CN101340594A - 基于矢量外积和中值滤波去彩色图像脉冲噪声方法及系统 - Google Patents
基于矢量外积和中值滤波去彩色图像脉冲噪声方法及系统 Download PDFInfo
- Publication number
- CN101340594A CN101340594A CNA2007101228392A CN200710122839A CN101340594A CN 101340594 A CN101340594 A CN 101340594A CN A2007101228392 A CNA2007101228392 A CN A2007101228392A CN 200710122839 A CN200710122839 A CN 200710122839A CN 101340594 A CN101340594 A CN 101340594A
- Authority
- CN
- China
- Prior art keywords
- vector
- noise
- algorithm
- sigma
- rightarrow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
一种以矢量外积为基础的加入噪声预判的彩色图像脉冲噪声滤波方法和系统。VCPF通过比较矢量外积的长度来对像素矢量进行排序,取其中最小的像素矢量作为输出。CWVCPF对中心像素加上一定权重W0,通过W0的选择,在有效过滤脉冲噪声的同时尽可能保留图像细节。噪声预判算法确定一个正常范围ε<fi k<L-ε,保留正常范围内的像素不进行滤波,可以大大提高算法效率,同时由于精确判定噪声像素,滤波后的图像质量也有一定提升。
Description
所属技术领域
本方法涉及图像处理领域,尤其是彩色图像脉冲噪声滤波方法和系统。
背景技术
传统的彩色图像噪声消除算法主要包括均值滤波器等线性滤波器,和矢量中值滤波器(VMF)、矢量方向滤波器(VDF)、方向距离滤波器(DDF)、加权矢量中值滤波器(WVMF)和修正的加权矢量滤波器(MWVMF)等非线性滤波器。线性滤波器基本上都是低通滤波,因此不能很好的保留图像中复杂多变的细节。
矢量中值类滤波器的输出值为滑动窗口中矢量集合的中值.该算法要求对矢量进行排序.基本思想是在滑动窗口中寻找一个距离其他像素矢量最近的像素,并以此像素替代原中心像素.如果有多个矢量都为最小值,则选择离滑动窗的中心最近的矢量.对于具有N个矢量的集合V={v1,v2,…,vN},将其通过一个矢量中值滤波器后得到的输出矢量为Xvm=VM{v1,v2,…,vN},其中Xvm∈{v1,v2,…,vN},其算法如下.
1)对于每个矢量计算它到其余矢量的距离之和
2)从中选出最小值,记为Sk
3)对应的Vk即为输出的中值矢量。
各种算法的区别在于采用的距离计算公式不同。矢量中值滤波器(VMF)采用L1-norm或L2-norm来进行矢量排序;矢量方向滤波器(VDF)根据矢量夹角进行排序;方向距离滤波器(DDF)同时考虑矢量方向和长度,取二者的乘积作为排序依据;加权矢量中值滤波器(WVMF)和修正的加权矢量滤波器(MWVMF)在VMF的基础上,给滑动窗口内每个像素赋予不同权重,MWVMF给中心像素权值为W0,其余像素权值为1。
发明内容
[要解决的技术问题]
在彩色图像噪声消除方面,主要的问题是如何在彩色图像的像素矢量空间中进行排序。本方法提出一种同时考虑矢量的方向和大小特征的噪声消除算法。同时,为了解决多数此类算法复杂度大、判断不精确的问题,本方法提出一种脉冲噪声预判算法,能够在滤波前精确判断脉冲噪声的位置,能够在降低复杂度的同时提高前面列举的所有算法的性能。
[技术方案]
本方法引入了矢量外积来计算矢量距离。对于RGB空间的两个矢量 和 u和v的矢量外积定义为:
即
u×v的方向总是与u、v垂直,大小由下式表示:
其中u·v是uv的内积,u·v=uRvR+uGvG+uBvB;θ是uv间夹角,由cosθ=(u·v)/(|u|*|v|)确定。
用f(x,y),0<=x<=M-1,0<=y<=N-1表示一幅M*N的彩色图像,滤波滑动窗口W大小为n=m*m,每个像素矢量有1个分量,用fj={fj1,fj2,…,fjl},j=0,1,…,n-1来表示。矢量外积滤波器(VCPF)对每个矢量fi计算对应的标量 将所有矢量fi,i=0,1,2,…,n-1根据Ci的值从小到大排序为f(0),f(1),…,f(n-1),取对应Ci值最小的f(0)作为滤波器的输出。即VCPF的输出是满足以下条件的像素fk∈W:
根据矢量外积的定义可知,Ci的计算涉及两方面要素:矢量大小|u||v|和矢量方向θ,VCPF算法同时对图像矢量的大小和方向进行运算。
为了达到更好的除噪效果,VCPF有如下两种扩展。一是与均值滤波器的结合:
其中 fi是均值滤波器的输出。
二是在原中心矢量对应的值f0小于W中所有矢量的Ci的平均值时,保留原有矢量,即:
其中f0是中心矢量。这种算法可以很好的保留图像的局部细节。
中间点加权矢量外积滤波器(CWVCPF)类似于修正加权矢量中值滤波器(MWVMF),中心像素矢量f0对应标量 其中0<=W0<=1是赋予中心像素的权重。其他像素对应标量 与VCPF中相同。若对于某个k有
