方红萍， 曾若云， 吴家鑫， 伍世虔

(1.武汉科技大学 信息科学与工程学院，湖北，武汉 430081；2.武汉科技大学 机器人与智能系统研究院，湖北，武汉 430081)

图像滤波是图像处理中重要的预处理环节. 目前图像滤波方法大致可分为两类. 第一类是变换域滤波算法，如傅里叶变换[1]、离散余弦变换[2-3]、小波变换[4-5]等. 这类算法具有边缘保持能力，但易产生吉布斯效应[6]或梯度反转[7]等问题. 第二类是空间域滤波算法，如均值滤波[8-9]、高斯滤波[10]、双边滤波BF[11-12]和引导滤波GIF[13-18]等. 均值滤波和高斯滤波的核函数与图像域信息无关，所有局部窗口操作相同，能去除噪声但是容易引起边缘模糊. BF和GIF均具有去噪保边能力. BF核函数权重综合考虑空间域和图像域两方面信息，采用双高斯滤波相结合的方法进行滤波，但是存在计算复杂度高、梯度反转等问题. GIF引入引导图Q，假设滤波输出图像和引导图像满足局部窗口线性关系，将滤波问题转换为一个线性参数的优化问题. GIF算法效率达到O(N)水平,能避免梯度反转. 但是仍存在一定的局限性.

首先，GIF对整张图像进行处理时，所有窗口均使用固定正则化参数ε，并没有针对窗口不同结构信息，自适应地调节正则化参数ε，因此在边缘附近容易出现边缘模糊和光晕效应. 梯度引导滤波GGIF[19]在GIF的基础上，引入一种基于局部窗口方差的边缘敏感函数来描述图像结构信息. 采用新的惩罚因子ε/Γω k代替原有的固定ε，实现自适应引导滤波. 虽然该算法具有更优的边……