李 勇，陈 琳，崔道江

（新疆轻工职业技术学院 信息与软件分院，新疆 乌鲁木齐830021）

数字图像高密度脉冲噪声的非对称修正中值滤波算法研究

李 勇，陈 琳，崔道江

（新疆轻工职业技术学院 信息与软件分院，新疆 乌鲁木齐830021）

针对数字图像高密度脉冲噪声下常规中值滤波方法存在的不足，从滤波算法入手，通过设置对噪声点的检测判定和对其邻域取样范围的优化选择的方法来加以完善。经过滤波窗口对图像的遍历，检测并非对称地修正噪声点，计算得出取样值邻域中噪声点以外像素值的中值取而代之，重复直至无噪声点。仿真实验表明，此非对称修正中值滤波算法滤除此类噪声性能佳，图像细节保护良好。

数字图像处理；中值滤波；高密度脉冲噪声；非对称修正中值滤波

数字图像在传输、存储及成像处理的过程中难免会混入不同种类的噪声，而这些噪声中通常以数字通信系统因内部自身局限引起的脉冲噪声较为常见。它在图像中表现为与邻近像素点较大差异的亮点和暗点，也被称作椒盐噪声，而中值滤波是对此类噪声较为有效的抑制方式。数字图像常规中值滤波（MF）的处理对象面向包括真实像素点和噪声点的所有图像像素点，因此可能存在对图像真实细节的混淆，而且随着脉冲噪声密度的增加，当滤波窗口中噪声点数量大于或等于图像像素点数量的1/2时，MF效果会大幅度降低，影响了呈像质量。出于对MF的完善，中值滤波算法的改良算法继相产生，例如：开关中值滤波、矢量中值滤波、自适应中值滤波等。这些改进算法加入了对数字图像中有效像素点和噪声点的判定过程，将滤波处理的对象紧紧锁定于噪声点，减少对图像原始细节的修改，另外，也较多围绕滤波窗口做文章，适时改变窗口的形状和尺寸，虽兼顾了滤波和图像编辑的保护，但也影响了运算效率不利于实时处理。对于受高密度脉冲噪声污染的图像，常利用中值滤波多次反复处理后则会出现原始图像模糊的状况。如何既做到能整体过滤图像的高密度脉冲噪声又能保证它局部点线不受损是解决此类去噪问题的关键。非对称修正中值滤波（UTMF）思想是相对于对称修正滤波提出的。例如，阿尔法修正中值滤波（ATMF）的修正是面向滤波窗口内所有像素值的，其中也包括未损坏的像素值，且是两端对称的，这很容易损失图像的细节。而非对称修正中值滤波面向噪声点（0或255像素值），且非对称取中值修正噪声点，即除噪声点邻域的非噪声点邻域的非噪声点像素值取中值而不是对所有像素点取中值。

1 算法描述

文中采取UTMF算法，它将检测噪声作为初始任务，在分析脉冲噪声的像素值后，一般情况下我们可以判断脉冲噪声的像素值非0即255。为进一步提高效率和准确性，特别在高密度脉冲噪声下，采取滤波窗口内的非对称修正，针对噪声点（即窗口中心取样点为噪声点），计算得出取样点邻域中噪声以外像素值的中值来替换取样值。

表1 UTMF基本算法伪代码

表2 滤波子函数pixelmedianfilter伪代码

表 1 和表2 中 ，pixelset=adjpixel（E，i，j，D） 是图像取样像素值E（i，j）在D邻域内的像素矩阵的行向量，pval泛指 E（i，j）的邻域像素值，比较极端的情况下，pval全为0或255，则直接按UTMF算法原则计算中值。

2 仿真结果

仿真在C语言环境中实现，选取系统内lena图像，加入脉冲噪声，按照算法先检测脉冲噪声，锁定噪声像素为工作对象，使用pixelmedianfiler函数计算数字图像的取样噪声点像素邻域的中值，其中邻域的范围是噪声点以外的像素值，最终应用中值代替取样噪声点。实验比较图见图1，在表1中陈列了不同脉冲噪声密度下，峰值信噪比SNR和公式（1）所示的数字图像均方误差MSE及公式（2）所示信噪比PSNR的对于MF和UTMF的比较值。