W0作为CWVCPF的一个设计参数,W0=0时该像素对滤波计算无影响,W0=1时CWVCPF算法与VCPF算法相同,0<W0<1时CWVCPF可以在减少噪声的同时保留图像细节和边缘。CWVCPF算法效果与W0之间的依赖关系如附图1所示(测试图像为经过4%脉冲噪音处理的标准参考图像Lena,效果用PSNR计算)
泛化的中值类滤波算法(包括VMF、VDF、DDF、WVMF、MWVMF、VCPF和CWVCPF等)通常用一个滑动窗口对所有像素进行处理,不管是不是脉冲噪声,因此很容易修改未被噪声干扰的像素,消除了图像细节。本方法提出的脉冲噪声预判算法可以有效的解决这一问题。脉冲噪声的特征是使信号产生突变(太强或太弱),脉冲噪声预判算法就是基于这一特征设计,若输入像素矢量fi={fi 1,fi 2,…,fi l}的各个分量都满足ε<fi k<L-ε,1<=k<=l,则像素矢量fi保持不变,其中L是各分量所能达到的最大值;否则对像素矢量fi进行中值滤波处理。通过针对不同情况选择合适的ε,本噪声预判算法可以大大提高算法效率,同时由于精确判定噪声像素,滤波后的图像质量也有一定提升。附图2显示了加入噪声预判算法后的滤波器流程图。
[有益效果]
在脉冲噪声滤波方面,VCPF和CWVCPF的滤波性能超过了传统的VMF、VDF和DDF,有效过滤脉冲噪声,同时尽可能保留图像细节。噪声预判算法大大提高了各种中值滤波算法的效率,提升图像质量。加入噪声预判算法后的中值滤波器(Pre-VMF)在各种滤波器中效果最好。附图3显示了各种滤波器的性能比较,图像采用加入4%脉冲噪声的Lena和Baboon,性能评测采用MAE和PSNR表示
附图说明
图1:CWVCPF算法效果与W0之间的依赖关系;
图2:加入噪声预判算法后的滤波器流程图;
图3:各种滤波器的性能比较。
Claims (1)
- [要解决的技术问题]在彩色图像噪声消除方面,主要的问题是如何在彩色图像的像素矢量空间中进行排序。本方法提出一种同时考虑矢量的方向和大小特征的噪声消除算法。同时,为了解决多数此类算法复杂度大、判断不精确的问题,本方法提出一种脉冲噪声预判算法,能够在滤波前精确判断脉冲噪声的位置,能够在降低复杂度的同时提高前面列举的所有算法的性能。[技术方案]本方法引入了矢量外积来计算矢量距离。对于RGB空间的两个矢量即u×v的方向总是与u、v垂直,大小由下式表示:其中u·v是uv的内积,u·v=uRvR+uGvG+uBvB;θ是uv间夹角,由cosθ=(u·v)/(|u|*|v|)确定。用f(x,y),0<=x<=M-1,0<=y<=N-1表示一幅M*N的彩色图像,滤波滑动窗口W大小为n=m*m,每个像素矢量有1个分量,用fj={fj1,fj2,...,fj1},j=0,1,...,n-1来表示。矢量外积滤波器(VCPF)对每个矢量fi计算对应的标量根据矢量外积的定义可知,Ci的计算涉及两方面要素:矢量大小|u||v|和矢量方向θ,VCPF算法同时对图像矢量的大小和方向进行运算。为了达到更好的除噪效果,VCPF有如下两种扩展。一是与均值滤波器的结合:其中二是在原中心矢量对应的值f0小于W中所有矢量的Ci的平均值时,保留原有矢量,即:其中f0是中心矢量。这种算法可以很好的保留图像的局部细节。中间点加权矢量外积滤波器(CWVCPF)类似于修正加权矢量中值滤波器(MWVMF),中心像素矢量f0对应标量W0作为CWVCPF的一个设计参数,W0=0时该像素对滤波计算无影响,W0=1时CWVCPF算法与VCPF算法相同,0<W0<1时CWVCPF可以在减少噪声的同时保留图像细节和边缘。CWVCPF算法效果与W0之间的依赖关系如附图1所示(测试图像为经过4%脉冲噪音处理的标准参考图像Lena,效果用PSNR计算)泛化的中值类滤波算法(包括VMF、VDF、DDF、WVMF、MWVMF、VCPF和CWVCPF等)通常用一个滑动窗口对所有像素进行处理,不管是不是脉冲噪声,因此很容易修改未被噪声干扰的像素,消除了图像细节。本方法提出的脉冲噪声预判算法可以有效的解决这一问题。脉冲噪声的特征是使信号产生突变(太强或太弱),脉冲噪声预判算法就是基于这一特征设计,若输入像素矢量[有益效果]在脉冲噪声滤波方面,VCPF和CWVCPF的滤波性能超过了传统的VMF、VDF和DDF,有效过滤脉冲噪声,同时尽可能保留图像细节。噪声预判算法大大提高了各种中值滤波算法的效率,提升图像质量。加入噪声预判算法后的中值滤波器(Pre-VMF)在各种滤波器中效果最好。附图3显示了各种滤波器的性能比较,图像采用加入4%脉冲噪声的Lena和Baboon,性能评测采用MAE和PSNR表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101228392A CN101340594A (zh) | 2007-07-06 | 2007-07-06 | 基于矢量外积和中值滤波去彩色图像脉冲噪声方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101228392A CN101340594A (zh) | 2007-07-06 | 2007-07-06 | 基于矢量外积和中值滤波去彩色图像脉冲噪声方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101340594A true CN101340594A (zh) | 2009-01-07 |
Family
