基本信息
- 项目名称：
- 一种自适应的混合噪声图像滤波方法
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 信息技术
- 大类：
- 自然科学类学术论文
- 简介：
- 混合噪声的滤除一直是图像处理中的热点和难点问题之一。Lee和Kassam根据中值滤波和均值滤波在滤除椒盐噪声和高斯噪声方面各有所长的特点，将这两种方法结合起来，提出了一种MTM(Modified Trimmed Mean)滤波算法 ，希望能同时滤除高斯和颗粒噪声，但MTM算法的滤波能力在很大程度上由于受到阈值的影响，所以滤波效果并不理想。为此，结合自适应滤波算法进而去完善此算法是非常必要的。
- 详细介绍：
- 本文针对受到混合噪声影响的图像，提出一种基于MTM(Modified Trimmed Mean)的自适应图像滤波算法。算法首先选取加窗混合噪声图像的MTM值，再采用相似度自适应地计算各像素的加权系数，最后通过加权算法得到结果。仿真和对比试验结果表明，该算法有较好的自适应性，不但能够有效地去除含有高斯噪声和脉冲噪声的图像噪声，而且能完好的保持图像的边界和细节，提高图像的去噪效果和清晰度，获得良好的视觉效果。
作品专业信息
撰写目的和基本思路
- 目的：图像信号经常受到各种噪声的干扰，由于大多数噪声消除方法只能较好的去除一种类型的噪声，但在很多情况下会同时出现几种噪声，所以提出了一种改进的自适应混合噪声滤波算法，能同时滤除高斯和颗粒噪声。 基本思路：在分析MTM算法基础上，经过重要改进，提出了一种改进的自适应混合噪声滤波算法，首先选取加窗混合噪声图像的MTM值，再采用相似度自适应地计算各像素的加权系数，最后通过加权算法得到结果。
科学性、先进性及独特之处
- 针对MTM算法的滤波效果在很大程度上受到阈值的影响。本文提出一种改进算法。算法的思想是：对输入的噪声图像中的每个点都以其为中心选取一个区域，选取这个区域的MTM值作为参考值，然后，以这个参考值为基础计算区域内各个像素对应的权重值。相对于采用固定权值的滤波方法，本方法自适应的选择权值，可以在保护细节的同时，达到更好的滤波效果。
应用价值和现实意义
- 混合噪声的滤除一直是图像处理中的热点和难点问题之一。Lee和Kassam将中值滤波和均值滤波结合起来，提出了一种MTM滤波算法 ，但该算法的滤波能力受到阈值的影响，滤波效果并不理想。为此，结合MTM滤波算法和相似度技术，提出了一种新的混合噪声图像的滤波算法。该算法有较好的自适应性，不但能够有效去除含有高斯噪声和脉冲噪声的图像噪声，还能很好的保护图像的细节信息，提高图像的去噪效果和清晰度。
学术论文摘要
- 对受到混合噪声影响的图像，提出一种基于MTM(Modified Trimmed Mean)的自适应图像滤波算法。算法首先选取加窗混合噪声图像的MTM值，再采用相似度自适应地计算各像素的加权系数，最后通过加权算法得到结果。仿真和对比试验结果表明，该算法有较好的自适应性，不但能够有效地去除含有高斯噪声和脉冲噪声的图像噪声，而且能完好的保持图像的边界和细节，提高图像的去噪效果和清晰度，获得良好的视觉效果。
获奖情况
- 无
鉴定结果
- 无
参考文献
- [1]RAFAEL,C GONZALEZ,RICHAED E WOODS.阮秋琦等译.数字图像处理（第二版）[M].北京：电子工业出版社，2003. [2]Toprak A，Guler I．Suppression of Impulse Noise in Medical Images with the Use of Fuzzy Adaptive Median Filter[J]．Journal of Medical Systems, 2006, 30(6):465-471 [3]Felsberg M, Forssen P E,Scharr H. Channel smoothing: Effective robust smoothing of low-level signal features[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2006:28(2):209-222 [4]Y H LEE，K S A ASSAM．Generalized median filtering and related nonlinear filtering techniques[J]．IEEE Transactions on Acoust，Speech，Signal Processing，1985，33(3)：669 —672． [5]Chen Da li, Xue Ding yu, Gao Dao xiang. New Efficient Fuzzy Weighted Mean Filter Approach For Removal of Mixed Noise. Journal of System Simulation [J]. 2007:19(3) 527-530 [6]陈大力,薛定宇等.图像混合噪声的模糊加权均值滤波算法仿真[J]．系统仿真学报.2007,19(3) :527-530
同类课题研究水平概述
- 滤波技术是信号处理中的一种基本方法和技术，尤其数字滤波技术使用广泛。自适应滤波的原理就是利用前一时刻已获得的滤波参数等结果，自动的调节现时刻的滤波参数，从而达到最优化滤波。20世纪40年代初期，N.维纳首先应用最小均方准则设计最佳线性滤波器，用来消除噪声、预测或平滑平稳随机信号。60年代初期，R.E.卡尔曼等发展并导出处理非平稳随机信号的最佳时变线性滤波设计理论。维纳、卡尔曼－波色滤波器都是以预知信号和噪声的统计特征为基础，具有固定的滤波器系数。因此，仅当实际输入信号的统计特征与设计滤波器所依据的先验信息一致时，这类滤波器才是最佳的。否则，这类滤波器不能提供最佳性能。70年代中期，B.维德罗等人提出自适应滤波器及其算法，发展了最佳滤波设计理论。随着信号处理学科领域理论与技术的不断进步，自适应信号处理已成为信号与信息处理学科一个新的重要学科分支。 自适应滤波器的基本理论通过几十年的发展已日趋成熟，近几十年来自适应滤波器的研究主要针对算法与硬件实现。算法研究主要时对算法速度和精度的改进其方法大概都采用软件C、MATLAB等仿真软件对算法的建模和修正。自适应滤波器是统计信号处理的一个重要组成部分。凡是需要处理未知统计环境下运算结果所产生的信号或需要处理非平稳信号时，自适应滤波器可提供一种十分吸引人的解决方法，而且其性能通常远优于用常规方法设计的固定滤波器。此外，自适应滤波器还能提供非自适应方法所不可能提供的新的信号处理能力。因此，自适应滤波器成功地应用于诸如通信、控制、雷达、声纳、地震和生物医学工程等诸多领域。
