刘志清, 兰奇逊*, 徐 林, 徐华锋, 王朝勇

(1. 河南城建学院数理学院, 河南 平顶山 467036; 2. 东北大学信息科学与工程学院, 沈阳 110819)

图像滤波是数字图像处理和计算机视觉中广泛使用的基础图像处理方法, 可直接用于图像去噪[1]、图像平滑[2]、图像锐化,还可作为图像修复、图像分割[3]、图像增强[4]、边缘检测[5]、图像去雾[6]、目标识别[7]等图像预处理程序．图像滤波算法的运行时间随图像尺寸及滤波器核半径的增大而增加, 为提高算法的计算速度,研究者提出了两类方法: 一类通过合理设计算法实现策略,降低计算复杂度,如基于递归方式实现的均值滤波、中值滤波和高斯滤波,但该方法中后一项的计算依赖于前一项的计算结果,无法进行并行处理;另一类采用并行处理技术[8],借助并行处理设备,在不改变计算复杂度的情况下提高计算速度,减少计算时间．

Fareed等[9]根据滤波器内不受噪声污染的像素数量, 动态调整滤波器尺寸,实现自适应选择性均值滤波器的快速计算; Karnaukhov等[10]采用多维移位向量的递归均值计算方法,降低原始非局部均值方法的复杂度,使非局部均值滤波算法的速度提高10倍以上; Wang等[11]根据输入图像的高频和低频分量,提取视觉特征,构造决策图模型,提出快速加权引导滤波器; Young等[12]采用有理分式逼近高斯核的傅里叶变换,建立图像滤波输出像素和输入像素之间的递归关系,实现各向同性可分离的高斯滤波,使得计算复杂度与高斯滤波器尺寸无……