ID=40214525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007101228392A Pending CN101340594A (zh) | 2007-07-06 | 2007-07-06 | 基于矢量外积和中值滤波去彩色图像脉冲噪声方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101340594A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951522A (zh) * | 2010-09-28 | 2011-01-19 | 广东工业大学 | 一种消除彩色图像中脉冲噪音的矢量中值滤波的实现方法 |
CN103778611A (zh) * | 2014-01-26 | 2014-05-07 | 天津大学 | 利用边缘检测的开关加权矢量中值滤波方法 |
CN104217408A (zh) * | 2014-09-30 | 2014-12-17 | 成都市晶林科技有限公司 | 非制冷红外焦平面探测器图像滤波去噪方法 |
-
2007
- 2007-07-06 CN CNA2007101228392A patent/CN101340594A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951522A (zh) * | 2010-09-28 | 2011-01-19 | 广东工业大学 | 一种消除彩色图像中脉冲噪音的矢量中值滤波的实现方法 |
CN101951522B (zh) * | 2010-09-28 | 2012-05-23 | 广东工业大学 | 一种消除彩色图像中脉冲噪音的矢量中值滤波的实现方法 |
CN103778611A (zh) * | 2014-01-26 | 2014-05-07 | 天津大学 | 利用边缘检测的开关加权矢量中值滤波方法 |
CN103778611B (zh) * | 2014-01-26 | 2016-08-17 | 天津大学 | 利用边缘检测的开关加权矢量中值滤波方法 |
CN104217408A (zh) * | 2014-09-30 | 2014-12-17 | 成都市晶林科技有限公司 | 非制冷红外焦平面探测器图像滤波去噪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106910169B (zh) | 一种防止边缘模糊的图像椒盐噪声去除方法 | |
CN101944230B (zh) | 基于多尺度的自然图像非局部均值去噪方法 | |
CN101867832B (zh) | 阈值确定装置和阈值确定方法 | |
CN105096280A (zh) | 处理图像噪声的方法及装置 | |
CN102509294B (zh) | 一种基于单幅图像的全局深度估计方法 | |
CN102446351A (zh) | 一种多光谱与高分辨率全色图像融合方法研究 | |
CN102034224B (zh) | 基于伪Zernike矩的图像去噪算法 | |
CN103778611B (zh) | 利用边缘检测的开关加权矢量中值滤波方法 | |
CN103561194A (zh) | 一种基于自适应滤波的扫描图像去网纹方法 | |
CN108961167B (zh) | 一种基于有限差分及梯度的Bayer-CFA插值方法 | |
CN112233019B (zh) | 一种基于自适应高斯核的isp颜色插值方法及装置 | |
CN107369144A (zh) | 基于改进同态滤波的多尺度Retinex图像去雾方法 | |
CN103971345B (zh) | 一种基于改进双边滤波的图像去噪方法 | |
CN103208105A (zh) | 一种红外图像细节增强与噪声自适应抑制方法 | |
CN101340594A (zh) | 基于矢量外积和中值滤波去彩色图像脉冲噪声方法及系统 | |
CN104036461A (zh) | 一种基于联合滤波的红外复杂背景抑制方法 | |
CN106683063A (zh) | 一种图像去噪的方法与装置 | |
JP2010103736A (ja) | 画像拡大方法 | |
CN104463810B (zh) | 基于tv流的自适应扩散滤波图像去噪方法 | |
CN109003247A (zh) | 彩色图像混合噪声的去除方法 | |
Bala et al. | Single image desmogging using oblique gradient profile prior and variational minimization | |
CN101854468B (zh) | 去除影像噪声的修补方法 | |
CN101296312A (zh) | 小波与小曲模糊自适应联合的图像去噪方法 | |
Mishiba et al. | Edge-adaptive image interpolation using constrained least squares | |
Jia et al. | An edge-adaptive demosaicking method based on image correlation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090107 |