图1 MF算法和UTMF算法对脉冲噪声去噪的比对

通过表3分析比对实验检测结果，我们可以判断，MF算法在处理从15％、25％到55％和75％的噪声密度时，均会存留下没有处理干净的噪声点，并且随着脉冲噪声密度的递增，遗留下的噪声点也越多，也意味着它的去噪效果急剧下降，如果再进行重复多次滤波会使原图像加剧损坏而变得模糊。图像均方误差MSE的值随着噪声密度的正向递增，在常规算法MF下出现了急剧增长的态势，而非对称修正算法UTMF下变化则较为温和。在SNR与PSNR的数据中UTMF的减小幅度趋势也较MF平缓。总体上，通过直观的仿真图和具体实验数据分析得出UTMF算法在理论上对数字图像的脉冲噪声的抑制能力和对图像原始像素的保护方面都存在显著优势。

表3 MF算法和UTMF算法的比较

3 结束语

UTMF表现出不仅对不同密度的脉冲噪声均能实现相对理想的滤波效果，而且随图像噪声密度的增大，依然能保持稳定的去噪特性，特别在保留原始图像细节方面表现不俗，这也在与MF在实验参数MSE、PSNR和SNR的比较中充分得以证明，体现了UTMF在数字图像高密度脉冲噪声环境下优越的去噪性能。

[1]罗维薇.一种用于抑制高密度椒盐噪声的中值滤波方法[J].自动化与仪器，2016（4）:193-194.

[2]朱士虎.一种新的高密度椒盐噪声滤波算法[J].计算机工程，2012，38（18）:207-210.

[3]张培轩.一种基于椒盐噪声的自适应加权均值滤波算法[D].上海：华东师范大学，2015.

[4]王芳.基于模糊中值滤波的椒盐噪声去除方法[J].模糊系统与数学，2012，26（1）：166-173.

[5]李刚.强椒盐噪声图像的二次自适应中值滤波算法[J].微计算机应用，2011，32（4）：22-26.

[6]何一鸣.基于邻域均值的去椒盐噪声算法[J].南京理工大学学报，2011，35（6）：764-767.

[7]曾俊.图像边缘检测技术及其应用研究[D].武汉：华中科技大学，2011.

[8]韩丽娜.基于噪声分析的椒盐噪声降噪处理方法[J].计算机与现代化，2014（2）：95-97.

[9]陈健.基于方向的多阈值自适应中值滤波改进算法[J].电子测量与仪器学报，2013，27（2）：156-161.

[10]方先成.两种新型高斯-椒盐混合噪声去噪方法[D].长春：吉林大学，2013.

[11]谢君.模糊理论在图像处理中的应用[D].南昌：江西师范大学，2013.

[12]Yu Zeqi， Fan Yangyu， Longfei Shi， et al.A pseudo-natural sampling algorithm for low-cost low-distortionasymmetricdouble-edgePWM modulators [J].Circuits， Systems， and Signal Processing， 2015，34:831-849.

[13]YangYu Fan·WeiLiang Wang·RuiHu Li.Binary construction of pure additive quantum codes with distance five or six [J].Quantum Information Processing， 2014，14（1）:183-200.

[14]ShahidaGhulam Qadir，Fan Yangyu.Two-Dimensional Superresolution Inverse Synthetic Aperture Radar Imaging Using Hybridized SVSV Algorithm[J].IEEE Transactions on Antennas and Propagation， 2013，61（2）:1012-1015.

[15]Shahida Ghulam Qadir，Fan Yangyu.Modi?ed two-stage separated virtual steering vector-based algorithm for high resolution inverse synthetic aperture radar imaging [J].Signal Processing，Elsevier， 2013，93（1）:297-303.

[16]李武军，邹勇，李诚.CCD图像处理技术在声光效应分析中的应用 [J].西安工业大学报，2012，32（2）：103.

[17]曹帅，李鸿.基于小波变换阈值算法的输送带裂纹图像去噪[J].电子科技，2016（12）：108-110.

The research on digital image UTMF of high-density impulse noise

LI Yong，CHEN Lin，CUI Dao-jiang
（Information and Software Branch Institute of Xinjiang Industry Technical College， Urumqi 830021，China）

Aiming at the shortcomings of conventional median filtering method in high density impulse noise of digital image，this paper improves the filtering algorithm by setting the detection and determination of noise point and the optimal selection of its neighborhood sampling range.Through the filter window traversal on the image，the detection is not symmetrical to correct the noise point.The median of the pixel values outside the noise point in the neighborhood of the sample value is calculated and replaced by repeating until there is no noise point.The simulation results show that the proposed algorithm can filter out such noise better and the image details are well protected.

digital image processing； median filtering； high density impulse noise； asymmetric modified median filtering

TN911.4

：A

：1674－6236（2017）15-0051-03

2016-09-26稿件编号：201609235

李 勇（1982—），男，甘肃宁县人，硕士，高级技师，讲师。研究方向：通信、网络工程。