·122-
脉冲噪声去噪检测阶段新方法
范梅花王凤娟郭强张浩
(齐齐哈尔大学，黑龙江齐齐哈尔161006)
科技论坛
要：针对计多流行算法主要考虑高声密度而息略属于图像平担区城的像素可能错误检测为噪声的情况，提出了脉冲嗪声检测摘
阶段的新算法。该算法的检测阶段利用两个条件确定像素是否是嗪产，其中第二个条件利用两个提前确定的阅值。仅检测阶段确定为嗪声的像素在滤波阶段执行滤波操作。为了减小复原图像的模糊，滤波阶投采用小尺寸的滑动富口。利用提出的算法检测不同密度的脉冲
关键词：票声检测；中值滤波；脉冲票声：图像复原：图像处理
图像复原是数字图像处理的主要研究领域之一，它通过去除噪声且保留图像的边缘和细节提高退化图像的质量。去处理常常基于噪声模型，而脉冲噗声是常用的噪声模型之一，它主要由传感器和通信通道产生。为了去除脉冲噪声，中值滤波是最流行的滤波技术之一叫。它在整幅图像上滑动一个(2+1)x(24+1)方形窗口，利用滑动窗口中所有像素的中值取代窗口中心。因此，中值滤波处理图像的所有像素，这导致了图像模糊，失去了图像的好细节和边缘。固此，为了提高复原图像的质量，许多中值滤波的改进算法被提出。这些算法仅对检测阶段判断为噪声的像素进行滤波操作。因此，这些改进算法的检测阶段对算法的性能起着至关重要的作用。但是，这些算法主要考虑如何去除高密度的脉冲噪声，检测为噪声的像素可能属于图像的平坦区域，然而它们并不是赚声像素。为了解决这个间题，本文提出算法的检测阶段增加一些判断条件，对像素进行更多的调查和验证，从面确定它们是否是噪声像素。同时本文采用更符合实际应用情况的盐脉冲噪声模型，且使用不同特征的标准测试图像进行仿真实验。
1提出的方法
本文考虑的噪声模型更符合实际情况，如下所示：
es-
α，和α？的最优值通过仿真计算出来，然而它们的起始估计利
用下式进行计算：
[w(A +0.50)], W=3
[w*(P, + 0.50)], W=3
=[r( +0.5)] -3*
%=[r(P+0.15)],W=5(6)
其中[表示向下取整。 2仿真结果
本文采用不同特征和尺寸的标准测试图像，图像复原经常采用这些图像进行测试。表1显示利用提出算法复原不同脉冲噪声密度污染的Lena图像的MAE和PSNR。伤真采用m=4的噪声模型。表 1中MAE，和PSNR。分别表示应用提出算法之前污染图像的MAE 和PSNR，实验结果表明提出算法产生较好的图像质量.同时其它的标准测试图像具有类似结果
表1Lena图像的MAE和PSNR
%
%11 21%
73, + 7 4, *

7
7,24
7
,1 +, 34,
被p,=10%和p=20%的噪声污染的Mammogram图像的PSNR 同阔值α，和α2之间的关系如图1所示，其中p+p2<50%，所以选择W=3。首先固定α2=8(利用公式(8)计算α:的初值),然后绘制
PSNR与α;之间的关系，如图1(a)所示，找到PSNR最大值对应的
255 (ry525
(1)
其中x和%分别是污染图像和原始图像第：行第列的像素，
α，作为α，的最优值，最后固定α=5,绘制PSNR与α之间的关
P:和p分别是椒噪声和盐噪声密度，P：可以不等于p2。提出算法由检测阶段和滤波阶段组成。在检测阶段，如果x：同时满足两个条件，那么认为x是噪声。两个条件如下所示：
1.1第一个条件：
Niabn/(x)
%声，0≤X,
6导声, (255=m)-x,≤ 259
污势，其它
1.2第二个条件：
[噪声，>,≤4
Noise,(r)=噪声， N,≤0
末污染，其它
(2)(3)
其中N,和N,分别为滑动窗口中属于东度区间[0m)和(255-m 255]的像素的数目;α，和2是主要取决于噪声密度和图像特征的阀值，它们同噪声密度成正比例关系，且小于或等于Wx方形滑动窗口中像素的总数.即。≤w"和，≤w：。仅通过上述两个条件验证的像素称为噪声像素，且进入接下来的滤波阶段。剩余的像素保持不变。方形滑动窗口的尺寸W取决于噪声密度。大量仿真结果表明较小的W在噪声抑制和边缘细节保留方面产生更好的结果。本文采用的W的估计值如下所示：w-位6595
其中p+h:
[5, 0.5 ≤ p 0.6
(4)
为了找到噪声密度P和P的估计值P和，利用下面公式计
算起始的估计值，最优值通过实验仿真找到： A"MxN
系，如图1(b)所示，找到PSNR最大值对应的α：作为α2的最优值。
(a)PSNR与a,之间的关系
()PSNR与之闻的关系
图1污染图像的PSNR与阔值之间的关系
图2显示了复原图像的例子。其中，图2(a)显示了Lena的原始图像，图2(b)显示了测试图像被p=30%和p:=30%的噪声污染之后得到的污染图像，图2(c)显示了利用提出算法复原污染图像之后得到的复原图像。虽然噪声密度比较高，但是复原图像的质量还是比较令人满意的。
()原拍雷像
造用
(o)莱压
图2复原图像的例子
3结论
本文提出脉冲噪声检测和抑制的新算法。同时，本文采用更符合实际情况的脉冲噪声模型，且考虑了较高噪声密度的情况。为了减少模糊和保留边缘细节，本文采用小尺寸的方形滤波窗口。实验结果表明提出算法在图像复原质量和边缘细节保留方面其有较好的性能。
(5)
参考文献
其中K；和K，分别是噪声污染图像中灰度为0和255的个数，[目】徐少平,杨荣昌，对小平.基于噪声估计的自适应开关型中值滤液
M和N是以像素为单位的图像的宽度和高度。
器[J].光电子·激光,2014,25(4):792800
基金项目:2014年齐齐哈尔大学教育科学研究一般项目(2014068);齐齐哈尔大学青年教师科研启动支持计划项日（2014k-M05);齐齐哈尔大学青年重点教研项日（2014073)。
作者简介：范梅花(1981.12.15-)，生于山东，颈士研究生学历，在齐齐哈尔大学担任老师。