种使用基于分数阶微分梯度的随机噪声检测算法来提高理想低通滤波器的去噪性能的方法。首先，使用不同方向的分数阶微分梯度模板与含噪声图像进行卷积，计算出图像在不同方向上的分数阶微分梯度；然后，依据预先设定的阈值获得不同方向的分数阶微分梯度检测图，将在所有选定方向上梯度都发生跳变的像素点判定为噪声点；最后，只对图像中被检测出的噪声点用理想

3、低通滤波器进行滤波，可使图像在去除噪声和保留图像细节两方面同时获得较优的效果。实验结果表明，所提算法不仅可以获得更好的视觉效果，而且去噪后图像的峰值性噪比(PSNR)表明去噪后的图像更接近原始图像，使用理想低通滤波器获得的最大PSNR为29．0893dB，所提算法获得的最PSNR为34．7027dB。将分数阶微积分用于图像去噪，为提高图像去噪性能提供了一个新的研究方向。关键词：理想低通滤波器；图像去噪；分数阶微积分；随机噪声检测；峰值信噪比中图分类号：TP391．41文献标志码：AImprovingideallow-passfilter、thnoi

4、sedetectionalgorithmYANGZhuzh0ng，，，ZHOUJiliu，-，LANGFangniall(1．CollegeofElectronicsandInformationEngineering，ChengduUniversity，ChengduSichuan610106，China；2．LaboratoryofPatternRecognitionandlntelligeatInformationProcessing，ChengduUniversity,ChengduSichuan610106，China；3．Shenzhen

5、KeyLaboratoryofHighPe~CormanceDataMining(ChineseAcademyofSciences)，ShenzhenGuangdong518055，China；4．CollegeofComputerScience(Software)，SichuanUniversity,ChengduSichuan610064，China)Abstract：Forthecontradictionbetweenfilteringnoiseandpreservingimagedetailinimagedenoisingalgorithm

6、s，arandomnoisedetectionalgorithmbasedoi1fractionaldifferentialgradient，wasproposedtoimprovedenoisingperformanceoftheideallow—passfilterinthispaper．Firstly，thefractionaldifferentialgradienttemplatesofdifferentdirectionswereusedtoconvolvewithnoisyimages，andcalculatefractionaldif

7、ferentialgradientsindifferentdirections．Thenaccordingtoapre—setthresholdvalHe．thefractionaldifferentia1gradientdetectionfiguresindiferentdirectionscouldbeobtained．Ifthepixelgradientsoccurredhoppinginallselecteddirections，andthispixelwasdeterminedtobeanoisepixe1．Finally，onlythe

8、detectednoisepixelswereprocessedbyideallow—passfilter．Thedeno