迭代中值滤波算法

椒盐噪声作为影像中的一类典型噪声,一般因信号传输通道的错误或图像采集设备而产生。由于椒盐噪声的强度大,且分布随机,对影像质量和后续应用产生极大的影响。中值滤波是一种简单高效的分线性椒盐噪声消除方法,为了改善传统中值滤波的局限性,学者提出了加权中值滤波(WMF),中央加权中值滤波(CWMF),排序均值滤波(ROMF)等方法,但这些方法在实际处理中没有将噪声像元与非噪声像元区别对待,不可避免地产生了图像模糊。

两步处理策略的出现为椒盐噪声的去除提供了新的思路。细节保持中值滤波、非线性自适应滤波、极值中值滤波和开关中值滤波等。

一些针对高密度椒盐噪声的消除方法,包括自适应中值滤波、基于决策的算法、简单的自适应中值滤波等方法都偏向于遍历的处理思路,即试图用图像中少量的有用信息一次性的处理所有的噪声像元。虽然速度很快但是噪声点之间的相互影响仍然很大,在椒盐噪声比例较高的时候对处理结果造成很大的影响。与此相比,迭代中值滤波可以更好的保持影像中的细节信息。

迭代中值滤波算法的框图如下:


灰度差异控制条件为:




详细的文章请看中国知网:一种消除高密度椒盐噪声的迭代中值滤波算法—兰霞博士等发表的武汉大学学报。

相关文章
相关标签/搜索