陈鹏旭

(西南科技大学 信息工程学院，四川 绵阳 621000)



基于剪裁中值和稀疏表示的远程观测图去噪

陈鹏旭

(西南科技大学 信息工程学院，四川 绵阳 621000)

在实际获取远程观测图像的过程中，图像中经常夹杂了混合噪声。针对实际中一般由加性高斯白噪声(AWGN)和脉冲噪声(IN)所组成的混合噪声，提出了一种将剪裁中值滤波和基于加权编码图像稀疏表示相结合的混合噪声的去除算法。实验结果表明，所提算法在不同的噪声比率下都可以有较好的去噪表现，效果优于对比算法，而且能更好地保留纹理等细节。

混合噪声；中值滤波；稀疏表示；非局部相似；图像去噪

引用格式：陈鹏旭. 基于剪裁中值和稀疏表示的远程观测图去噪[J].微型机与应用，2016,35(17)：36-38.

0　引言

针对脉冲噪声的去除[1]，有递进开关中值滤波(Progressive Switch Median Filter，PSMF)[2]、对称剪裁中值滤波(Unsymmetric Trimmed Median Filter,UTMF)[3]等被提出。针对高斯噪声的去除，有传统的高斯滤波、非线双边滤波(Bilateral Filter，BF)、小波去噪[4]、字典学习和稀疏表示算法[5]。对于更加困难的IN和AWGN混合噪声的去噪[6-7]，有三边滤波(Trilateral Filter,TF)[7]、开关双边滤波(Switching Bilateral Filter,SBF)、ROR-NLM算法、非局部相似加权编码(WESNR)等。本文针对AWGN和IN(SPIN+RVIN)组成的混合噪声，经过将剪裁中值滤波初始去噪的非局部相似经验与加权编码结合，提出了一种有效的去噪算法。

1　非对称剪裁中值滤波初始去噪

1.1噪声的模型

本文由AWGN、SPIN、RVIN所组成的混合噪声模型可以表示为：

(1)

式(1) 中，噪声图像的灰度值为[dmin,dmax]。vi,j为方差是σ的高斯噪声值。s(0≤s≤1)是图像椒盐噪声的噪声比率，因为只可能是dmin或dmax，它们各为s/2。P为图像的随机脉冲噪声比，范围为[0,1],对于在[dmin,dmax]的噪声点di,j，则yi,j=di,j的概率是p(1-s)。……