基于粗糙集理論和自適應的圖像中值濾波改進算法.pdf

1、圖像信號在產生、傳輸和記錄過程中，經常會受到各種噪聲的干擾，這破壞了圖像的視覺效果，嚴重影響了邊緣檢測、圖像分割等后續(xù)處理的進行。因此，采用適當?shù)姆椒p少噪聲(即對圖像進行濾波)是一項非常重要的工作。圖像的噪聲有很多種，其中，脈沖噪聲是最為常見的一種形式。
　　 目前，圖像濾波常用的方法包括線性濾波技術和非線性濾波技術。在進行圖像處理時，傳統(tǒng)的線性濾波器雖然能夠濾除噪聲，但同時往往會使邊緣等圖像細節(jié)嚴重模糊，而且脈沖噪聲不能得以

2、有效濾除。非線性濾波對脈沖信號具有良好的抑制能力，在一定程度上克服了線性濾波器的缺點。中值濾波作為非線性濾波方法的代表，雖然能夠有效地去除脈沖噪聲，但是同時會損失圖像中一些重要的細節(jié)信息。在這種情況下，許多改進的中值濾波算法應運而生，本文在這些成果的基礎上對中值濾波算法進行了深入研究。
　　 文章首先闡述了圖像去噪的研究意義和應用價值，對圖像去噪的發(fā)展概況進行了全面的綜述，并概括了圖像去噪的研究熱點和趨勢。然后介紹了圖像去噪的基

3、本理論，詳細研究了標準中值濾波算法及其改進算法。為了改善中值濾波算法的性能，提高圖像去噪的質量，本文主要在以下方面做了工作：
　　 （1）圖像信息自身的復雜性和較強的相關性，使得圖像處理過程中不可避免地存在不完整和不確定的問題，而這正是粗糙集理論的研究內容。結合粗糙集理論的研究成果，提出一種新的中值濾波算法。通過判斷像素屬性，利用不可分辨關系將圖像像素區(qū)分為噪聲像素和信號像素，對噪聲像素進行中值濾波而保持其他像素灰度值不變。模糊

4、隸屬度還被應用到判斷像素屬性的過程中，收到良好效果。實驗結果顯示，這種方法具有較好的圖像去噪效果和細節(jié)保護性能。
　　 （2）在眾多中值濾波的改進算法中，自適應中值濾波算法在去除脈沖噪聲的過程中顯示出其優(yōu)越的性能。本文在對自適應中值濾波算法進行研究之后，針對其存在的問題，結合自適應中值濾波在去除脈沖噪聲過程中的優(yōu)點，給出了一種改進的自適應中值濾波算法。首先根據(jù)脈沖噪聲的特性檢測噪聲，并引入最大差異，避免將高頻信號誤判為噪聲；然后

5、對噪聲像素灰度值的估計方法作了改進，根據(jù)像素灰度值的分布進行濾波。實驗表明，此方法具有實用性和有效性。
　　 （3）在RGB空間中，由于彩色圖像的任一像素點都有R、G、B三個顏色分量值，只要有一個顏色分量受到噪聲污染，就會對該像素的顏色產生影響?，F(xiàn)有的矢量方法雖然在進行去噪處理時考慮了三個顏色分量之間的聯(lián)系，但是因為受噪聲污染點也參與輸出值的形成過程，就使得到的輸出值不可避免地含有噪聲污染。為了改善去噪效果，將改進的自適應中值濾